https://www.ibm.com/support/knowledgecenter/SSPT3X_4.2.0/com.ibm.swg.im.infosphere.biginsights.admin.doc/doc/admin_HA_HiveS2.html
https://cwiki.apache.org/confluence/display/Hive/Hive+on+Spark%3A+Getting+Started
1 Hive系统函数
- 1.1 Hive concat 函数
concat 函数在连接字符串的时候,只要其中一个是 NULL,那么将返回 NULL
hive> select concat('a','b');
ab
hive> select concat('a','b',null);
NULL
- 1.2 concat_ws 函数
concat_ws函数在连接字符串的时候,只要有一个字符串不是NULL,就不会返回NULL。
concat_ws 函数需要指定分隔符。
hive> select concat_ws('-','a','b');
a-b
hive> select concat_ws('-','a','b',null);
a-b
ive> select concat_ws('','a','b',null);
ab
- 1.4 collect_set 函数
- 1.4.1 创建原数据表
hive >
drop table if exists stud;
create table stud (name string, area string, course string, score
int);
- 1.4.2 向原数据表中插入数据
hive>
insert into table stud values('zhang3','bj','math',88);
insert into table stud values('li4','bj','math',99);
insert into table stud values('wang5','sh','chinese',92);
insert into table stud values('zhao6','sh','chinese',54);
insert into table stud values('tian7','bj','chinese',91);
- 1.4.3 查询表中数据
hive > select * from stud;
stud.name stud.area stud.course stud.score
zhang3 bj math 88
li4 bj math 99
wang5 sh chinese 92
zhao6 sh chinese 54
tian7 bj chinese 91
- 1.4.4 把同一分组的不同行的数据聚合成一个集合
hive > select course, collect_set(area), avg(score) from
stud group by course;
chinese ["sh","bj"] 79.0
math ["bj"] 93.5
- 1.4.5 用下标可以取某一个
hive > select course, collect_set(area)[0], avg(score) from
stud group by course;
chinese sh 79.0
math bj 93.5
- 1.5 STR_TO_MAP 函数
(1)语法描述
STR_TO_MAP(VARCHAR text, VARCHAR listDelimiter, VARCHAR keyValueDelimiter)
(2)功能描述
使用 listDelimiter 将 text 分隔成 K-V 对,然后使用 keyValueDelimiter 分隔每个 K-V 对,
组装成 MAP 返回。默认 listDelimiter 为( ,),keyValueDelimiter 为(=)。
(3)案例
str_to_map('1001=2020-06-14,1002=2020-06-14', ',' , '=')
输出
{"1001":"2020-06-14","1002":"2020-06-14"}
- 1.6 nvl 函数
1)基本语法
NVL(表达式 1,表达式 2)
如果表达式 1 为空值,NVL 返回值为表达式 2 的值,否则返回表达式 1 的值。
该函数的目的是把一个空值(null)转换成一个实际的值。其表达式的值可以是数字型、
字符型和日期型。但是表达式 1 和表达式 2 的数据类型必须为同一个类型
hive > select nvl(1,0);
1
hive > select nvl(null,"hello");
hello
- 1.7 coalesce 函数
COALESCE(expression_1, expression_2, …,expression_n)依次参考各参数表达式,遇到非null值即停止并返回该值。如果所有的表达式都是空值,最终将返回一个空值。
hive> select coalesce(null,null,3);
3
select coalesce('','1') -- '' ,'' 不是null
2 日期处理函数
- 2.1 date_format 函数(根据格式整理日期)
hive (gmall)> select date_format('2020-06-14','yyyy-MM');
2020-06
- 2.2 date_add 函数(加减日期)
hive> select date_add('2020-06-14',-1);
2020-06-13
hive > select date_add('2020-06-14',1);
2020-06-15
- 2.3 next_day 函数
(1)取当前天的下一个周一
hive > select next_day('2020-06-14','MO');
2020-06-15
说明:星期一到星期日的英文(Monday,Tuesday、Wednesday、Thursday、Friday、Saturday、Sunday)
(2)取当前周的周一
hive > select date_add(next_day('2020-06-14','MO'),-7);
2020-06-8
(2)取当前周的周日
hive> select date_add(next_day('2020-06-14','MO'),-1);
2020-06-14
- 2.4 last_day 函数(求当月最后一天日期)
hive > select last_day('2020-06-14');
2020-06-30
- 2.5 date_sub函数 和trunc函数(求当月月初时间)
方法一 hive > select trunc('2020-06-14','MM');
2020-06-01
方法二: hive> select date_sub('2020-06-14',dayofmonth('2020-06-14')-1);
2020-06-01
求上个月月初时间
hive >
select add_months( date_sub('2020-08-14',dayofmonth('2020-08-14')-1),-1);
2020-07-01
- 2.6 add_months函数(获取上个月的今天)
hive> select add_months('2020-06-14',-1);
2020-05-14
- 2.7 datediff函数 日期之间的差值天数
hive> select datediff('2020-06-18','2020-06-10');
8
对于扫描整个月的数据可以采用如下简便方案:
date_format(login_last,'yyyy-MM')=date_format('2020-06-10','yyyy-MM')
对于分组之后再次进行分组的需求,采用开窗函数解决
select
uid,
sum(if(date_format(createtime,'yyyy-MM-dd')='2020-10-16',1,0)) ,
sum(if(date_format(createtime,'yyyy-MM-dd')='2020-10-16' and rk=1,1,0)) ,
sum(if(date_format(createtime,'yyyy-MM-dd')='2020-10-16' and dn >0,1,0)) ,
sum(if(date_format(createtime,'yyyy-MM-dd')='2020-10-16' and dn >0 and rk=1,1,0)) ,
sum(if(date_format(createtime,'yyyy-MM-dd')='2020-10-16' and dn>30,1,0)) ,
sum(if(date_format(createtime,'yyyy-MM-dd')='2020-10-16' and dn>0 and dn<=30,1,0)) ,
sum(if(rk1=1,1,0))
from(
select
uid,
dn,
oid,
createtime,
row_number() over(PARTITION BY oid ORDER BY createtime DESC) rk, --先对oid进行分组,由于数据库设计问题,可能会存在多个oid情况,所以在计算某型指标时需要对其进行去重
row_number() over(PARTITION BY uid,date_format(createtime,'yyyy-MM-dd') order by date_format(createtime,'yyyy-MM-dd') ASC) rk1 --uid在一天内会出现多次,如果出现多次就只计算一次,所以需要对uid和今天日期 分组 去重 计算某些指标
from employee
WHERE dt='2020-11-14'
and date_format(createtime,'yyyy-MM-dd')>=trunc('2020-10-16','MM')
and date_format(createtime,'yyyy-MM-dd')<='2020-10-16'
) tel group by uid