Hive常用函数总结(datediff、pmod、from_unixtime、instr、split、concat、cast、contact_ws、collect_set、row_numb)

trick:

1.能不用distinct去重，就不用它，可以考虑使用group by；

函数汇总：

1.求日期时间差：

datediff(时间A,时间B)，输入是字符串类型，因此用单引号''；输出是int类型。

例子：select datediff('2018-06-06','2018-05-06')

结果：31

hive中还要一个日期前推n天的函数，得到的还是日期格式的时间：date_sub(日期，前推的时间)，例子：

select date_sub('2018-08-23',1)

得到的结果是‘2018-08-22’。

两种日期的转换：dt = '20190408',partition_date = '2019-04-08'

从partition_date到dt:date2datekey('partition_date')，反过来用datekey2datek('dt')

select date2datekey('2019-04-08')

2.求星期几：pmod()

pmod(datediff(partition_date,'2018-05-06'),7)

3.根据时间戳求对应的日期：

from_unixtime(时间戳)。这里的时间戳包含两种形式：一种是10位，直接作为from_unixtime的输入就好，一类是13位，这时需要除以1000.返回值是'2018-06-02'字样的日期。

from_unixtime(timestamp)

4.获取小时：

hour()

hour(from_unixtime(order_add_timestamp))

5.字符串中查找字符：

instr( string1, string2, start_position,nth_appearance )，
 string1:源字符串，要在此字符串中查找。
 string2:要在string1中查找的字符串 。
 start_position:代表string1 的哪个位置开始查找。

instr(weekday_unavailable,'5')

6.拆分字符串split()

split('192.168.0.1','\\.')

得到的结果：

["192","168","0","1"]

需要注意的是：

当然当split包含在 "" 之中时 需要加4个\

如 hive -e "....  split('192.168.0.1','\\\\.') ... "  不然得到的值是null

同样的 | 等特殊符号也需要做类似 处理。

7. 连接字段的函数：concat()

用法：concat(string s1, string s2, string s3)
这个函数能够把字符串类型的数据连接起来，连接的某个元素可以是列值。
如 concat( name, ':', score) 就相当于把name列和score列用逗号连接起来了。

8. 强制转换类型函数：cast()

用法：cast(value AS TYPE)
功能：将某个列的值显示的转化为某个类型
例子：cast(score as string ) 将double类型的数据转化为了String类型

9. 设置固定连接符号的连接字段的函数：contact_ws()

9.1去重collect_set()

用法：contact_ws(seperator, string s1, string s2...)
功能：制定分隔符将多个字符串连接起来

使用concat_ws（）和collect_set（）进行合并行
将上面列表中一个user可能会占用多行转换为每个user占一行的目标表格式，实际是“列转行”

select user,concat_ws(',',collect_set(concat（order_type,'(',order_number,')'）))  order from table group by user

其中 order是别名

collect_set的作用：

（1）去重，对group by后面的user进行去重【划重点，很重要，在某公司的组件上，不去重，不能运行】

（2）对group by以后属于同一user的形成一个集合，结合concat_ws对集合中元素使用，进行分隔形成字符串

10.组内排序函数：row_number()

用法：select COLUMN_A,COLUMN_B,
row_number() OVER (partition BY COLUMN_A ORDER BY COLUMN_B ASC/DESC) rn
from table

功能：组内排序

详情参考：https://blog.csdn.net/pearl8899/article/details/83144224

11.组内连接各个字段的函数：group_concat

用法：group_concat([DISTINCT] 要连接的字段 [Order BY ASC/DESC 排序字段] [Separator '分隔符'])

功能：将有相同key的记录中的其他字段组合起来，自动连接为一个字段，该字段中的每一个元素都是同一个意思，具有相同的key。

例子：

1. select * from aa;  

+------+------+
| id| name |
+------+------+
|1 | 10|
|1 | 20|
|1 | 20|
|2 | 20|
|3 | 200 |
|3 | 500 |
+------+------+

select id,group_concat(name) from aa group by id; 

+------+--------------------+
| id| group_concat(name) |
+------+--------------------+
|1 | 10,20,20|
|2 | 20 |
|3 | 200,500|
+------+--------------------+
3 rows in set (0.00 sec)

12.返回第一个非null的参数，Coalesce函数

用法：COALESCE ( expression [ ,...n ] )，返回其参数中第一个非空表达式

举例：SELECT COALESCE(NULL, NULL, GETDATE())

解释：由于两个参数都为null，所以返回getdate（）函数的值，也就是当前时间。即返回第一个非空的值。由于这个函数是返回第一个非空的值，所以参数里面必须最少有一个非空的值。如果里面都是null，则会报错。

13.将字符串转化为map的格式，函数str_to_map

用法：str_to_map(text[, delimiter1, delimiter2])

Splits text into key-value pairs using two delimiters. Delimiter1 separates text into K-V pairs, and Delimiter2 splits each K-V pair. Default delimiters are ',' for delimiter1 and '=' for delimiter2.

hive> 

    > select str_to_map('aaa:11&bbb:22', '&', ':')
    > from tmp.tmp_jzl_20140725_test11;
OK

{"bbb":"22","aaa":"11"}

案例2:

hive> select str_to_map('aaa:11&bbb:22', '&', ':')['aaa']
    > from tmp.tmp_jzl_20140725_test11;

14 删除1年前的数据分区

alter table app.test drop if exists partition(dt='$now.$now.delta(365).datekey');

15   get_json_object(AAA, '$.XXX')

解析json格式的字段，AAA={"DIB":"249.0","DIe3":"179.0"}   ,

select  get_json_object(AAA, '$.DIe3')   

from aaa.xxxx

out：179.0

16 size()计算数组长度

 

17 length()计算字符串的长度