大数据学习之Hive——05Hive函数

一.内置函数

1. 数学函数

Return Type Name(Signature) Description
DOUBLE round(DOUBLE a) 返回对a四舍五入的BIGINT值
DOUBLE round(DOUBLE a, INT d) 返回DOUBLE型d的保留n位小数的DOUBLW型的近似值
BIGINT floor(DOUBLE a) 向下取整
BIGINT ceil(DOUBLE a), ceiling(DOUBLE a) 向上去整
DOUBLE rand(), rand(INT seed) 每行返回一个DOUBLE型随机数seed是随机因子
DOUBLE exp(DOUBLE a), exp(DECIMAL a) 返回e的a幂次方, a可为小数
DOUBLE ln(DOUBLE a), ln(DECIMAL a) 以自然数为底d的对数,a可为小数
DOUBLE log10(DOUBLE a), log10(DECIMAL a) 以10为底d的对数,a可为小数
DOUBLE log2(DOUBLE a), log2(DECIMAL a) 以2为底数d的对数,a可为小数
DOUBLE log(DOUBLE base, DOUBLE a) log(DECIMAL base, DECIMAL a) 以base为底的对数,base 与 a都是DOUBLE类型
DOUBLE pow(DOUBLE a, DOUBLE p), power(DOUBLE a, DOUBLE p) 计算a的p次幂
DOUBLE sqrt(DOUBLE a), sqrt(DECIMAL a) 计算a的平方根
STRING bin(BIGINT a) 计算二进制a的STRING类型,a为BIGINT类型
STRING hex(BIGINT a) hex(STRING a) hex(BINARY a) 计算十六进制a的STRING类型,如果a为STRING类型就转换成字符相对应的十六进制
BINARY unhex(STRING a) hex的逆方法
STRING conv(BIGINT num, INT from_base, INT to_base), conv(STRING num, INT from_base, INT to_base) 将GIGINT/STRING类型的num从from_base进制转换成to_base进制
DOUBLE abs(DOUBLE a) 计算a的绝对值
INT or DOUBLE pmod(INT a, INT b), pmod(DOUBLE a, DOUBLE b) a对b取模
DOUBLE sin(DOUBLE a), sin(DECIMAL a) 求a的正弦值
DOUBLE asin(DOUBLE a), asin(DECIMAL a) 求d的反正弦值
DOUBLE cos(DOUBLE a), cos(DECIMAL a) 求余弦值
DOUBLE acos(DOUBLE a), acos(DECIMAL a) 求反余弦值
DOUBLE tan(DOUBLE a), tan(DECIMAL a) 求正切值
DOUBLE atan(DOUBLE a), atan(DECIMAL a) 求反正切值
DOUBLE degrees(DOUBLE a), degrees(DECIMAL a) 奖弧度值转换角度值
DOUBLE radians(DOUBLE a), radians(DOUBLE a) 将角度值转换成弧度值
INT or DOUBLE positive(INT a), positive(DOUBLE a) 返回a
INT or DOUBLE negative(INT a), negative(DOUBLE a) 返回a的相反数
DOUBLE or INT sign(DOUBLE a), sign(DECIMAL a) 如果a是正数则返回1.0,是负数则返回-1.0,否则返回0.0
DOUBLE e() 数学常数e
DOUBLE pi() 数学常数pi
BIGINT factorial(INT a) 求a的阶乘
DOUBLE cbrt(DOUBLE a) 求a的立方根
INT BIGINT shiftleft (TINYINT\SMALLINT\INT a, INT b) shiftleft(BIGINT a, INT b) 按位左移
INT BIGINT shiftright(TINYINT\SMALLINT\INT a, INTb) shiftright(BIGINT a, INT b) 按拉右移
INT BIGINT shiftrightunsigned(TINYINT\SMALLINT\INTa, INT b), shiftrightunsigned(BIGINT a, INT b) 无符号按位右移(<<<)
T greatest(T v1, T v2, …) 求最大值
T least(T v1, T v2, …) 求最小值
  • 部分代码示例

     select round(3.1415);
     select round(3.1415, 2);
     select floor(3.1415);
     select ceil(3.1415);
     select rand();
     select rand(4);
     select exp(2);
     select pi();
     select e();
     select sin(pi()/2);
     select factorial(5);
     select greatest(3, 4, 5, 6);
     select least(3, 4, 5, 6);
    

2. 集合函数

Return Type Name(Signature) Description
int size(Map<K.V>) 求map的长度
int size(Array) 求数组的长度
array map_keys(Map<K.V>) 返回map中的所有key
array map_values(Map<K.V>) 返回map中的所有value
boolean array_contains(Array, value) 如该数组Array包含value返回true。,否则返回false
array sort_array(Array) 按自然顺序对数组进行排序并返回
  • 部分代码示例

    # 奇数位置表示key, 偶数位置表示value
    select size(map(1,2,3,4));
    select map_keys(map(1,2,3,4));
    select map_values(map(1,2,3,4));
    

    在这里插入图片描述

    # 查询数组长度
    select size(Array(1,3,4,2))
    # 判断元素是否在数组中
    select array_contains(Array(1,3,4,2), 4);
    select array_contains(Array(1,3,4,2), 6);
    # 对数组进行自然排序
    select sort_array(Array(1,3,4,2));
    

    在这里插入图片描述

3. 类型转换函数

Return Type Name(Signature) Description
binary binary(string/binary) 将输入的值转换成二进制
Expected “=” to follow “type” cast(expr as ) 将expr转换成type类型 如:cast(“1” as BIGINT) 将字符串1转换成了BIGINT类型,如果转换失败将返回NULL

4. 日期函数

Return Type Name(Signature) Description
string from_unixtime(bigint unixtime[, string format]) 将时间的秒值转换成format格式
bigint unix_timestamp() 获取本地时区下的时间戳
bigint unix_timestamp(string date) 将格式为yyyy-MM-dd HH:mm:ss的时间字符串转换成时间戳
bigint unix_timestamp(string date, string pattern) 将指定时间字符串格式字符串转换成Unix时间戳,如果格式不对返回0
string to_date(string timestamp) 返回时间字符串的日期部分
int year(string date) 返回时间字符串的年份部分
int quarter(date/timestamp/string) 返回当前时间属性哪个季度
int month(string date) 返回时间字符串的月份部分
int day(string date) dayofmonth(date) 返回时间字符串的天
int hour(string date) 返回时间字符串的小时
int minute(string date) 返回时间字符串的分钟
int second(string date) 返回时间字符串的秒
int weekofyear(string date) 返回时间字符串位于一年中的第几个周内
int datediff(string enddate, string startdate) 计算开始时间startdate到结束时间enddate相差的天数
string date_add(string startdate, int days) 从开始时间startdate加上days
string date_sub(string startdate, int days) 从开始时间startdate减去days
timestamp from_utc_timestamp(timestamp, string timezone) 如果给定的时间戳并非UTC,则将其转化成指定的时区下时间戳
timestamp to_utc_timestamp(timestamp, string timezone) 如果给定的时间戳指定的时区下时间戳,则将其转化成UTC下的时间戳
date current_date 返回当前时间日期
timestamp current_timestamp 返回当前时间戳
string add_months(string start_date, int num_months) 返回当前时间下再增加num_months个月的日期
string last_day(string date) 返回这个月的最后一天的日期
string next_day(string start_date, string day_of_week) 返回当前时间的下一个星期X所对应的日期
string trunc(string date, string format) 返回时间的最开始年份或月份
double months_between(date1, date2) 返回date1与date2之间相差的月份
string date_format(date/timestamp/string ts, string fmt) 按指定格式返回时间date
  • 部分代码示例

    select from_unixtime(1734567654, 'yyyy/mm/dd');
    select unix_timestamp();
    select unix_timestamp("2020-4-26 12:32:17");
    select unix_timestamp("2020/04/26 12:32:17", "yyyy/MM/dd hh:mm:ss");
    select to_date("2020-04-26 12:32:17");
    select year("2012-12-21");
    select month("2012-12-21");
    select day("2012-12-21");
    select hour("12:3:21");
    select minute("12:32:34");
    select second("12:32:34");
    select weekofyear("2012-12-21");
    select datediff("2020-04-26", "1996-03-10");
    select date_add("2020-04-26", 5);
    select date_sub("2020-04-26", 5);
    select current_date();
    select current_timestamp();
    select add_months("2020-04-26", 3);
    select last_day("2020-04-26");
    

5. 条件函数

Return Type Name(Signature) Description
T if(boolean testCondition, T valueTrue, T valueFalseOrNull) 如果testCondition 为true就返回valueTrue,否则返回valueFalseOrNull
T nvl(T value, T default_value) 如果value值为NULL就返回default_value,否则返回value
T COALESCE(T v1, T v2, …) 返回第一非null的值,如果全部都为NULL就返回NULL
T CASE a WHEN b THEN c [WHEN d THEN e]* [ELSE f] END 如果a=b就返回c,a=d就返回e,否则返回f
T CASE WHEN a THEN b [WHEN c THEN d]* [ELSE e] END 如果a=ture就返回b,c= ture就返回d,否则返回e
boolean isnull(a) 如果a为null就返回true,否则返回false
boolean isnotnull (a) 如果a为非null就返回true,否则返回false

6. 字符函数

Return Type Name(Signature) Description
int ascii(string str) 返回str中首个ASCII字符串的整数值
string base64(binary bin) 将二进制bin转换成64位的字符串
string concat(string/binary A, string/binary B…) 对二进制字节码或字符串按次序进行拼接
array<struct<string,double>> context_ngrams(array<array>, array, int K, int pf) 与ngram类似,但context_ngram()允许你预算指定上下文(数组)来去查找子序列
string concat_ws(string SEP, string A, string B…) 与concat()类似,但使用指定的分隔符喜进行分隔
string concat_ws(string SEP, array) 拼接Array中的元素并用指定分隔符进行分隔
string decode(binary bin, string charset) 使用指定的字符集charset将二进制值bin解码成字符串
binary encode(string src, string charset) 使用指定的字符集charset将字符串编码成二进制值
int find_in_set(string str, string strList) 返回以逗号分隔的字符串中str出现的位置,如果参数str为逗号或查找失败将返回0,如果任一参数为NULL将返回NULL
string format_number(number x, int d) 将数值X转换成"#,###,###.##"格式字符串,并保留d位小数,如果d为0,将进行四舍五入且不保留小数
string get_json_object(string json_string, string path) 从指定路径上的JSON字符串抽取出JSON对象,并返回这个对象的JSON格式,如果输入的JSON是非法的将返回NULL,注意此路径上JSON字符串只能由数字 字母 下划线组成且不能有大写字母和特殊字符,且key不能由数字开头,这是由于Hive对列名的限制
boolean in_file(string str, string filename) 如果文件名为filename的文件中有一行数据与字符串str匹配成功就返回true
int instr(string str, string substr) 查找字符串str中子字符串substr出现的位置,如果查找失败将返回0,如果任一参数为Null将返回null,注意位置为从1开始的
int length(string A) 返回字符串的长度
int locate(string substr, string str[, int pos]) 查找字符串str中的pos位置后字符串substr第一次出现的位置
string lower(string A) lcase(string A) 将字符串A的所有字母转换成小写字母
string lpad(string str, int len, string pad) 从左边开始对字符串str使用字符串pad填充,最终len长度为止,如果字符串str本身长度比len大的话,将去掉多余的部分
string ltrim(string A) 去掉字符串A前面的空格
array<struct<string,double>> ngrams(array<array>, int N, int K, int pf) 返回出现次数TOP K的的子序列,n表示子序列的长度
string parse_url(string urlString, string partToExtract [, string keyToExtract]) 返回从URL中抽取指定部分的内容,参数url是URL字符串,而参数partToExtract是要抽取的部分,这个参数包含(HOST, PATH, QUERY, REF, PROTOCOL, AUTHORITY, FILE, and USERINFO
string printf(String format, Obj… args) 按照printf风格格式输出字符串
string regexp_extract(string subject, string pattern, int index) 抽取字符串subject中符合正则表达式pattern的第index个部分的子字符串,注意些预定义字符的使用,如第二个参数如果使用’\s’将被匹配到s,’\s’才是匹配空格
string regexp_replace(string INITIAL_STRING, string PATTERN, string REPLACEMENT) 按照Java正则表达式PATTERN将字符串INTIAL_STRING中符合条件的部分成REPLACEMENT所指定的字符串,如里REPLACEMENT这空的话,抽符合正则的部分将被去掉
string repeat(string str, int n) 重复输出n次字符串str
string reverse(string A) 反转字符串
string rpad(string str, int len, string pad) 从右边开始对字符串str使用字符串pad填充,最终len长度为止,如果字符串str本身长度比len大的话,将去掉多余的部分
string rtrim(string A) 去掉字符串后面出现的空格
array<array> sentences(string str, string lang, string locale) 字符串str将被转换成单词数组
string space(int n) 返回n个空格
array split(string str, string pat) 按照正则表达式pat来分割字符串str,并将分割后的数组字符串的形式返回
map<string,string> str_to_map(text[, delimiter1, delimiter2]) 将字符串str按照指定分隔符转换成Map,第一个参数是需要转换字符串,第二个参数是键值对之间的分隔符,默认为逗号;第三个参数是键值之间的分隔符,默认为"="
string substr(string/binary A, int start) substring(string/binary A, int start) 对于字符串A,从start位置开始截取字符串并返回
string substr(string/binary A, int start, int len) substring(string/binary A, int start, int len) 对于二进制/字符串A,从start位置开始截取长度为length的字符串并返回
string substring_index(string A, string delim, int count) 截取第count分隔符之前的字符串,如count为正则从左边开始截取,如果为负则从右边开始截取
string translate(string/char/varchar input, string/char/varchar from, string/char/varchar to) 将input出现在from中的字符串替换成to中的字符串
string trim(string A) 将字符串A前后出现的空格去掉
binary unbase64(string str) 将64位的字符串转换二进制值
string upper(string A) ucase(string A) 将字符串A中的字母转换成大写字母
string initcap(string A) 将字符串A转换第一个字母大写其余字母的字符串
int levenshtein(string A, string B) 计算两个字符串之间的差异大小
string soundex(string A) 将普通字符串转换成soundex字符串

7. 聚合函数

Return Type Name(Signature) Description
BIGINT count(*) 统计总行数,包括含有NULL值的行
BIGINT count(expr) 统计提供非NULL的expr表达式值的行数
BIGINT count(DISTINCT expr[, expr…]) 统计提供非NULL且去重后的expr表达式值的行数
DOUBLE sum(col), sum(DISTINCT col) sum(col),表示求指定列的和,sum(DISTINCT col)表示求去重后的列的和
DOUBLE avg(col), avg(DISTINCT col) avg(col),表示求指定列的平均值,avg(DISTINCT col)表示求去重后的列的平均值
DOUBLE min(col) 求指定列的最小值
DOUBLE max(col) 求指定列的最大值
DOUBLE variance(col), var_pop(col) 求指定列数值的方差
DOUBLE var_samp(col) 求指定列数值的样本方差
DOUBLE stddev_pop(col) 求指定列数值的标准偏差
DOUBLE stddev_samp(col) 求指定列数值的样本标准偏差
DOUBLE covar_pop(col1, col2) 求指定列数值的协方差
DOUBLE covar_samp(col1, col2) 求指定列数值的样本协方差
DOUBLE corr(col1, col2) 返回两列数值的相关系数
DOUBLE percentile(BIGINT col, p) 返回col的p%分位数
  • 部分函数示例:

    select count(*) from student;
    select sum(age) from student;
    select avg(age) from student;
    select max(age) from student;
    select min(age) from student;
    

8. 表生成函数

Return Type Name(Signature) Description
Array Type explode(array a) 对于a中的每个元素,将生成一行且包含该元素
N rows explode(ARRAY) 每行对应数组中的一个元素
N rows explode(MAP) 每行对应每个map键-值,其中一个字段是map的键,另一个字段是map的值
N rows posexplode(ARRAY) 与explode类似,不同的是还返回各元素在数组中的位置
N rows stack(INT n, v_1, v_2, …, v_k) 把M列转换成N行,每行有M/N个字段,其中n必须是个常数
tuple json_tuple(jsonStr, k1, k2, …) 从一个JSON字符串中获取多个键并作为一个元组返回,与get_json_object不同的是此函数能一次获取多个键值
tuple parse_url_tuple(url, p1, p2, …) 返回从URL中抽取指定N部分的内容,参数url是URL字符串,而参数p1,p2,…是要抽取的部分,这个参数包含HOST, PATH, QUERY, REF, PROTOCOL, AUTHORITY, FILE, USERINFO, QUERY:
/ inline(ARRAY<STRUCT[,STRUCT]>) 将结构体数组提取出来并插入到表中

二. 自定义函数

UDF(user-defined function)作用于单个数据行,产生一个数据行作为输出。(数学函数,字 符串函数)
UDAF(用户定义聚集函数 User- Defined Aggregation Funcation):接收多个输入数据行,并产 生一个输出数据行。(count,max)
UDTF(表格生成函数 User-Defined Table Functions):接收一行输入,输出多行(explode)

1. 简单UDF示例

  1. 导入hive需要的jar包,自定义一个java类继承UDF,重载 evaluate 方法

    import org.apache.hadoop.hive.ql.exec.UDF;
    public class ToLowerCase extends UDF{
        // 必须是 public,并且 evaluate 方法可以重载
        public String evaluate(String field) {
            String result = field.toLowerCase();
            return result;
        }   
    }
    
  2. 打成 jar 包上传到服务器

  3. 将 jar 包添加到 hive 的 classpath

    add JAR 路径/***.jar;
    
  4. 创建临时函数与开发好的 class 关联起来

    create temporary function tolowercase as 'com.study.hive.udf.ToLowerCase';
    
  5. 至此,便可以在 Hive SQL使用自定义的函数

    select tolowercase('HELLO');
    

2. JSON数据解析UDF开发

  1. get_json_object(string json_string, string path)
    解析json的字符串json_string,返回path指定的内容。如果输入的json字符串无效,那么返回NULL。 这个函数每次只能返回一个数据项。

  2. json_tuple(jsonStr, k1, k2, …)
    参数为一组键k1,k2……和JSON字符串,返回值的元组。该方法比 get_json_object 高效,因为可以在一次调用中输入多个键

展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 创作都市 设计师: CSDN官方博客
应支付0元
点击重新获取
扫码支付

支付成功即可阅读