窗口函数

窗口函数

not in
dwd_user_members
dm_member_info

新增会员
select
pl,
browser,
co
count(distinct mid)
from dwd_user_members a
left join dm_member_info b on b.mid=a.mid
where b.mid is null
;

Not in 这个是性能不好的,影响执行效果! 优化成左链接,再判断是否为空

insert into dm_member_info

show functions; 查看函数方法
desc function ucase; 方法详细解释

排名函数：
row_number()：
没有并列，相同名次的顺序排
rank()：
有并列，相同名次空位
dense_rank()：
有并列，相同名次不空位

学生成绩管理系统
学生表
课程表
教师表
学生选课表
学生成绩表

dt name score

需求：
对每一次考试成绩按照成绩高低排序
select *
from stu_score
order by dt asc,score desc
;

set hive.exec.mode.local.auto=true;

需求：求每次考试的学生的排名情况
select *,
row_number() over(distribute by dt sort by score desc) rm,
rank() over(distribute by dt sort by score desc) rk,
dense_rank() over(distribute by dt sort by score desc) drk
from stu_score
;

需求：求每次考试的前三名
select *
from (
select *,
row_number() over(distribute by dt sort by score desc) rm,
rank() over(distribute by dt sort by score desc) rk,
dense_rank() over(distribute by dt sort by score desc) drk
from stu_score
) a
where a.drk <= 3
;

select *
from stu_score
order by dt asc,score desc
limit 3
;

select *
from (
select *,
row_number() over(partition by dt order by score desc) rm,
rank() over(partition by dt order by score desc) rk,
dense_rank() over(partition by dt order by score desc) drk
from stu_score
) a
where a.drk <= 3
;

需求：求出每次考试的最高分、最低分
select
dt,
max(score) as maxscore,
min(score) as minscore
from stu_score
group by dt
;

需求：求每个学员的成绩与最高分的差值
select
*,
a.maxscore - sc.score as subscore
from stu_score sc
join
(select
dt,
max(score) as maxscore,
min(score) as minscore
from stu_score
group by dt
) a on sc.dt = a.dt
;

select
*,
max(score) over(distribute by dt sort by score desc) as maxscore,
min(score) over(distribute by dt sort by score desc) as minscore
from stu_score
;

window子句：
unbounded preceding
–从第一行开始
2 preceding —
current row ----当前行
n following ----往后多少行
unbounded following --到结束行

select
*,
max(score) over(distribute by dt sort by score asc) as maxscore,
min(score) over(distribute by dt sort by score desc rows between unbounded preceding and unbounded following ) as minscore
from stu_score
;

select
*,
max(score) over(distribute by dt sort by score asc) as maxscore
from stu_score
;

求数据的第一个版本和最后一个版本的值
first_value：第一次的值
last_value：最后一次的值
ignore nulls忽略空值
select
*,
first_value(score ignore nulls) over(distribute by dt sort by score desc) as maxscore,
last_value(score) over(distribute by dt sort by score desc rows between unbounded preceding and unbounded following ) as minscore
from stu_score
;

需求：求学生每两次考试的成绩变化情况
select sc.*,a.score as upscore
from stu_score sc
left join (
select *
from stu_score
where dt = ‘2018-11-23’
) a on a.name = sc.name
where sc.dt = ‘2018-12-01’
;

lag(c,n,default)：
lead：

select *,
lag(score,1,score) over(distribute by name sort by dt asc) as upcore
from stu_score
where dt = ‘2018-12-01’
;

lag(c,n,default)
lead()
lag 和lead 可以 获取结果集中，按一定排序所排列的当前行的上下相邻若干offset 的某个行的某个列(不用结果集的自关联）；
lag ，lead 分别是向前，向后；
lag 和lead 有三个参数，第一个参数是列名，第二个参数是偏移的offset，第三个参数是 超出记录窗口时的默认值）

select distinct userid
from t
where (unix_timestamp(timestamp) - unix_timestamp(lag(timestamp,99,timestamp) over(distribute by userid sort by timestamp asc))) <= 300000
;

unix_timestamp函数用法
1、unix_timestamp() 得到当前时间戳
2、如果参数date满足yyyy-MM-dd HH:mm:ss形式，则可以直接unix_timestamp(string date) 得到参数对应的时间戳
3、如果参数date满足yyyy-MM-dd HH:mm:ss形式，则我们需要指定date的形式，在进行转换
unix_timestamp(‘2009-03-20’, ‘yyyy-MM-dd’)=1237532400

mysql> select UNIX_TIMESTAMP(‘2012-09-04 18:17:23’);±--------------------------------------+
| UNIX_TIMESTAMP(‘2012-09-04 18:17:23’) |
±--------------------------------------+
| 1346753843 |
±--------------------------------------+1 row in set (0.00 sec)

from_unixtime函数用法
语法：from_unixtime(t1,’yyyy-MM-dd HH:mm:ss’)
其中t1是10位的时间戳值，即1970-1-1至今的秒，而13位的所谓毫秒的是不可以的。
对于13位时间戳，需要截取，然后转换成bigint类型，因为from_unixtime类第一个参数只接受bigint类型。例如：
select from_unixtime(cast(substring(tistmp,1,10) as bigint),’yyyy-MM-dd HH’) tim ,count(*) cn from ttengine_hour_data where …

mysql> select FROM_UNIXTIME(1344954515,’%Y-%m-%d %H:%i:%S’);±----------------------------------------------+
| FROM_UNIXTIME(1344954515,’%Y-%m-%d %H:%i:%S’) |
±----------------------------------------------+
| 2012-08-14 22:28:35 |
±----------------------------------------------+1 row in set (0.00 sec)

HQL
Order by 和 sort by的区别
1、Order By

order by 排序出来的数据是全局有序的，但是只能有一个partition

2、Sort By

sort by 排序出来的数据是局部有序的，但是全局无序。即partition内部是有序的，但是partition与partition之间的数据时没有顺序关系的

行列转换
列转行 (对某列拆分，一列拆多行)
使用函数：lateral view explode(split(column, ‘,’)) newColumn

行转列 (根据主键，进行多行合并一列)
使用函数：concat_ws(’,’,collect_set(column))
说明：collect_list 不去重，collect_set 去重。 column 的数据类型要求是 string

Hive中if函数和Mysql中ifnull的转换
在mysql中，ifnull函数的用法，其表达式如下：
IFNULL(expr1,expr2)
如果 expr1 不是 NULL，IFNULL() 返回 expr1，否则它返回 expr2。IFNULL()返回一个数字或字符串值，取决于它被使用的上下文环境

在hive写HQL的时候，ifnull函数是不存在的，但是，可以使用if(col is not null, col, default_value)来实现ifnull的功能，如果col不为null，返回col的值，否则返回default_value

if(delivery_province IS NOT NULL ,delivery_province,‘0’)

hive函数
不等值比较: <>和!=

日期函数

1. UNIX 时间戳转日期函数: from_unixtime
   语法: from_unixtime(bigint unixtime[, string format])
   返回值: string
   说明: 转化 UNIX 时间戳（从 1970-01-01 00:00:00 UTC 到指定时间的秒数）到当前时区
   的时间格式
   举例：
   hive> select from_unixtime(1323308943,‘yyyyMMdd’) from lxw1234;
   20111208

2. 获取当前 UNIX 时间戳函数: unix_timestamp
   语法: unix_timestamp()
   返回值: bigint
   说明: 获得当前时区的 UNIX 时间戳
   举例：
   hive> select unix_timestamp() from lxw1234;
   1323309615

3. 日期转 UNIX 时间戳函数: unix_timestamp
   语法: unix_timestamp(string date)
   返回值: bigint
   说明: 转换格式为"yyyy-MM-dd HH:mm:ss"的日期到 UNIX 时间戳。如果转化失败，则返
   回 0。
   举例：
   hive> select unix_timestamp(‘2011-12-07 13:01:03’) from lxw1234;
   1323234063

4. 指定格式日期转 UNIX 时间戳函数: unix_timestamp
   语法: unix_timestamp(string date, string pattern)
   返回值: bigint
   说明: 转换 pattern 格式的日期到 UNIX 时间戳。如果转化失败，则返回 0。
   举例：
   hive> select unix_timestamp(‘20111207 13:01:03’,‘yyyyMMdd HH:mm:ss’) from lxw1234;
   1323234063

5. 日期时间转日期函数: to_date
   语法: to_date(string timestamp)
   返回值: string
   说明: 返回日期时间字段中的日期部分。
   举例
   hive> select to_date(‘2011-12-08 10:03:01’) from lxw1234;
   2011-12-08

6. 日期转年函数: year
   语法: year(string date)
   返回值: int
   说明: 返回日期中的年。
   举例：
   hive> select year(‘2011-12-08 10:03:01’) from lxw1234;
   2011
   hive> select year(‘2012-12-08’) from lxw1234;
   2012

7. 日期转月函数: month
   语法: month (string date)
   返回值: int
   说明: 返回日期中的月份。
   举例：
   hive> select month(‘2011-12-08 10:03:01’) from lxw1234;
   12
   hive> select month(‘2011-08-08’) from lxw1234;
   8

8. 日期转天函数: day
   语法: day (string date)
   返回值: int
   说明: 返回日期中的天。
   举例：
   hive> select day(‘2011-12-08 10:03:01’) from lxw1234;
   8
   hive> select day(‘2011-12-24’) from lxw1234;
   24

9. 日期转小时函数: hour
   语法: hour (string date)
   返回值: int
   说明: 返回日期中的小时。
   举例：
   hive> select hour(‘2011-12-08 10:03:01’) from lxw1234;
   10

10. 日期转分钟函数: minute
    语法: minute (string date)
    返回值: int
    说明: 返回日期中的分钟。
    举例：
    hive> select minute(‘2011-12-08 10:03:01’) from lxw1234;
    3

11. 日期转秒函数: second
    语法: second (string date)
    返回值: int
    说明: 返回日期中的秒。
    举例：
    hive> select second(‘2011-12-08 10:03:01’) from lxw1234;
    1

12. 日期转周函数: weekofyear
    语法: weekofyear (string date)
    返回值: int
    说明: 返回日期在当前的周数。
    举例：
    hive> select weekofyear(‘2011-12-08 10:03:01’) from lxw1234;
    49

13. 日期比较函数: datediff
    语法: datediff(string enddate, string startdate)
    返回值: int
    说明: 返回结束日期减去开始日期的天数。
    举例：
    hive> select datediff(‘2012-12-08’,‘2012-05-09’) from lxw1234;
    213

14. 日期增加函数: date_add
    语法: date_add(string startdate, int days)
    返回值: string
    说明: 返回开始日期 startdate 增加 days 天后的日期。
    举例：
    hive> select date_add(‘2012-12-08’,10) from lxw1234;
    2012-12-18

15. 日期减少函数: date_sub
    语法: date_sub (string startdate, int days)
    返回值: string
    说明: 返回开始日期 startdate 减少 days 天后的日期。
    举例：
    hive> select date_sub(‘2012-12-08’,10) from lxw1234;
    2012-11-28

条件函数

1. 非空查找函数: COALESCE
   语法: COALESCE(T v1, T v2, …)
   返回值: T
   说明: 返回参数中的第一个非空值；如果所有值都为 NULL，那么返回 NULL
   举例：
   hive> select COALESCE(null,‘100’,'50′) from lxw1234;
   100
2. 条件判断函数：CASE
   语法: CASE a WHEN b THEN c [WHEN d THEN e]* [ELSE f] END
   返回值: T
   说明：如果 a 等于 b，那么返回 c；如果 a 等于 d，那么返回 e；否则返回 f
   举例：
   hive> Select case 100 when 50 then ‘tom’ when 100 then ‘mary’ else ‘tim’ end from
   lxw1234;
   mary
   hive> Select case 200 when 50 then ‘tom’ when 100 then ‘mary’ else ‘tim’ end from
   lxw1234;
   Tim
3. 条件判断函数：CASE
   语法: CASE WHEN a THEN b [WHEN c THEN d]* [ELSE e] END
   返回值: T
   说明：如果 a 为 TRUE,则返回 b；如果 c 为 TRUE，则返回 d；否则返回 e
   举例：
   hive> select case when 1=2 then ‘tom’ when 2=2 then ‘mary’ else ‘tim’ end from lxw1234;
   mary
   hive> select case when 1=1 then ‘tom’ when 2=2 then ‘mary’ else ‘tim’ end from lxw1234;
   Tom

字符串函数

1. 字符 ascii 码函数：ascii
   语法: ascii(string str)
   返回值: int
   说明：返回字符串 str 中第一个字符的 ascii 码
   举例：
   hive> select ascii(‘ba’) from lxw1234;
   OK
   98

2. base64 字符串
   语法: base64(binary bin)
   返回值: string
   说明：返回二进制 bin 的 base 编码字符串
   举例：
   hive> select base64(binary(‘lxw1234’)) from lxw1234;
   OK
   bHh3MTIzNA==

3. 字符串连接函数：concat
   语法: concat(string A, string B…)
   返回值: string
   说明：返回输入字符串连接后的结果，支持任意个输入字符串
   举例：
   hive> select concat(‘abc’,'def’,'gh’) from lxw1234;
   abcdefgh

4. 带分隔符字符串连接函数：concat_ws
   语法: concat_ws(string SEP, string A, string B…)
   返回值: string
   说明：返回输入字符串连接后的结果，SEP 表示各个字符串间的分隔符
   举例：
   hive> select concat_ws(’,’,‘abc’,‘def’,‘gh’) from lxw1234;
   abc,def,gh

5. 数组转换成字符串的函数：concat_ws
   语法: concat_ws(string SEP, array)
   返回值: string
   说明：返回将数组链接成字符串后的结果，SEP 表示各个字符串间的分隔符
   举例：
   hive> select concat_ws(’|’,array(‘a’,‘b’,‘c’)) from lxw1234;
   OK
   a|b|c

6. 小数位格式化成字符串函数：format_number
   语法: format_number(number x, int d)
   返回值: string
   说明：将数值 x 的小数位格式化成 d 位，四舍五入
   举例：
   hive> select format_number(5.23456,3) from lxw1234;
   OK
   5.235

7. 字符串截取函数：substr,substring
   语法: substr(string A, int start),substring(string A, int start)
   返回值: string
   说明：返回字符串 A 从 start 位置到结尾的字符串
   举例：
   hive> select substr(‘abcde’,3) from lxw1234;
   cde
   hive> select substring(‘abcde’,3) from lxw1234;
   cde
   hive> select substr(‘abcde’,-1) from lxw1234; （和 ORACLE 相同）
   e

8. 字符串截取函数：substr,substring
   语法: substr(string A, int start, int len),substring(string A, int start, int len)
   返回值: string
   说明：返回字符串 A 从 start 位置开始，长度为 len 的字符串
   举例：
   hive> select substr(‘abcde’,3,2) from lxw1234;
   cd
   hive> select substring(‘abcde’,3,2) from lxw1234;
   cd
   hive>select substring(‘abcde’,-2,2) from lxw1234;
   de
   版权所有： http://lxw1234.com

9. 字符串查找函数：instr
   语法: instr(string str, string substr)
   返回值: int
   说明：返回字符串 substr 在 str 中首次出现的位置
   举例：
   hive> select instr(‘abcdf’,‘df’) from lxw1234;
   OK
   4

10. 字符串长度函数：length
    语法: length(string A)
    返回值: int
    说明：返回字符串的长度
    举例：
    hive> select length(‘abc’) from lxw1234;
    OK
    3

11. 字符串查找函数：locate
    语法: locate(string substr, string str[, int pos])
    返回值: int
    说明：返回字符串 substr 在 str 中从 pos 后查找，首次出现的位置
    举例：
    hive> select locate(‘a’,‘abcda’,1) from lxw1234;
    OK
    1
    hive> select locate(‘a’,‘abcda’,2) from lxw1234;
    OK
    5

12. 字符串格式化函数：printf
    语法: printf(String format, Obj… args)
    返回值: string
    说明：将指定对象用 format 格式进行格式化.
    举例：
    hive> select printf("%08X",123) from lxw1234;
    OK
    0000007B

13. 字符串转换成 map 函数：str_to_map
    语法: str_to_map(text[, delimiter1, delimiter2])
    返回值: map<string,string>
    说明：将字符串按照给定的分隔符转换成 map 结构.
    举例：
    hive> select str_to_map(‘k1:v1,k2:v2’) from lxw1234;
    OK
    {“k2”:“v2”,“k1”:“v1”}
    hive> select str_to_map(‘k1=v1,k2=v2’,’,’,’=’) from lxw1234;
    OK
    {“k2”:“v2”,“k1”:“v1”}

14. 字符串转大写函数：upper,ucase
    语法: upper(string A) ucase(string A)
    返回值: string
    说明：返回字符串 A 的大写格式
    举例：
    hive> select upper(‘abSEd’) from lxw1234;
    ABSED
    hive> select ucase(‘abSEd’) from lxw1234;
    ABSED

15. 字符串转小写函数：lower,lcase
    语法: lower(string A) lcase(string A)
    返回值: string
    说明：返回字符串 A 的小写格式
    举例：
    hive> select lower(‘abSEd’) from lxw1234;
    absed
    hive> select lcase(‘abSEd’) from lxw1234;
    absed

16. 去空格函数：trim
    语法: trim(string A)
    返回值: string
    说明：去除字符串两边的空格
    举例：
    hive> select trim(’ abc ') from lxw1234;
    Abc

17. 左边去空格函数：ltrim
    语法: ltrim(string A)
    返回值: string
    说明：去除字符串左边的空格
    举例：
    hive> select ltrim(’ abc ') from lxw1234;
    abc

18. 右边去空格函数：rtrim
    语法: rtrim(string A)
    返回值: string
    说明：去除字符串右边的空格
    举例：
    hive> select rtrim(’ abc ') from lxw1234;
    Abc

19. 正则表达式替换函数：regexp_replace
    语法: regexp_replace(string A, string B, string C)
    返回值: string
    说明：将字符串 A 中的符合 java 正则表达式 B 的部分替换为 C。注意，在有些情况下要
    使用转义字符,类似 oracle 中的 regexp_replace 函数。
    举例：
    hive> select regexp_replace(‘foobar’, ‘oo|ar’, ‘’) from lxw1234;
    fb

20. 正则表达式解析函数：regexp_extract
    语法: regexp_extract(string subject, string pattern, int index)
    返回值: string
    说明：将字符串 subject 按照 pattern 正则表达式的规则拆分，返回 index 指定的字符。
    举例：
    hive> select regexp_extract(‘foothebar’, ‘foo(.?)(bar)’, 1) from lxw1234;
    The
    hive> select regexp_extract(‘foothebar’, 'foo(.?)(bar)’, 2) from lxw1234;
    bar
    hive> select regexp_extract(‘foothebar’, ‘foo(.?)(bar)’, 0) from lxw1234;
    foothebar
    注意，在有些情况下要使用转义字符，下面的等号要用双竖线转义，这是 java 正则表
    达式的规则。
    select data_field,
    regexp_extract(data_field,’.?bgStart\=([^&]+)’,1) as aaa,
    regexp_extract(data_field,’.?contentLoaded_headStart\=([^&]+)’,1) as bbb,
    regexp_extract(data_field,’.?AppLoad2Req\=([^&]+)’,1) as ccc
    from pt_nginx_loginlog_st
    where pt = ‘2012-03-26’ limit 2;

21. URL 解析函数：parse_url
    语法: parse_url(string urlString, string partToExtract [, string keyToExtract])
    返回值: string
    说明：返回 URL 中指定的部分。partToExtract 的有效值为：HOST, PATH, QUERY, REF,
    PROTOCOL, AUTHORITY, FILE, and USERINFO.
    举例：
    hive> select parse_url(‘http://facebook.com/path1/p.php?k1=v1&k2=v2#Ref1’, ‘HOST’) from
    lxw1234;
    facebook.com
    hive> select parse_url(‘http://facebook.com/path1/p.php?k1=v1&k2=v2#Ref1’, ‘QUERY’, ‘k1’)
    from lxw1234;
    v1

22. json 解析函数：get_json_object
    语法: get_json_object(string json_string, string path)
    返回值: string
    说明：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。
    举例：
    hive> select get_json_object(’{“store”:

{“fruit”:[{“weight”:8,“type”:“apple”},{“weight”:9,“type”:“pear”}],
“bicycle”:{“price”:19.95,“color”:“red”}
},
“email”:“amy@only_for_json_udf_test.net”,
“owner”:"amy> }
‘,’$.owner’) from lxw1234;
Amy

24. 空格字符串函数：space
    语法: space(int n)
    返回值: string
    说明：返回长度为 n 的字符串
    举例：
    hive> select space(10) from lxw1234;
    hive> select length(space(10)) from lxw1234;
    10
25. 重复字符串函数：repeat
    语法: repeat(string str, int n)
    返回值: string
    说明：返回重复 n 次后的 str 字符串
    举例：
    hive> select repeat(‘abc’,5) from lxw1234;
    abcabcabcabcabc
26. 左补足函数：lpad
    语法: lpad(string str, int len, string pad)
    返回值: string
    说明：将 str 进行用 pad 进行左补足到 len 位
    举例：
    hive> select lpad(‘abc’,10,‘td’) from lxw1234;
    tdtdtdtabc
    注意：与 GP，ORACLE 不同，pad 不能默认
27. 右补足函数：rpad
    语法: rpad(string str, int len, string pad)
    返回值: string
    说明：将 str 进行用 pad 进行右补足到 len 位
    举例：
    hive> select rpad(‘abc’,10,‘td’) from lxw1234;
    abctdtdtdt
28. 分割字符串函数: split
    语法: split(string str, string pat)
    返回值: array
    说明: 按照 pat 字符串分割 str，会返回分割后的字符串数组
    举例：
    hive> select split(‘abtcdtef’,‘t’) from lxw1234;
    [“ab”,“cd”,“ef”]

汇总统计函数（UDAF）
sum,max,min,count,avg
集合去重数：collect_set
语法: collect_set (col)
返回值: array
说明: 将 col 字段进行去重，合并成一个数组。
举例：
hive> select cookie,ip from lxw1234;
cookie1 127.0.0.1
cookie1 127.0.0.1
cookie1 127.0.0.2
cookie1 127.0.0.3
hive> select cookie,collect_set(ip) from lxw1234 group by cookie;
cookie1 [“127.0.0.1”,“127.0.0.2”,“127.0.0.3”]

集合不去重函数：collect_list
语法: collect_list (col)
返回值: array
说明: 将 col 字段合并成一个数组,不去重
举例：
hive> select cookie,ip from lxw1234;
cookie1 127.0.0.1
cookie1 127.0.0.1
cookie1 127.0.0.2
cookie1 127.0.0.3
hive>select cookie,collect_list(ip) from lxw1234 group by cookie;
cookie1 [“127.0.0.1”,“127.0.0.1”,“127.0.0.2”,“127.0.0.3”]

表格生成函数 Table-Generating Functions (UDTF)

数组拆分成多行：explode
语法: explode(ARRAY)
返回值: 多行
说明: 将数组中的元素拆分成多行显示
举例：
hive> select explode(array(1,2,3)) from lxw1234;
OK
1
2
3
Map 拆分成多行：explode
语法: explode(Map)
返回值: 多行
说明: 将 Map 中的元素拆分成多行显示
举例：
hive> select explode(map(‘k1’,‘v1’,‘k2’,‘v2’)) from lxw1234;
OK
k2 v2
k1 v1