Hive常用内置函数、窗口函数及自定义函数

• 查看内置函数

show functions;

示例：

• 查看内置函数用法

desc function 函数名;

示例：

• 查看内置函数详细信息

desc function extended abs;

示例：

一、字符串函数

Hive字符串函数用于处理字符串类型的数据，包括截取、拼接、替换、转换大小写等操作。下面列举Hive中常用的字符串函数:

函数	介绍	示例
CONCAT(str1, str2, …)	用于拼接多个字符串
SUBSTR(str, start, length)	用于截取字符串中的一部分
REPLACE(str, search, replacement)	用于将字符串中的指定子串替换为另一个字符串
TRIM(str)	用于去除字符串两侧的空格
LOWER(str)	将字符串转换为小写
UPPER(str)	将字符串转换为大写
LENGTH(str)	用于获取字符串的长度
INSTR(str, substr)	用于获取字符串中子串的位置
REGEXP_EXTRACT(str, regexp)	用于从字符串中提取符合正则表达式的子串
SPLIT(str, delimiter)	用于将字符串按照指定的分隔符进行拆分
CONCAT_WS(separator, str1, str2, …)	用于拼接多个字符串，并在它们之间添加指定的分隔符
INITCAP(str)	将字符串中的每个单词的首字母转换为大写

二、数值函数

Hive数值函数用于处理数字类型的数据，包括加减乘除、求绝对值、取余数、四舍五入、向上取整、向下取整等操作。下面列举Hive中常用的数值函数：

函数	介绍	示例
ABS(n)	用于获取一个数的绝对值
CEIL(n)	用于将一个数向上取整
FLOOR(n)	用于将一个数向下取整
ROUND(n, d)	用于将一个数四舍五入到指定的小数位数
EXP(n)	用于获取一个数的指数函数值
RAND()	用于获取一个0到1之间的随机数
BIN(n)	用于将一个十进制数转换为二进制数
HEX(n)	用于将一个十进制数转换为十六进制数

三、日期函数

Hive提供了许多日期和时间函数，以下是一些常用的：

函数	介绍	示例
current_date()	返回当前日期，格式为 ‘yyyy-MM-dd’
current_timestamp()	返回当前时间戳，格式为 ‘yyyy-MM-dd HH:mm:ss.SSS’。
date_format(date, pattern)	将日期格式化为指定模式的字符串
year(date)	返回日期的年份
quarter(date)	返回日期的季度
month(date)	返回日期的月份
day(date)	返回日期的天数
datediff(enddate, startdate)	计算两个日期之间相差的天数
date_add(date, days)	给定日期加上指定天数
date_sub(date, days)	给定日期减去指定天数

四、其余常用函数

函数	介绍	示例
map_key(map<K,V>)	获取 Map 类型列中所有键的集合
map_value(map<K,V>)	获取Map 类型列中所有值的集合
stack(n, v1, v2, …, vn)	创建一个包含 n 个元素的栈
explode(array<T> a) \ explode(map<K,V> m)	将包含数组或Map类型的列中的元素分解成多行
json_tuple(jsonStr, p1, p2, …, pn)	从JSON字符串中提取指定的字段值
get_json_object(json_string, json_path)	从JSON字符串中提取指定的字段值
CAST(expression AS data_type)	将一个数据类型转换为另一个数据类型

• stack(n, v1, v2, …, vn)：

stack()函数在将多个列合并成一个列时，会将每个值都放在一个单独的行中。这意味着，输出结果的行数将是输入列数的n倍。如果需要将多个列按行合并到一个列中，可以考虑使用concat()函数或其他字符串函数。

五、窗口函数

• Hive窗口函数（Window Functions）是Hive中一种强大的分析函数，它们提供了一种在一组行中计算聚合值的方式。与常规聚合函数不同的是，窗口函数在查询结果中可以添加额外的列，这些列的值可以基于聚合函数的结果计算。
• 在Hive中，窗口函数使用OVER子句来指定要计算的行集合。在OVER子句中，可以指定窗口的边界条件（如窗口的大小、窗口的起始位置、窗口的结束位置等），以及要应用的聚合函数。一旦指定了OVER子句，Hive就会将结果集划分成指定的窗口，并计算每个窗口的聚合值。

5.1、语法

<window_function> ([expression]) OVER (
  [PARTITION BY partition_expression, ...]
  [ORDER BY sort_expression [ASC | DESC], ...]
  [ROWS BETWEEN frame_start AND frame_end]
)

其中，<window_function> 是窗口函数的名称，expression 是要进行聚合计算的列或表达式。OVER子句中可以使用以下参数：

• PARTITION BY：指定分组列，用于将结果集划分成不同的分组，每个分组内部进行聚合计算。
• ORDER BY：指定排序列，用于将每个分组内的行进行排序。
• ROWS BETWEEN：指定窗口的边界条件，即要计算的行集合。常见的窗口类型包括：
  • UNBOUNDED PRECEDING：窗口从分组的第一行开始。
  • CURRENT ROW：窗口从当前行开始。
  • UNBOUNDED FOLLOWING：窗口从分组的最后一行结束。
  • <number> PRECEDING：窗口向前移动指定行数。
  • <number> FOLLOWING：窗口向后移动指定行数。
  • BETWEEN <start> AND <end>：指定窗口的起始位置和结束位置，其中 <start> 和 <end> 可以是以上任何类型。

5.2、常用窗口函数

函数	描述
ROW_NUMBER()	为每一行分配一个唯一的序号
RANK()	为每个唯一的值分配一个序号，如果有重复值，则序号相同
DENSE_RANK()	与RANK()函数类似，但是如果有重复值，则序号不会跳过相同的值
FIRST_VALUE()	返回窗口中第一个值
LAST_VALUE()	返回窗口中最后一个值
LEAD()	返回窗口中指定行之后的值
LAG()	返回窗口中指定行之前的值
SUM()	计算窗口中指定列的和
AVG()	计算窗口中指定列的平均值
MAX()	返回窗口中指定列的最大值
MIN()	返回窗口中指定列的最小值

六、自定义函数

创建maven项目，导入依赖

<dependency>
      <groupId>junit</groupId>
      <artifactId>junit</artifactId>
      <version>3.8.1</version>
      <scope>test</scope>
    </dependency>
    <dependency>
      <groupId>org.apache.hive</groupId>
      <artifactId>hive-exec</artifactId>
      <version>3.1.2</version>
    </dependency>
    <dependency>
      <groupId>org.apache.hadoop</groupId>
      <artifactId>hadoop-client</artifactId>
      <version>3.1.3</version>
    </dependency>
    <!--  若3.1.3不可用则使用1.1.0  -->
    <!--
    <dependency>
      <groupId>org.apache.hive</groupId>
      <artifactId>hive-jdbc</artifactId>
      <version>1.1.0</version>
    </dependency>-->
    <dependency>
      <groupId>org.apache.hive</groupId>
      <artifactId>hive-jdbc</artifactId>
      <version>3.1.3</version>
    </dependency>

6.1、自定义UDF函数

UDF(User-Defined-Function) 一进一出，继承了org.apache.hadoop.hive.ql.exec.UDF类，并复写了evaluate方法。

示例：将两个字符串传入，合到一起并全部转换成小写。

package org.example.udf;

import org.apache.hadoop.hive.ql.exec.UDF;

/**
 * @program: hivefunction
 * @interfaceName LowerUDF
 * @description:
 * @author: 太白
 * @create: 2023-02-24 14:08
 **/
public class LowerUDF extends UDF {
    public String evaluate(final String txt,final String txt2){
        String res = txt + ", " + txt2;
        return res.toLowerCase();

    }

    public static void main(String[] args) {
        LowerUDF lowerUDF = new LowerUDF();
        System.out.println(lowerUDF.evaluate("aaa", "BBBBB"));
    }
}

6.2、自定义UDTF函数

UDTF(User-Defined Table-Generating Functions)一进多出，继承org.apache.hadoop.hive.ql.udf.generic.GenericUDTF。

示例：将list转{“aa,bb,cc”,“3,4,1”}转换成map前面与后面一一对应。

package org.example.udtf;

import com.google.common.collect.Lists;
import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
import org.apache.hadoop.hive.ql.metadata.HiveException;
import org.apache.hadoop.hive.ql.udf.generic.GenericUDTF;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspectorFactory;
import org.apache.hadoop.hive.serde2.objectinspector.StructObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory;

import java.util.ArrayList;
import java.util.LinkedList;

/**
 * @program: hivefunction
 * @interfaceName ArrayToMapUDTF
 * @description:
 * @author: 太白
 * @create: 2023-02-25 08:49
 **/

public class ArrayToMapUDTF extends GenericUDTF {

    @Override
    public StructObjectInspector initialize(StructObjectInspector argOIs) throws UDFArgumentException {
        ArrayList<String> colName = Lists.newArrayList();
        colName.add("key");
        colName.add("value");

        LinkedList<ObjectInspector> resType = Lists.newLinkedList();

        resType.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
        resType.add(PrimitiveObjectInspectorFactory.javaIntObjectInspector);

//        返回内容为列名和列的数据类型
        return ObjectInspectorFactory.getStandardStructObjectInspector(colName, resType);
    }
    private Object[] obj = new Object[2];
    @Override
    public void process(Object[] args) throws HiveException {

        if (args != null && args.length==2) {
            String[] keys = args[0].toString().split(",");
            String[] values = args[1].toString().split(",");
            for (int i = 0; i < keys.length; i++) {
                String key = keys[i];
                Integer value = 0;
                if (values.length>=i+1)
                    value = Integer.valueOf(values[i]);
                obj[0] = key;
                obj[1] = value;
                forward(obj);
            }
        }else {
            return;
        }
    }
    @Override
    public void close() throws HiveException {

    }
}

6.3、将自定义函数导入hive中

6.3.1、将项目打成jar包

6.3.2、将jar包传入hive目录

传入hive的lib目录下

6.3.3、在hive中加载jar包

add jar /opt/soft/hive312/lib/…jar;

6.3.4、设置函数

创建临时函数
create temporary function 函数名 as ‘引用路径’;
创建函数
create function 函数名 as ‘引用路径’;