【Hive】函数

UDF: 一进一出
UDAF: 多进一出
UDTF: 一进多出
（“多” 指的是输入数据的行数。）

一、系统内置函数

• 查看系统自带的函数

show functions;

• 显示自带的函数的用法

desc function upper;

• 详细显示自带的函数的用法

desc function extended upper;

二、常用内置函数

空字段赋值 NVL

NVL(value，default_value) ：
给值为NULL的数据赋值。它的功能是如果value为NULL，则NVL函数返回default_value的值，否则返回value的值，如果两个参数都为NULL ，则返回NULL
（default_value可以是一个值，也可以是别的字段）

CASE WHEN THEN ELSE END

• 需求：统计不同部门男女各多少人。结果应该如下图所示
  
• 查询语句：

select 
  dept_id,
  sum(case sex when '男' then 1 else 0 end) male_count,
  sum(case sex when '女' then 1 else 0 end) female_count
from 
  emp_sex
group by
  dept_id;

多列变一列（列转列）

1）CONCAT(string A/col, string B/col…)： 返回输入字符串连接后的结果，支持任意个输入字符串;

2）CONCAT_WS(separator, str1, str2,…)： 它是一个特殊形式的 CONCAT()。第一个参数是分隔符。分隔符可以是与剩余参数一样的字符串。如果分隔符是 NULL，返回值也将为 NULL。这个函数会跳过分隔符参数后的任何 NULL 和空字符串。分隔符将被加到被连接的字符串之间;
注意: CONCAT_WS must be "string or array

3）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。(多进一出，udaf函数)
注意：COLLECT_LIST(col)则不去重汇总，也产生array类型字段

一行变多行（行转行）

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

select explode(split(category,',')) from movie_info;

将 category 中的多个词拆分，得到：

select movie, explode(split(category,‘,’)) from movie_info; 会报错

要加上 movie 列则需要用以下函数：

• LATERAL VIEW：
  LATERAL VIEW udtf(expression) tableAlias AS columnAlias
  用于和split, explode等UDTF一起使用，它能够将一列数据拆成多行数据，在此基础上可以对拆分后的数据进行聚合。

查询：

SELECT 
	movie,category_name 
FROM movie_info 
LATERAL VIEW explode(split(category,",")) movie_info_tmp  AS category_name;

得到：

窗口函数

函数介绍

OVER()：
指定分析函数工作的数据窗口大小，这个数据窗口大小可能会随着行的改变而变化。

写在 over() 里面的函数，用来限定分组的行数：
CURRENT ROW： 当前行
n PRECEDING： 往前n行数据
n FOLLOWING： 往后n行数据
UNBOUNDED： 起点

• UNBOUNDED PRECEDING 表示从前面的起点，
• UNBOUNDED FOLLOWING 表示到后面的终点

写在 over() 前面的函数：
LAG(col,n,default_val)： 往前第n行数据
LEAD(col,n, default_val)： 往后第n行数据
NTILE(n)：
把有序窗口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。注意：n必须为int类型。

按需求查询数据

原数据：
name，orderdate，cost

需求1：查询在2017年4月份购买过的顾客及总人数

select name, count(*) over () 
from business 
where substring(orderdate,0,7) = '2017-04' 
group by name;

结果：

需求2：查询顾客的 购买明细 及 月购买总额

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

月份函数month()

需求3：上述的场景, 将每个顾客的cost按照日期进行累加

写法一：

select name, orderdate, sum(cost) over(partition by name order by orderdate)
from business

写法二：

select name, orderdate, sum(cost) over(partition by name order by orderdate rows between unbounded preceding and current row)
from business

根据文档：When ORDER BY is specified with missing WINDOW clause, the WINDOW specification defaults to RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW.

拓展：上述场景，将每个顾客的cost按照前一条、当前和后一条相加

select name, orderdate, sum(cost) over(partition by name order by orderdate rows between 1 preceding and 1 following)
from business

注意：rows 必须跟在 order by 子句之后，对排序的结果进行限制，使用固定的行数来限制分区中的数据行数量

拓展：当排序值相同时：有一个只有一列 id 值的表，对其做以下查询

select id, sum(id) over(order by id)
from table1;

结果：

id值一样的，被认为是同一个窗口

需求4：查看顾客上次的购买时间

select name, orderdate, lag(orderdate,1, '1970-01-01') over(patition by name order by orderdate)
from business

需求5：查询前20%时间的订单信息

select name, orderdate, cost 
from
	(select name, orderdate, cost, ntile(5) over(order by orderdate) groupid
from business) t1
where groupid = 1;

Rank

RANK()： 排序相同时会重复，总数不会变
1 1 3
DENSE_RANK()： 排序相同时会重复，总数会减少
1 1 2
ROW_NUMBER() : 会根据顺序计算
1 2 3

原数据：

需求：计算每门学科成绩排名

select *, rank() over(partition by subject order by score desc)
from score

扩展：求出每门学科前三名的学生

select
	name,
	subject,
	score
from
	(select *, rank() over(partition by subject order by score desc) rk
from score) t1
where rk <= 3;

常用日期函数

unix_timestamp
from_unixtime
current_date
current_timestamp
to_date
year
month
day
hour
minute
second
weekofyear
dayofmonth
months_between
add_months
datediff
date_add
date_sub
last_day
date_format

常用取整函数

round：四舍五入
ceil：向上取整
floor：向下取整

常用字符串操作函数

upper
lower
length
trim
lpad
rpad
regexp_replace

集合操作

size
map_keys
map_values
array_contains
sort_array