Hive中常用的函数 – 源码巴士

6.1 系统内助函数

1）查看系统自带的函数

hive> show functions;

2）显示自带的函数的用法

hive> desc function upper;

3）详细显示自带的函数的用法

hive> desc function extended upper;

6.2 常用内置函数

6.2.1 空字段赋值

1）函数说明
NVL：给值为 NULL 的数据赋值，它的格式是 NVL( value，default_value)。它的功能是如果 value 为 NULL，则 NVL 函数返回 default_value 的值，否则返回 value 的值，如果两个参数都为 NULL ，则返回 NULL。
eg：查询：如果员工的 comm 为 NULL，则用-1 代替

select comm,nvl(comm,-1) from emp_xjl

6.2.2 CASE WHEN THEN ELSE END

按需求查询数据：求出不同部门男女各有多少人

 select 
dept_id,
sum(case sex when '男' then 1 else 0 end) male_count,
sum(case sex when '女' then 1 else 0 end) female_count
from empSex_xjl
group by dept_id;

或者用if-else

select 
dept_id,
sum(if(sex='男',1,0)) male_count,
sum(if(sex='女',1,0)) female_count
from empSex_xjl
group by dept_id;

6.2.3 行转列

1）相关函数说明
CONCAT(string A/col, string B/col…)：返回输入字符串连接后的结果，支持任意个输入字
符串;
CONCAT_WS(separator, str1, str2,…)：它是一个特殊形式的 CONCAT()。第一个参数剩余参
数间的分隔符。分隔符可以是与剩余参数一样的字符串。如果分隔符是 NULL，返回值也将
为 NULL。这个函数会跳过分隔符参数后的任何 NULL 和空字符串。分隔符将被加到被连接
的字符串之间;
注意: CONCAT_WS must be "string or array
COLLECT_SET(col)：函数只接受基本数据类型，它的主要作用是将某字段的值进行去重
汇总，产生 Array 类型字段。
2）数据准备
name constellation blood_type
孙悟空白羊座 A
大海射手座 A
宋宋白羊座 B
猪八戒白羊座 A
凤姐射手座 A
苍老师白羊座 B
3）需求
把星座和血型一样的人归类到一起。结果如下：
射手座,A 大海|凤姐
白羊座,A 孙悟空|猪八戒
白羊座,B 宋宋|苍老师
4）创建本地 constellation.txt，导入数据
[atguigu@hadoop102 datas]$ vim person_info.txt
孙悟空
白羊座 A
大海射手座 A
宋宋白羊座 B
猪八戒
白羊座 A
凤姐射手座 A
苍老师
白羊座 B
5）创建 hive 表并导入数据

create table person_info(
name string, 
constellation string, 
blood_type string) 
row format delimited fields terminated by "\t";
load data local inpath "/opt/module/hive/data/person_info.txt" into table 
person_info;

6）按需求查询数据

SELECT
t1.c_b,
CONCAT_WS("|",collect_set(t1.name))
FROM (
SELECT
NAME,
CONCAT_WS(',',constellation,blood_type) c_b
FROM person_info
)t1
GROUP BY t1.c_b

6.2.4 列转行

1）函数说明
EXPLODE(col)：将 hive 一列中复杂的 Array 或者 Map 结构拆分成多行。
LATERAL VIEW
用法：LATERAL VIEW udtf(expression) tableAlias AS columnAlias
解释：用于和 split, explode 等 UDTF 一起使用，它能够将一列数据拆成多行数据，在此基础上可以对拆分后的数据进行聚合。
2）数据准备
表 6-7 数据准备
movie category
《疑犯追踪》悬疑,动作,科幻,剧情
《Lie to me》悬疑,警匪,动作,心理,剧情
《战狼 2》战争,动作,灾难
3）需求
将电影分类中的数组数据展开。结果如下：
《疑犯追踪》悬疑
《疑犯追踪》动作
《疑犯追踪》科幻
《疑犯追踪》剧情
《Lie to me》悬疑
《Lie to me》警匪
《Lie to me》动作
《Lie to me》心理
《Lie to me》剧情
《战狼 2》战争
《战狼 2》动作
《战狼 2》灾难
4）创建本地 movie.txt，导入数据
[atguigu@hadoop102 datas]$ vi movie_info.txt
《疑犯追踪》悬疑,动作,科幻,剧情
《Lie to me》悬疑,警匪,动作,心理,剧情
《战狼 2》战争,动作,灾难
5）创建 hive 表并导入数据

create table movie_info(
 movie string,
 category string)
row format delimited fields terminated by "\t";
load data local inpath "/opt/module/data/movie.txt" into table 
movie_info;

6）按需求查询数据

SELECT
movie,
category_name
FROM
movie_info
lateral VIEW
explode(split(category,",")) movie_info_tmp AS category_name;

6.2.5 窗口函数（开窗函数）

1）相关函数说明
OVER()：指定分析函数工作的数据窗口大小，这个数据窗口大小可能会随着行的变而变化。
CURRENT ROW：当前行
n PRECEDING：往前 n 行数据
n FOLLOWING：往后 n 行数据
UNBOUNDED：起点，
UNBOUNDED PRECEDING 表示从前面的起点，
UNBOUNDED FOLLOWING 表示到后面的终点
LAG(col,n,default_val)：往前第 n 行数据
LEAD(col,n, default_val)：往后第 n 行数据
NTILE(n)：把有序窗口的行分发到指定数据的组中，各个组有编号，编号从 1 开始，对
于每一行，NTILE 返回此行所属的组的编号。注意：n 必须为 int 类型。
2）数据准备
jack,2017-01-01,10
tony,2017-01-02,15
jack,2017-02-03,23
tony,2017-01-04,29
jack,2017-01-05,46
jack,2017-04-06,42
tony,2017-01-07,50
jack,2017-01-08,55
mart,2017-04-08,62
mart,2017-04-09,68
neil,2017-05-10,12
mart,2017-04-11,75
neil,2017-06-12,80
mart,2017-04-13,94
3)创建表
加载数据

 load data local inpath '/home/data_xjl/business.txt' into table business_xjl;

4）需求
（1）查询在 2017 年 4 月份购买过的顾客及总人数

select 
name, count(*) over() 
from  business_xjl
where substring(orderdate,0,7)='2017-04'
group by (name);

（2）查询顾客的购买明细及月购买总额

select 
name, 
orderdate,
cost,
sum(cost) over(partition by month(orderdate)) 
from  business_xjl

（3）上述的场景, 将每个顾客的 cost 按照日期进行累加

select 
name, 
orderdate,
cost,
sum(cost) over(partition by name order by orderdate) 
from  business_xjl

（4）查询每个顾客上次的购买时间

 select 
name, 
orderdate,
lag(orderdate,1) over (partition by name order by orderdate)
from  business_xjl

（5）查询前 20%时间的订单信息

   select 
     name,
     orderdate,
     cost
from  
     (select 
         name, 
         orderdate,
         cost,
         ntile(5) over (order by orderdate) groupId
       from  business_xjl)t1
where groupId=1;

6.2.6 Rank

1）函数说明
RANK() 排序相同时会重复，总数不会变
DENSE_RANK() 排序相同时会重复，总数会减少
ROW_NUMBER() 会根据顺序计算

eg:求出每门学科前三名的学生？
(分组求Top N 问题) 先对数据进行排名，然后选取前面的几条。

select 
   name,
   subject,
   score
from 
( select *,
  rank() over (partition by subject order by score desc ) rk
  from score)t1
where rk<=3;

原文链接：https://blog.csdn.net/weixin_43553142/article/details/121714436