hive常用函数

case when

姓名   部门    性别

悟空      A        男

八戒      A        男

沙僧       B        男

凤姐       A        女

婷姐       B        女

蜜蜜       B        女

 

求出不同部门男女各多少人。结果如下：

A     2       1

B     1       2

select  deptno,sum(case sex when '男' then 1 else 0 end) male ,sum(case sex when '女' then 1 else 0 end) female from dept group by deptno；

行转列（CONCAT，CONCAT_WC,COLLECT_SET）

name（姓名）	constellation（星座）	blood_type(血型)
孙悟空	白羊座	A
唐僧	射手座	A
沙和尚	白羊座	B
猪八戒	白羊座	A
白骨精	射手座	A

 

把星座和血型一样的人归类到一起。结果如下：

射手座,A            唐僧|白骨精

白羊座,A            孙悟空|猪八戒

白羊座,B            沙和尚

select concat(constellation,",",blood_type) ,concat_ws("|",collect_set(name)) from person_info group by constellation,blood_type;

说明：COLLECT_SET(col)：函数只接受基本数据类型，它的主要作用是将某字段的值进行去重汇总，产生array类型字段。

列转行（LATERAL VIEW EXPLODE）

movie	category
《疑犯追踪》	悬疑,动作,科幻,剧情
《Lie to me》	悬疑,警匪,动作,心理,剧情
《战狼2》	战争,动作,灾难

结果1：

剧情                《疑犯追踪》|《Lie to me》        
动作                《疑犯追踪》|《Lie to me》|《战狼2》  
心理                《Lie to me》               
悬疑                《疑犯追踪》|《Lie to me》        
战争                《战狼2》                     
灾难                《战狼2》                     
科幻                《疑犯追踪》                    
警匪                《Lie to me》     
          
结果2：

《疑犯追踪》      悬疑
《疑犯追踪》      动作
《疑犯追踪》      科幻
《疑犯追踪》      剧情
《Lie to me》   悬疑
《Lie to me》   警匪
《Lie to me》   动作
《Lie to me》   心理
《Lie to me》   剧情
《战狼2》        战争
《战狼2》        动作
《战狼2》        灾难

结果1：select t.category_name,concat_ws("|",collect_set(t.movie)) from (select movie,category_name from movie_info lateral view explode(catagory) tbl_tmp as category_name)t group by  t.category_name;

 结果2：select name,lateral view explode(category) tbl_tmp as  category_name from movie；

函数说明：

EXPLODE(col)：将hive一列中复杂的array或者map结构拆分成多行。

LATERAL VIEW

用法：LATERAL VIEW udtf(expression) tableAlias AS columnAlias

窗口函数

数据准备：business（name string,orderdate string,cost int）

jack,2017-01-01,10
tony,2017-01-02,15
jack,2017-02-03,23
tony,2017-01-04,29
jack,2017-01-05,46
jack,2017-04-06,42
tony,2017-01-07,50
jack,2017-01-08,55
mart,2017-04-08,62
mart,2017-04-09,68

 需求：

1. 查询在2017年4月份购买过的顾客及总人数
2. 查询顾客的购买明细及月购买总额
3. 上述的场景, 将每个顾客的cost按照日期进行累加
4. 查询每个顾客上次的购买时间
5. 查询前20%时间的订单信息

解析：

1.select name,count(*) over() from business where substring(orderdate,1,7)='2017-04' group by name ;

2.select name,cost,orderdate,sum(cost) over(partition by month(orderdate)) from business;

3.

select name,orderdate,cost,

sum(cost) over() as sample1,--所有行相加

sum(cost) over(partition by name) as sample2,--按name分组，组内数据相加

sum(cost) over(partition by name order by orderdate) as sample3,--按name分组，组内数据累加

sum(cost) over(partition by name order by orderdate rows between UNBOUNDED PRECEDING and current row ) as sample4 ,--和sample3一样,由起点到当前行的聚合

sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING and current row) as sample5, --当前行和前面一行做聚合

sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING AND 1 FOLLOWING ) as sample6,--当前行和前边一行及后面一行

sum(cost) over(partition by name order by orderdate rows between current row and UNBOUNDED FOLLOWING ) as sample7 --当前行及后面所有行

from business;

4.select name,cost,orderdate  ,lag(orderdate,1,'1970-01-01') over(partition by name order by orderdate)from business;

5.select * from(select name,cost,orderdate ,ntile(5) over(order by orderdate) sorted from business)t where t.sorted=1;

函数说明：NTILE(n)：把有序分区中的行分发到指定数据的组中，各个组有编号，编号从1开始，对于每一行，NTILE返回此行所属的组的编号。其中参数n为int值

rank函数

需求：计算每门学科成绩排名。

select name,

subject,

score,

rank() over(partition by subject order by score desc) rp,

dense_rank() over(partition by subject order by score desc) drp,

row_number() over(partition by subject order by score desc) rmp

from score;

函数说明：RANK() 排序相同时会重复，总数不会变；DENSE_RANK() 排序相同时会重复，总数会减少；ROW_NUMBER() 会根据顺序计算