HIVE分区及函数

分区

常见分区表逻辑
df表
每天的分区都保存全量数据
比如dwd_order_df和dwd_order_di
insert overwrite dwd_order_df partiton (ds=‘${yesterday}’)
select from dwd_order_df a
full join dwd_order_di b
where a.ds=‘${yesterday}’-1
and b.ds=‘${yesterday}’-1;

di表
意思是每天的分区中保存的是昨天的全部数据
比如ods_dlick_di,dwd_dlick_di
insert overwrite dwd_click_di partition (ds=‘${yesterday}’)
select * from ods_click_di where ds=‘${yesterday}’;

di表比如要统计30天内的用户(user_id)点击pv
select count(user_id) ,–所有用户点击了多少次
count(distinct user_id) --多少个用户点了多少次
from dwd_order_di
where ds between ‘${yesterday}’-29 and ‘${yesterday}’

普通分区

创建分区表
CREATE TABLE emp
（EMPNO bigint,
ENAME string,
JOB string,
MGR bigint,
HIREDATE string,
SAL bigint,
COMM bigint,
DEPTNO bigint）
PARTITINO BY(dt)

如果报Permission denied错误
可以使用hdfs dfs -chmod 777 xxx
分区表的好处，避免全表扫描

插入数据需要指定分区
分区就有点索引的意思了

多级分区
例如在每天再以小时分区分为24个区

动态分区

可以按照原表中的某一个字段作为分区，但是注意这个字段不能存在于表中
例如：emp中我们按照deptno，将数据插入到emp_dynamic_partition中
默认最后一个字段为分区

动态分区直接insert 会报错，因为动态分区模式hive默认是关闭的开启命令为
set hive.exec.dynamic.partiton=true; set hive.exec.dynamic.partiton.mode=nonstrict;

但是每次执行命令前都需要手动进行开启，如果不想这么麻烦，可以将这两个命令配置到hive-site.xml里去

字段变化

varchar => string

int => bigint

double => double

datetime => datetime

cast(xxx as double)

这也是在创建表的时候发现的

函数 function

1. build-in 内置函数

2. UDF user define function 用户自定义函数
   UDF :一进一出的（abs，upper）
   UDAF：多进多出（sum,count,avg）
   UDTF：一进多出（explode，json_tuple）
   所有内置函数君克通过desc function xxx;
   查看具体用法
   回顾：mysql里有hive里没有的是dayofyear

   UDF进行一些配置后也可以用desc function 查看

3. 时间函数 – 有人比较注重
   current_date();年月日
   current_timestamp();年月时分秒
   unix_timestamp();从1970-01-01 00:00:00的秒数
   from_unixtime(unix_timestamp(CURRENT_TIMESTAMP()),yyyy-mm-dd)
   to_date(‘2022-04-04 21:15:30’);
   dayofmonth(current_timestamp);
   dayofweek(current_timestamp);
   weekofyear(current_timestamp);
   months_between(current_timestamp,‘2020-01-01’);两个日期相差天数
   add_months(current_timestamp,5);增加月
   datediff(current_timestamp,‘2020-01-01’);两个日期相差的天数
   date_add(current_timestamp,5);增加天数
   date_sub(current_timestamp,5);减少天数
   last_day(current_timestamp);最后一天
   trunc(current_timestamp,‘YYYY’);返回按照格式截取日期

4. 字符函数
   round(3.14,0)四舍五入
   ceil(3.14);向上取整
   floor(3.14)向下取整

5. 处理json
   json_tuple(‘ceo’,‘company’) as (ceo,company)

select case when phone is not null then phone else '00000000' end as phone from json_test
   **lateral view** json_tuple(line,'phone') temp as phone;

select get_json_object(line,'$.address') as address
   from json_test;

json数据举例

{"ceo":"马化腾","company":"腾讯","address":"深圳市"}

6. 相同deptno，相同job的人放在一起用’-'分隔

select concat_ws(',',cast(deptno as string),job) as deptno_job,concat_ws('-',collect_list(ename)) as ename_list
   from emp
   group by concat_ws(',',cast(deptno as string),job)
   ;

bigint转string
cast(deptno as string)

合在一起再炸开

 select deptno_job,ename
   from (select concat_ws(',',cast(deptno as string),job) as deptno_job,concat_ws('-',collect_list(ename)) as ename_list
   from emp
   group by concat_ws(',',cast(deptno as string),job)) x
   LATERAL VIEW explode(split(ename_list,'-')) t as ename;

7. hive实现wordcount

  --区分大小写的情况下
   select word,count(*)
   from(select explode(split(word,' ')) as word
   from hive_wc) x
   group by word;

   --全部为小写的情况下
   select lower(word),count(*)
   from(select explode(split(word,' ')) as word
   from hive_wc) x
   group by lower(word);