最全HSQL命令大全(Hive命令)
第1章 算数运算
1.1 加法： +
语法：A + B
操作类型：所有数值类型
说明： 返回A与B相加的结果。结果的数值类型等于A的类型和B的类型的最小父类型（详见数据类型的继承关系）。比如，int + int 一般结果为int类型，而 int + double 一般结果为double类型
hive> select 1 + 9 from iteblog;
10
hive> create table iteblog as select 1 + 1.2 from iteblog;
hive> describe iteblog;
double
1.2 减法： -
语法：A - B
操作类型：所有数值类型
说明： 返回A与B相减的结果。结果的数值类型等于A的类型和B的类型的最小父类型（详见数据类型的继承关系）。比如，int – int 一般结果为int类型，而 int – double 一般结果为double类型
hive> select 10 – 5 from iteblog;
5
hive> create table iteblog as select 5.6 – 4 from iteblog;
hive> describe iteblog;
double
1.3 乘法： *
语法：A * B
操作类型：所有数值类型
说明： 返回A与B相乘的结果。结果的数值类型等于A的类型和B的类型的最小父类型（详见数据类型的继承关系）。注意，如果A乘以B的结果超过默认结果类型的数值范围，则需要通过cast将结果转换成范围更大的数值类型
hive> select 40 * 5 from iteblog;
200
1.4 除法： /
语法：A / B
操作类型：所有数值类型
说明： 返回A除以B的结果。结果的数值类型为double
hive> select 40 / 5 from iteblog;
8.0
注意：hive中最高精度的数据类型是double,只精确到小数点后16位，在做除法运算的时候要特别注意
hive>select ceil(28.0/6.999999999999999999999) from iteblog limit 1;
结果为4
hive>select ceil(28.0/6.99999999999999) from iteblog limit 1;
结果为5
1.5 取余： %
语法：A % B
操作类型：所有数值类型
说明： 返回A除以B的余数。结果的数值类型等于A的类型和B的类型的最小父类型（详见数据类型的继承关系）。
hive> select 41 % 5 from iteblog;
1
hive> select 8.4 % 4 from iteblog;
0.40000000000000036
注意：精度在hive中是个很大的问题，类似这样的操作最好通过round指定精度
hive> select round(8.4 % 4 , 2) from iteblog;
0.4
1.6 位与： &
语法：A & B
操作类型：所有数值类型
说明：返回A和B按位进行与操作的结果。结果的数值类型等于A的类型和B的类型的最小父类型（详见数据类型的继承关系）。
hive> select 4 & 8 from iteblog;0
hive> select 6 & 4 from iteblog;4
1.7 位或： |
语法：A | B
操作类型：所有数值类型
说明： 返回A和B按位进行或操作的结果。结果的数值类型等于A的类型和B的类型的最小父类型（详见数据类型的继承关系）。
hive> select 4 | 8 from iteblog;
12
hive> select 6 | 8 from iteblog;
14
1.8 位异或： ^
语法：A ^ B
操作类型：所有数值类型
说明： 返回A和B按位进行异或操作的结果。结果的数值类型等于A的类型和B的类型的最小父类型（详见数据类型的继承关系）。
hive> select 4 ^ 8 from iteblog;
12
hive> select 6 ^ 4 from iteblog;
2
1.9 位取反： ~
语法：~A
操作类型：所有数值类型
说明： 返回A按位取反操作的结果。结果的数值类型等于A的类型。
hive> select ~6 from iteblog;
-7
hive> select ~4 from iteblog;
-5
第2章 关系运算
2.1 等值比较： =
语法：A=B
操作类型：所有基本类型
说明： 如果表达式A与表达式B相等，则为TRUE；否则为FALSE
hive> select 1 from iteblog where 1=1;
1
2.2 不等值比较： <>
语法： A <> B
操作类型： 所有基本类型
说明： 如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A与表达式B不相等，则为TRUE；否则为FALSE
hive> select 1 from iteblog where 1 <> 2;
1
2.3 小于比较： <
语法： A < B
操作类型：所有基本类型
说明： 如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A小于表达式B，则为TRUE；否则为FALSE
hive> select 1 from iteblog where 1 < 2;
1
2.4 小于等于比较： <=
语法： A <= B
操作类型： 所有基本类型
说明： 如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A小于或者等于表达式B，则为TRUE；否则为FALSE
hive> select 1 from iteblog where 1 < = 1;
1
2.5 大于比较： >
语法： A > B
操作类型： 所有基本类型
说明： 如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A大于表达式B，则为TRUE；否则为FALSE
hive> select 1 from iteblog where 2 > 1;
1
2.6 大于等于比较： >=
语法： A >= B
操作类型： 所有基本类型
说明： 如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A大于或者等于表达式B，则为TRUE；否则为FALSE
hive> select 1 from iteblog where 1 >= 1;
1
注意：String的比较要注意(常用的时间比较可以先 to_date 之后再比较)
hive> select * from iteblog;
OK
2011111209 00：00：00 2011111209
hive> select a, b, a<b, a>b, a=b from iteblog;
2011111209 00：00：00 2011111209 false true false
2.7 空值判断： IS NULL
语法： A IS NULL
操作类型： 所有类型
说明： 如果表达式A的值为NULL，则为TRUE；否则为FALSE
hive> select 1 from iteblog where null is null;
1
2.8 非空判断： IS NOT NULL
语法： A IS NOT NULL
操作类型： 所有类型
说明： 如果表达式A的值为NULL，则为FALSE；否则为TRUE
hive> select 1 from iteblog where 1 is not null;
1
2.9 LIKE比较： LIKE
语法： A LIKE B
操作类型： strings
说明： 如果字符串A或者字符串B为NULL，则返回NULL；如果字符串A符合表达式B 的正则语法，则为TRUE；否则为FALSE。B中字符”_”表示任意单个字符，而字符”%”表示任意数量的字符。
hive> select 1 from iteblog where 'football' like 'foot%';
1
hive> select 1 from iteblog where 'football' like 'foot____';
1
<strong>注意：否定比较时候用NOT A LIKE B</strong>
hive> select 1 from iteblog where NOT 'football' like 'fff%';
1
2.10 JAVA的LIKE操作： RLIKE
语法： A RLIKE B
操作类型： strings
说明： 如果字符串A或者字符串B为NULL，则返回NULL；如果字符串A符合JAVA正则表达式B的正则语法，则为TRUE；否则为FALSE。
hive> select 1 from iteblog where 'footbar’ rlike '^f.*r$’;
1
注意：判断一个字符串是否全为数字：
hive>select 1 from iteblog where '123456' rlike '^\\d+$';
1
hive> select 1 from iteblog where '123456aa' rlike '^\\d+$';
2.11 REGEXP操作： REGEXP
语法： A REGEXP B
操作类型： strings
说明： 功能与RLIKE相同
hive> select 1 from iteblog where 'footbar' REGEXP '^f.*r$';
1
第3章 数值函数
3.1 取整函数： round
语法： round(double a)
返回值： BIGINT
说明： 返回double类型的整数值部分 （遵循四舍五入）
hive> select round(3.1415926) from iteblog;
3
hive> select round(3.5) from iteblog;
4
hive> create table iteblog as select round(9542.158) from iteblog;
hive> describe iteblog;
_c0 bigint
3.2 指定精度取整函数： round
语法： round(double a, int d)
返回值： DOUBLE
说明： 返回指定精度d的double类型
hive> select round(3.1415926,4) from iteblog;
3.1416
3.3 向下取整函数： floor
语法： floor(double a)
返回值： BIGINT
说明： 返回等于或者小于该double变量的最大的整数
hive> select floor(3.1415926) from iteblog;
3
hive> select floor(25) from iteblog;
25
3.4 向上取整函数： ceil
语法： ceil(double a)
返回值： BIGINT
说明： 返回等于或者大于该double变量的最小的整数
hive> select ceil(3.1415926) from iteblog;
4
hive> select ceil(46) from iteblog;
46
3.5 向上取整函数： ceiling
语法： ceiling(double a)
返回值： BIGINT
说明： 与ceil功能相同
hive> select ceiling(3.1415926) from iteblog;
4
hive> select ceiling(46) from iteblog;
46
3.6 取随机数函数： rand
语法： rand(),rand(int seed)
返回值： double
说明： 返回一个0到1范围内的随机数。如果指定种子seed，则会等到一个稳定的随机数序列
hive> select rand() from iteblog;
0.5577432776034763
hive> select rand() from iteblog;
0.6638336467363424
hive> select rand(100) from iteblog;
0.7220096548596434
hive> select rand(100) from iteblog;
0.7220096548596434
3.7 自然指数函数： exp
语法： exp(double a)
返回值： double
说明： 返回自然对数e的a次方
hive> select exp(2) from iteblog;
7.38905609893065
<strong>自然对数函数</strong>： ln
<strong>语法</strong>： ln(double a)
<strong>返回值</strong>： double
<strong>说明</strong>： 返回a的自然对数
1
hive> select ln(7.38905609893065) from iteblog;
2.0
3.8 以10为底对数函数： log10
语法： log10(double a)
返回值： double
说明： 返回以10为底的a的对数
hive> select log10(100) from iteblog;
2.0
3.9 以2为底对数函数： log2
语法： log2(double a)
返回值： double
说明： 返回以2为底的a的对数
hive> select log2(8) from iteblog;
3.0
3.10 对数函数： log
语法： log(double base, double a)
返回值： double
说明： 返回以base为底的a的对数
hive> select log(4,256) from iteblog;
4.0
3.11 幂运算函数： pow
语法： pow(double a, double p)
返回值： double
说明： 返回a的p次幂
hive> select pow(2,4) from iteblog;
16.0
3.12 幂运算函数： power
语法： power(double a, double p)
返回值： double
说明： 返回a的p次幂,与pow功能相同
hive> select power(2,4) from iteblog;
16.0
3.13 开平方函数： sqrt
语法： sqrt(double a)
返回值： double
说明： 返回a的平方根
hive> select sqrt(16) from iteblog;
4.0
3.14 二进制函数： bin
语法： bin(BIGINT a)
返回值： string
说明： 返回a的二进制代码表示
hive> select bin(7) from iteblog;
111
3.15 十六进制函数： hex
语法： hex(BIGINT a)
返回值： string
说明： 如果变量是int类型，那么返回a的十六进制表示；如果变量是string类型，则返回该字符串的十六进制表示
hive> select hex(17) from iteblog;
11
hive> select hex(‘abc’) from iteblog;
616263
3.16 绝对值函数： abs
语法： abs(double a) abs(int a)
返回值： double int
说明： 返回数值a的绝对值
hive> select abs(-3.9) from iteblog;
3.9
hive> select abs(10.9) from iteblog;
10.9
3.17 反转十六进制函数： unhex
语法： unhex(string a)
返回值： string
说明： 返回该十六进制字符串所代码的字符串
hive> select unhex(‘616263’) from iteblog;
abc
hive> select unhex(‘11’) from iteblog;
-
hive> select unhex(616263) from iteblog;
abc
3.18 进制转换函数： conv
语法： conv(BIGINT num, int from_base, int to_base)
返回值： string
说明： 将数值num从from_base进制转化到to_base进制
hive> select conv(17,10,16) from iteblog;
11
hive> select conv(17,10,2) from iteblog;
10001
3.19 正取余函数： pmod
语法： pmod(int a, int b),pmod(double a, double b)
返回值： int double
说明： 返回正的a除以b的余数
hive> select pmod(9,4) from iteblog;
1
hive> select pmod(-9,4) from iteblog;
3
3.20 正弦函数： sin
语法： sin(double a)
返回值： double
说明： 返回a的正弦值
hive> select sin(0.8) from iteblog;
0.7173560908995228
3.21 反正弦函数： asin
语法： asin(double a)
返回值： double
说明： 返回a的反正弦值
hive> select asin(0.7173560908995228) from iteblog;
0.8
3.22 余弦函数： cos
语法： cos(double a)
返回值： double
说明： 返回a的余弦值
hive> select cos(0.9) from iteblog;
0.6216099682706644
3.23 反余弦函数： acos
语法： acos(double a)
返回值： double
说明： 返回a的反余弦值
hive> select acos(0.6216099682706644) from iteblog;
0.9
3.24 positive函数： positive
语法： positive(int a), positive(double a)
返回值： int double
说明： 返回a
hive> select positive(-10) from iteblog;
-10
hive> select positive(12) from iteblog;
12
3.25 negative函数： negative
语法： negative(int a), negative(double a)
返回值： int double
说明： 返回-a
hive> select negative(-5) from iteblog;
5
hive> select negative(8) from iteblog;
-8
3.26自然对数函数： ln
语法： ln(double a)
返回值： double
说明： 返回a的自然对数，a可为小数
hive> select ln(7.38905609893065);
2.0
3.27 正切函数：tan
语法： tan(double a)
返回值： double
说明： 返回a的正切值
hive> select tan(0.8);
1.0296385570503641
3.28 反正切函数：atan
语法： atan(double a)
返回值： double
说明： 返回a的反正切值
hive> select atan(1.0296385570503641);
0.8
3.29 弧度值转换角度值：degrees
语法： degrees(double a)
返回值： double
说明： 返回a的角度值
hive> select degrees(1);
57.29577951308232
3.30 角度值转换成弧度值：radians
语法： radians(double a)
返回值： double
说明： 返回a的弧度值
hive> select radians(57.29577951308232);
1.0
3.31 判断正负函数：sign
语法： sign(double a)
返回值： double
说明： 如果a是正数则返回1.0，是负数则返回-1.0，否则返回0.0
hive> select sign(-4);
-1.0
3.32 数学e函数：e
语法： e()
返回值： double
说明： 数学常数e
hive> select e();
2.718281828459045
3.33 数学pi函数：pi
语法： pi()
返回值： double
说明： 圆周率π
hive> select pi();
3.141592653589793
3.34 阶乘函数：factorial
语法： factorial(int a)
返回值： bigint
说明： 求a的阶乘
hive> select factorial(5);
120
3.35 立方根函数：cbrt
语法： cbrt(double a)
返回值： double
说明： 求a的立方根
hive> select cbrt(27);
3
3.36 左移函数：shiftleft
语法： shiftleft(BIGINT a, int b)
返回值： int bigint
说明： 按位左移
hive> select shiftleft(4,2);
16
3.37 右移函数：shiftright
语法： shiftright(BIGINT a, int b)
返回值： int bigint
说明： 按位右移
hive> select shiftright(16,1);
8
3.38 无符号按位右移函数：shiftrightunsigned
语法： shiftrightunsigned(BIGINT a, int b)
返回值： int bigint
说明： 无符号按位右移（<<<）
hive> select shiftrightunsigned(32,2)
8
3.39 求最大值函数：greatest
语法： greatest(T v1, T v2, …)
返回值： T
说明： 求最大值
hive> select greatest(1,2,3);
3
3.40 求最小值函数：least
语法： least(T v1, T v2, …)
返回值： T
说明： 求最小值
hive> select least(1,2,3);
1
3.41 银行家舍入法函数：bround
语法： bround(double a)
返回值： double
说明： 银行家舍入法（1-4：舍，6-9：进，5->前位数是偶：舍，5->前位数是奇：进）
hive> select bround(3.5)
3.0
3.42 银行家精确舍入法函数：bround
语法： bround(double a，int d)
返回值： double
说明： 银行家舍入法,保留d位小数
hive> select bround(3.15，1)
3.1
hive> select bround(3.25，1)
3.3
第4章 日期函数
4.1 UNIX时间戳转日期函数： from_unixtime
语法： from_unixtime(bigint unixtime[, string format])
select from_utc_timestamp(1677254551375, 'Asia/Shanghai')
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
hive> select from_unixtime(1323308943,'yyyyMMdd') from iteblog;
20111208
select from_utc_timestamp(1677254551375, 'Asia/Shanghai')
4.1 UNIX时间戳转日期函数： from_utc_timestamp
select from_utc_timestamp(1677254551375, ‘Asia/Shanghai’)
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
hive> select from_utc_timestamp(1677254551375, 'Asia/Shanghai')
4.2 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
hive> select unix_timestamp() from iteblog;
1323309615
4.3 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。
hive> select unix_timestamp('2011-12-07 13：01：03') from iteblog;
1323234063
4.4 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。
hive> select unix_timestamp('20111207 13：01：03','yyyyMMdd HH：mm：ss') from iteblog;
1323234063
4.5 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。
hive> select to_date('2011-12-08 10：03：01') from iteblog;
2011-12-08
4.6 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。
hive> select year('2011-12-08 10：03：01') from iteblog;
2011
hive> select year('2012-12-08') from iteblog;
2012
4.7 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。
hive> select month('2011-12-08 10：03：01') from iteblog;
12
hive> select month('2011-08-08') from iteblog;
8
4.8 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。
hive> select day('2011-12-08 10：03：01') from iteblog;
8
hive> select day('2011-12-24') from iteblog;
24
4.9 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。
hive> select hour('2011-12-08 10：03：01') from iteblog;
10
4.10 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。
hive> select minute('2011-12-08 10：03：01') from iteblog;
3
4.11 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。
hive> select second('2011-12-08 10：03：01') from iteblog;
1
4.12 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。
hive> select weekofyear('2011-12-08 10：03：01') from iteblog;
49
4.13 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。
hive> select datediff('2012-12-08','2012-05-09') from iteblog;
213
4.14 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。
hive> select date_add('2012-12-08',10) from iteblog;
2012-12-18
4.15 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。
hive> select date_sub('2012-12-08',10) from iteblog;
2012-11-28
4.16 转化成指定的时区下时间戳函数： from_utc_timestamp
语法： from_utc_timestamp(timestamp, string timezone)
返回值： timestamp
说明： 如果给定的时间戳并非UTC，则将其转化成指定的时区下时间戳
hive> select from_utc_timestamp(‘1970-01-01 08：00：00’,‘PST’);
1970-01-01 00：00：00
4.17 转化成UTC下的时间戳函数： to_utc_timestamp
语法： to_utc_timestamp(timestamp, string timezone)
返回值： timestamp
说明： 如果给定的时间戳指定的时区下时间戳，则将其转化成UTC下的时间戳。
hive> select to_utc_timestamp(‘1970-01-01 00：00：00’,‘PST’);
1970-01-01 08：00：00
4.18 当前时间日期函数：current_date
语法： current_date()
返回值： date
说明： 返回当前时间日期
hive> select current_date;
2022-01-06
4.19 当前时间日期函数：current_timestamp
语法： current_timestamp()
返回值： timestamp
说明： 返回当前时间戳
hive> select current_timestamp();
2022-01-06 22：52：11.309
4.20 月份增加函数：add_months
语法： add_months(string start_date, int num_months)
返回值： string
说明： 返回当前时间下再增加num_months个月的日期
hive> select add_months(‘1996-10-21’,10);
1997-08-21
4.21 最后一天的日期函数：last_day
语法： last_day(string date)
返回值： string
说明： 返回这个月的最后一天的日期，忽略时分秒部分（HH：mm：ss）
hive> select last_day(current_date());
2020-07-31
4.22 下一个星期X所对应的日期函数：next_day
语法： next_day(string start_date, string day_of_week)
返回值： string
说明： 返回当前时间的下一个星期X所对应的日期 如：next_day(‘2015-01-14’, ‘TU’) = 2015-01-20 以2015-01-14为开始时间，其下一个星期二所对应的日期为2015-01-20
hive> select next_day(current_date(),‘su’);
2020-07-19
4.23 时间的最开始年份或月份函数：trunc
语法： trunc(string date, string format)
返回值： string
说明： 返回时间的最开始年份或月份 如trunc(“2016-06-26”,“MM”)=2016-06-01 trunc(“2016-06-26”,“YY”)=2016-01-01 注意所支持的格式为MONTH/MON/MM, YEAR/YYYY/YY
hive> select trunc(current_date(),‘MM’);
2020-07-01
4.24 相差的月份函数：months_between
语法： months_between(date1, date2)
返回值： double
说明： 返回date1与date2之间相差的月份，如date1>date2，则返回正，如果date1<date2,则返回负，否则返回0.0 如：months_between(‘1997-02-28 10：30：00’, ‘1996-10-30’) = 3.94959677 1997-02-28 10：30：00与1996-10-30相差3.94959677个月
hive> select months_between(current_date(),‘2020-5-13’);
2.0
4.25 指定格式返回时间函数：date_format
语法： date_format(date/timestamp/string ts, string fmt)
返回值： string
说明： 按指定格式返回时间date 如：date_format(“2016-06-22”,“MM-dd”)=06-22
hive> select date_format(current_date(),‘MM.dd’);
07.13
4.26 当前星期函数：dayofweek
语法： dayofweek(date)
返回值： int
说明： 返回日期那天的周几
hive> select dayofweek(current_date());
2
4.27 季节函数：quarter
语法： quarter(date/timestamp/string)
返回值： int
说明： 返回当前时间属性哪个季度 如quarter(‘2015-04-08’) = 2
第5章 条件函数
5.1 If函数： if
语法： if(boolean testCondition, T valueTrue, T valueFalseOrNull)
返回值： T
说明： 当条件testCondition为TRUE时，返回valueTrue；否则返回valueFalseOrNull（valueTrue，valueFalseOrNull为泛型）
hive> select if(1=1,100,200);
100
5.2 空查找函数： nvl
语法： nvl(T value, T default_value)
返回值： T
说明： 如果value值为NULL就返回default_value,否则返回value
hive> select nvl(null,5);
5
5.3 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
hive> select COALESCE (NULL,44,55);
44
5.4 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
hive> select CASE 4 WHEN 5 THEN 5 WHEN 4 THEN 4 ELSE 3 END;
4
5.5 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
hive> select CASE WHEN 5>0 THEN 5 WHEN 4>0 THEN 4 ELSE 0 END;
5
5.6 空值判断函数：isnull
语法： isnull( a )
返回值： boolean
说明： 如果a为null就返回true，否则返回false
hive> select isnull(5);
false
5.7 非空值判断函数：isnotnull
语法： isnotnull ( a )
返回值： boolean
说明： 如果a为非null就返回true，否则返回false
hive> select isnotnull(5);
true
第6章 字符串函数
6.1 字符串长度函数：length
语法： length(string A)
返回值： int
说明：返回字符串A的长度
hive> select length('abcedfg') from iteblog;
7
6.2 字符串反转函数：reverse
语法： reverse(string A)
返回值： string
说明：返回字符串A的反转结果
hive> select reverse(abcedfg’) from iteblog;
gfdecba
6.3 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
hive> select concat(‘abc’,'def’,'gh’) from iteblog;
abcdefgh
6.4 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
hive> select concat_ws(',','abc','def','gh') from iteblog;
abc,def,gh
6.5 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
hive> select substr('abcde',3) from iteblog;
cde
hive> select substring('abcde',3) from iteblog;
cde
hive> select substr('abcde',-1) from iteblog; （和ORACLE相同）
e
6.6 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
hive> select substr('abcde',3,2) from iteblog;
cd
hive> select substring('abcde',3,2) from iteblog;
cd
hive>select substring('abcde',-2,2) from iteblog;
de
6.7 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
hive> select upper('abSEd') from iteblog;
ABSED
hive> select ucase('abSEd') from iteblog;
ABSED
6.8 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
hive> select lower('abSEd') from iteblog;
absed
hive> select lcase('abSEd') from iteblog;
absed
6.9 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
hive> select trim(' abc ') from iteblog;
abc
6.10 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
hive> select ltrim(' abc ') from iteblog;
abc
6.11 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
hive> select rtrim(' abc ') from iteblog;
abc
6.12 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。
hive> select regexp_replace('foobar', 'oo|ar', '') from iteblog;
fb
6.13 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。
hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 1) from iteblog;
the
hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 2) from iteblog;
bar
hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 0) from iteblog;
foothebar
strong>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;
6.14 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.
hive> select parse_url('https：//www.iteblog.com/path1/p.php?k1=v1&k2=v2#Ref1', 'HOST') from iteblog;
facebook.com
hive> select parse_url('https：//www.iteblog.com/path1/p.php?k1=v1&k2=v2#Ref1', 'QUERY', 'k1') from iteblog;
v1
6.15 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。
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 iteblog;
amy
6.16 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
hive> select space(10) from iteblog;
hive> select length(space(10)) from iteblog;
10
6.17 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
hive> select repeat('abc',5) from iteblog;
abcabcabcabcabc
6.18 首字符ascii函数：ascii
语法： ascii(string str)
返回值： int
说明：返回字符串str第一个字符的ascii码
hive> select ascii('abcde') from iteblog;
97
6.19 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
hive> select lpad('abc',10,'td') from iteblog;
tdtdtdtabc
注意：与GP，ORACLE不同，pad 不能默认
6.20 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
hive> select rpad('abc',10,'td') from iteblog;
abctdtdtdt
6.21 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
hive> select split('abtcdtef','t') from iteblog;
["ab","cd","ef"]
6.22 集合查找函数： find_in_set
语法： find_in_set(string str, string strList)
返回值： int
说明： 返回str在strlist第一次出现的位置，strlist是用逗号分割的字符串。如果没有找该str字符，则返回0
hive> select find_in_set('ab','ef,ab,de') from iteblog;
2
hive> select find_in_set('at','ef,ab,de') from iteblog;
0
6.23 转换成64位的字符串：base64
语法： base64(binary bin)
返回值： string
说明：将二进制bin转换成64位的字符串
6.24 字符串连接函数：context_ngrams
语法：context_ngrams(array, array, int K, int pf)
返回值： array<struct<string,double>>
说明：与ngram类似，但context_ngram()允许你预算指定上下文(数组)来去查找子序列，具体看StatisticsAndDataMining(这里的解释更易懂)
6.25 将数值X转换成"#,###,###.##"格式字符串：format_number
语法： format_number(number x, int d)
返回值： string
说明：将数值X转换成"#,###,###.##"格式字符串，并保留d位小数，如果d为0，将进行四舍五入且不保留小数
hive> select format_number(123345.65545,2);
123,345.66
6.26 指定的字符集将二进制值bin解码成字符串：decode
语法： decode(binary bin, string charset)
返回值： string
说明：使用指定的字符集charset将二进制值bin解码成字符串，支持的字符集有：‘US-ASCII’, ‘ISO-8859-1’, ‘UTF-8’, ‘UTF-16BE’, ‘UTF-16LE’, ‘UTF-16’，如果任意输入参数为NULL都将返回NULL
6.27 指定的字符集charset将字符串编码成二进制值：encode
语法： encode(string src, string charset)
返回值： binary
说明：使用指定的字符集charset将字符串编码成二进制值，支持的字符集有：‘US-ASCII’, ‘ISO-8859-1’, ‘UTF-8’, ‘UTF-16BE’, ‘UTF-16LE’, ‘UTF-16’，如果任一输入参数为NULL都将返回NULL
6.28 文件数据与字符串str匹配： in_file
语法： in_file(string str, string filename)
返回值： boolean
说明：如果文件名为filename的文件中有一行数据与字符串str匹配成功就返回true
6.29 查找字符串str中子字符串substr出现的位置：instr
语法： instr(string str, string substr)
返回值： int
说明：查找字符串str中子字符串substr出现的位置，如果查找失败将返回0，如果任一参数为Null将返回null，注意位置为从1开始的
hive> select instr(‘dvfgefggdgaa’,‘aa’);
11
6.30 第一次出现的位置：locate
语法： locate(string substr, string str[, int pos])
返回值： int
说明：查找字符串str中的pos位置后字符串substr第一次出现的位置
hive> select locate(‘aa’,‘aabbedfaad’,2);
8
6.31 返回出现次数TOP K的的子序列：ngrams
语法： ngrams(array, int N, int K, int pf)
返回值： array<struct<string,double>>
说明：返回出现次数TOP K的的子序列,n表示子序列的长度，具体看StatisticsAndDataMining (这里的解释更易懂)
6.32 printf风格格式输出字符串：printf
语法：printf(String format, Obj… args)
返回值： string
说明：按照printf风格格式输出字符串
hive> select printf(‘abfhg’);
Abfhg
6.33 字符串str将被转换成单词数组：sentences
语法： sentences(string str, string lang, string locale)
返回值： array
说明：字符串str将被转换成单词数组，如：sentences(‘Hello there! How are you?’) =( (“Hello”, “there”), (“How”, “are”, “you”) )
hive> select sentences(‘Hello there! How are you?’);
[[“Hello”,“there”],[“How”,“are”,“you”]]
6.34 字符串反转函数：reverse
语法：reverse(string A)
返回值： string
说明：返回字符串A的反转结果
hive> select reverse(‘abc’);
cba
6.35 字符串str按照指定分隔符转换成Map： split
语法：str_to_map(text[, delimiter1, delimiter2])
返回值： map<string,string>
说明：将字符串str按照指定分隔符转换成Map，第一个参数是需要转换字符串，第二个参数是键值对之间的分隔符，默认为逗号;第三个参数是键值之间的分隔符，默认为"="
6.36 截取第count分隔符之前的字符串：substring_index
语法： substring_index(string A, string delim, int count)
返回值： string
说明：截取第count分隔符之前的字符串，如count为正则从左边开始截取，如果为负则从右边开始截取
6.37 字符串替换成to中的字符串：substring_index
语法： translate(string|char|varchar input, string|char|varchar from, string|char|varchar to)
返回值： string
说明：将input出现在from中的字符串替换成to中的字符串 如：translate(“MOBIN”,“BIN”,“M”)=“MOM”
hive> select translate(“MOBIN”,“BIN”,“M”);
MOM
6.38 首字母大写函数：initcap
语法：initcap(string A)
返回值： string
说明：将字符串A转换第一个字母大写其余字母的字符串
hive> select initcap(‘abcd def’);
Abcd Def
6.39 两个字符串之间的差异大小： levenshtein
语法： levenshtein(string A, string B)
返回值： int
说明：计算两个字符串之间的差异大小 如：levenshtein(‘kitten’, ‘sitting’) = 3
hive> select levenshtein(‘kitten’, ‘sitting’);
3
6.40 字符串转换成soundex字符串：soundex
语法： soundex(string A)
返回值： string
说明： 将普通字符串转换成soundex字符串
第7章 聚合函数
7.1 个数统计函数： count
语法： count(*), count(expr), count(DISTINCT expr[, expr…])
返回值： bigint
说明： count(*)统计检索出的行的个数，包括NULL值的行；count(expr)返回指定字段的非空值的个数；count(DISTINCTexpr[, expr_.])统计提供非NULL且去重后的expr表达式值的行数
7.2 总和统计函数： sum
语法：sum(col), sum(DISTINCT col)
返回值： double
说明：sum(col)统计结果集中col的相加的结果；sum(DISTINCT col)统计结果中col不同值相加的结果
7.3 平均值统计函数： avg
语法：avg(col), avg(DISTINCT col)
返回值： double
说明：avg(col)统计结果集中col的平均值；avg(DISTINCT col)统计结果中col不同值相加的平均值
7.4 最小值统计函数： min*
语法：min(col)
返回值： double
说明：统计结果集中col字段的最小值
7.5 最大值统计函数： max
语法：max(col)
返回值： double
说明：统计结果集中col字段的最大值
7.6 非空集合总体变量函数：var_pop
语法： variance(col), var_pop(col)
返回值： double
说明：统计结果集中col非空集合的总体变量（忽略null），（求指定列数值的方差）
7.7 非空集合样本变量函数：var_samp
语法： var_samp (col)
返回值： double
说明：统计结果集中col非空集合的样本变量（忽略null）（求指定列数值的样本方差）
7.8 总体标准偏离函数：stddev_pop
语法：stddev_pop(col)
返回值： double
说明：该函数计算总体标准偏离，并返回总体变量的平方根，其返回值与VAR_POP函数的平方根相同（求指定列数值的标准偏差）
7.9 样本标准偏离函数：stddev_samp
语法： stddev_samp (col)
返回值： double
说明：该函数计算样本标准偏离，（求指定列数值的样本标准偏差）
7.10 协方差函数：covar_pop
语法： covar_pop(col1, col2)
返回值： double
说明：求指定列数值的协方差
7.11 样本协方差函数：covar_samp
语法： covar_samp(col1, col2)
返回值： double
说明：求指定列数值的样本协方差
7.12 相关系数函数：corr
语法：corr(col1, col2)
返回值： double
说明：返回两列数值的相关系数
7.13 中位数函数：percentile
语法： percentile(BIGINT col, p)
返回值： double
说明：求准确的第pth个百分位数，p必须介于0和1之间，但是col字段目前只支持整数，不支持浮点数类型
7.14 中位数函数：percentile
语法： percentile(BIGINT col, array(p1 [, p2]…))
返回值： array
说明：功能和上述类似，之后后面可以输入多个百分位数，返回类型也为array，其中为对应的百分位数
select percentile(score,<0.2,0.4>) from lxw_dual；取0.2，0.4位置的数据
1
7.15 近似中位数函数：percentile_approx
语法：percentile_approx(DOUBLE col, p [, B])
返回值： double
说明：求近似的第pth个百分位数，p必须介于0和1之间，返回类型为double，但是col字段支持浮点类型。参数B控制内存消耗的近似精度，B越大，结果的准确度越高。默认为10,000。当col字段中的distinct值的个数小于B时，结果为准确的百分位数
7.16 近似中位数函数：percentile_approx
语法： percentile_approx(DOUBLE col, array(p1 [, p2]…) [, B])
返回值： array
说明：功能和上述类似，之后后面可以输入多个百分位数，返回类型也为array，其中为对应的百分位数
7.17 直方图：histogram_numeric
语法： histogram_numeric(col, b)
返回值： array<struct {‘x’,‘y’}>
说明：以b为基准计算col的直方图信息
hive> select histogram_numeric(100,5)
[{“x”：100.0,“y”：1.0}]
7.18 高级聚合：collect_list/collect_set
1）collect_list 收集并形成list集合，结果不去重
语法：collect_list(col)
返回值：array
说明：将某分组内该字段的所有值收集成为一个数组，结果不去重
hive>
select
sex,
collect_list(job)
from
employee
group by
sex
结果：
女 ["行政","研发","行政","前台"]
男 ["销售","研发","销售","前台"]
2）collect_set 收集并形成set集合，结果去重
语法：collect_set(col)
返回值：array
说明：将某分组内该字段的所有值收集成为一个数组，结果去重
hive>
select
sex,
collect_set(job)
from
employee
group by
sex
结果：
女 ["行政","研发","前台"]
男 ["销售","研发","前台"]
第8章 表生成函数
8.1 explode
语法： explode(array a)
返回值： Array Type
说明：对于a中的每个元素，将生成一行且包含该元素
8.2 explode
语法： explode(ARRAY)
返回值：N rows
说明：每行对应数组中的一个元素
8.3 explode
语法： explode(MAP)
返回值：N rows
说明：每行对应每个map键-值，其中一个字段是map的键，另一个字段是map的值
8.4 posexplode
语法： posexplode(ARRAY)
返回值：N rows
说明：与explode类似，不同的是还返回各元素在数组中的位置
8.5 posexplode
语法： stack(INT n, v_1, v_2, …, v_k)
返回值：N rows
说明：把M列转换成N行，每行有M/N个字段，其中n必须是个常数
8.6 posexplode
语法： json_tuple(jsonStr, k1, k2, …)
返回值： tuple
说明：从一个JSON字符串中获取多个键并作为一个元组返回，与get_json_object不同的是此函数能一次获取多个键值
8.7 parse_url_tuple
语法： parse_url_tuple(url, p1, p2, …)
返回值： tuple
说明：返回从URL中抽取指定N部分的内容，参数url是URL字符串，而参数p1,p2,…是要抽取的部分，这个参数包含HOST, PATH, QUERY, REF, PROTOCOL, AUTHORITY, FILE, USERINFO, QUERY：
8.8 parse_url_tuple
语法： inline(ARRAY<STRUCT[,STRUCT]>)
返回值： tuple
说明：将结构体数组提取出来并插入到表中
8.9 示例
一进多出（一行进入，多行输出）。
- explode 将数组或者map展开
hive> select explode(array('a','b','d','c'));
结果：
a
b
d
c
- json_tuple 取出json字符串中属性的值
hive>
select json_tuple('{"name":"王二狗","sex":"男","age":"25"}','name','sex','age');
结果：
王二狗 男 25
第9章 复合类型构建操作
9.1 Map类型构建： map
语法： map (key1, value1, key2, value2, …)
说明：根据输入的key和value对构建map类型
hive> Create table iteblog as select map('100','tom','200','mary') as t from iteblog;
hive> describe iteblog;
t map<string ,string>
hive> select t from iteblog;
{"100"："tom","200"："mary"}
9.2 Struct类型构建： struct
语法： struct(val1, val2, val3, …)
说明：根据输入的参数构建结构体struct类型
hive> create table iteblog as select struct('tom','mary','tim') as t from iteblog;
hive> describe iteblog;
t struct<col1：string ,col2：string,col3：string>
hive> select t from iteblog;
{"col1"："tom","col2"："mary","col3"："tim"}
9.3 array类型构建： array
语法： array(val1, val2, …)
说明：根据输入的参数构建数组array类型
hive> create table iteblog as select array("tom","mary","tim") as t from iteblog;
hive> describe iteblog;
t array<string>
hive> select t from iteblog;
["tom","mary","tim"]
第10章 复杂类型访问操作
10.1 array类型访问： A[n]
语法： A[n]
操作类型： A为array类型，n为int类型
说明：返回数组A中的第n个变量值。数组的起始下标为0。比如，A是个值为[‘foo’, ‘bar’]的数组类型，那么A[0]将返回’foo’,而A[1]将返回’bar’
hive> create table iteblog as select array("tom","mary","tim") as t from iteblog;
hive> select t[0],t[1],t[2] from iteblog;
tom mary tim
10.2 map类型访问： M[key]
语法： M[key]
操作类型： M为map类型，key为map中的key值
说明：返回map类型M中，key值为指定值的value值。比如，M是值为{‘f’ -> ‘foo’, ‘b’ -> ‘bar’, ‘all’ -> ‘foobar’}的map类型，那么M[‘all’]将会返回’foobar’
hive> select t['200'],t['100'] from iteblog;
mary tom
10.3 struct类型访问： S.x
语法： S.x
操作类型： S为struct类型
说明：返回结构体S中的x字段。比如，对于结构体struct foobar {int foo, int bar}，foobar.foo返回结构体中的foo字段
hive> create table iteblog as select struct('tom','mary','tim') as t from iteblog;
hive> describe iteblog;
t struct<col1：string ,col2：string,col3：string>
hive> select t.col1,t.col3 from iteblog;
tom tim
第11章 复杂类型长度统计函数
11.1 Map类型长度函数： size(Map<k .V>)
语法： size(Map<k .V>)
返回值： int
说明： 返回map类型的长度
hive> select size(map('100','tom','101','mary')) from iteblog;
2
11.2 array类型长度函数： size(Array)
语法： size(Array)
返回值： int
说明： 返回array类型的长度
hive> select size(array('100','101','102','103')) from iteblog;
4
11.3 类型转换函数
1）转换成二进制： binary
语法： binary(string|binary)
返回值： binary
说明： 将输入的值转换成二进制
2）类型转换函数： cast
语法： cast(expr as )
返回值： Expected “=” to follow “type”
说明： 返回转换后的数据类型
hive> select cast(1 as bigint) from iteblog;
1
第12章 窗口函数
基本语法：函数 + over( [partition by …] [order by …] [窗口子句] )
- over表示开窗，默认窗口大小会包含所有数据。
- partition by表示根据字段再划分一个细窗口，相同字段进入同一个细窗口里面，每个窗口之间相互独立，窗口子句对于每个细窗口独立生效。
- order by表示窗口内按什么排序，如果只有over表示直接最大窗口排序；如果有partition by每个细窗口单独排序。
- 窗口子句，可以进一步限定范围
(rows | range) between (unbounded | [num]) preceding and ([num] preceding | current row | (unbounded | [num]) following
(rows | range) between current row and (current row | (unbounded | [num]) following)
(rows | range) between [num] following and (unbounded | [num]) following
rows between unbounded preceding and unbounded following
行的范围为上无边界到下无边界（第一行到最后一行）。
注：窗口函数是一行一行执行的。
- 窗口函数
lag(col,n,default_val)：往前第n行数据。
lead(col,n, default_val)：往后第n行数据。
first_value (col,true/false)：当前窗口下的第一个值，第二个参数为true，跳过空值。
last_value (col,true/false)：当前窗口下的最后一个值，第二个参数为true，跳过空值。 - 聚合函数
max：最大值。
min：最小值。
sum：求和。
avg：平均值。
count：计数。 - 排名分析函数
rank：排名相同时会重复总数不会减少。
dense_rank：排名相同时会重复总数会减少。
row_number：行号。
ntile：分组并给上组号。
12.1 偏移量函数：lag
语法：lag(col,n,default_val)
返回值：字段类型
说明：往前第n行数据。
12.2 偏移量函数：lead
语法：lead(col,n, default_val)
返回值：字段类型
说明：往后第n行数据。
12.3 窗口分析函数：first_value
语法：first_value (col,true/false)
返回值：字段类型
说明：当前窗口下的第一个值，第二个参数为true，跳过空值。
12.4 窗口分析函数：last_value
语法：last_value (col,true/false)
返回值：字段类型
说明：当前窗口下的最后一个值，第二个参数为true，跳过空值。
12.5 跳跃排序函数：rank
语法：rank() over(……)
返回值：int
说明：排名相同时会重复，总数不会减少（12225……）。
12.6 不跳跃排序函数：dense_rank
语法：dense_rank() over(……)
返回值：int
说明：排名相同时会重复，总数会减少（12223……）。
12.7 顺序唯一的排序函数：row_number
语法：row_number() over(……)
返回值：int
说明：行号（1234567……）。
12.8 分组函数：lead
语法：ntile() over(……)
返回值：int
说明：分组并给上组号。
12.9 窗口函数案例演示
12.9.1 数据导入
- 在/opt/module/hive/datas/路径上，创建文件business.txt，并导入数据
[hadoop@hadoop102 datas]$ vi business.txt
小元,2022-01-01,10
小海,2022-01-02,15
小元,2022-02-03,23
小海,2022-01-04,29
小元,2022-01-05,46
小元,2022-04-06,42
小海,2022-01-07,50
小元,2022-01-08,50
小辉,2022-04-08,62
小辉,2022-04-09,62
小猛,2022-05-10,12
小辉,2022-04-11,75
小猛,2022-06-12,80
小辉,2022-04-13,94
- 创建Hive表并导入数据
hive>
create table business(
name string, -- 顾客
orderdate string, -- 下单日期
cost int -- 购买金额
)
row format delimited fields terminated by ',';
load data local inpath "/opt/module/hive/datas/business.txt"
into table business;
12.9.1 案例演示
- 购买过的总人次并保留所有信息
hive>
select
name,
orderdate,
cost,
count(*)over(rows between unbounded preceding and unbounded following) cn
from
business;
结果：
name orderdate cost cn
小辉 2022-04-13 94 14
小猛 2022-06-12 80 14
小辉 2022-04-11 75 14
小猛 2022-05-10 12 14
小辉 2022-04-09 62 14
小辉 2022-04-08 62 14
小元 2022-01-08 50 14
小海 2022-01-07 50 14
小元 2022-04-06 42 14
小元 2022-01-05 46 14
小海 2022-01-04 29 14
小元 2022-02-03 23 14
小海 2022-01-02 15 14
小元 2022-01-01 10 14
- 购买过的累加人次并保留所有信息
hive>
select
name,
orderdate,
cost,
count(*)over(rows between unbounded preceding and current row)cn
from
business;
结果：
name orderdate cost cn
小辉 2022-04-13 94 1
小猛 2022-06-12 80 2
小辉 2022-04-11 75 3
小猛 2022-05-10 12 4
小辉 2022-04-09 62 5
小辉 2022-04-08 62 6
小元 2022-01-08 50 7
小海 2022-01-07 50 8
小元 2022-04-06 42 9
小元 2022-01-05 46 10
小海 2022-01-04 29 11
小元 2022-02-03 23 12
小海 2022-01-02 15 13
小元 2022-01-01 10 14
- 购买过的总人数
hive>
select
name,
count(*)over(rows between unbounded preceding and unbounded following)cn
from
business
group by
name;
结果：
name cn
小辉 4
小猛 4
小海 4
小元 4
注：窗口函数的执行次序是在group by之后。
4) 购买过的累加人数
hive>
select
name,
count(*)over(rows between unbounded preceding and current row)
from
business
group by
name;
结果：
name cn
小辉 1
小猛 2
小海 3
小元 4
- 2022年4月份购买过的顾客及总人数
（1）写法1
hive>
select
name,
count(*) over (rows between unbounded preceding and unbounded following) cn
from
business
where
substring(orderdate,1,7) = '2022-04'
group by
name;
结果：
name cn
小辉 2
小元 2
（2）写法2
hive>
select
name,
count(*) over () cn
from
business
where
substring(orderdate,1,7) = '2022-04'
group by
name;
结果：
name cn
小辉 2
小元 2
能发现窗口子句加与不加结果是一致，原因是窗口子句有默认值。
When ORDER BY is specified with missing WINDOW clause, the WINDOW specification defaults to RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW.
当有order by 但是缺少窗口子句时，范围是上无边界到当前行。
When both ORDER BY and WINDOW clauses are missing, the WINDOW specification defaults to ROW BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING.
当order by和窗口子句都缺少时，范围，上无边界到下无边界。
思考题：如果不用窗口函数的情况下，怎么得到以下结果？
date name_list cn
2022-01 ["小元","小海"] 2
2022-02 ["小元"] 1
2022-04 ["小元","小辉"] 2
2022-05 ["小猛"] 1
2022-06 ["小猛"] 1
- 查询顾客的购买明细及月购买总额
hive>
select
name,
orderdate,
cost,
sum(cost)over(partition by month(orderdate))
from
business
结果：
name orderdate cost sum
小元 2022-01-01 10 200
小元 2022-01-08 50 200
小海 2022-01-07 50 200
小元 2022-01-05 46 200
小海 2022-01-04 29 200
小海 2022-01-02 15 200
小元 2022-02-03 23 23
小辉 2022-04-13 94 335
小元 2022-04-06 42 335
小辉 2022-04-11 75 335
小辉 2022-04-09 62 335
小辉 2022-04-08 62 335
小猛 2022-05-10 12 12
小猛 2022-06-12 80 80
- 查询每个顾客的购买明细及购买总额
hive>
select
name,
orderdate,
cost,
sum(cost)over(partition by name)
from
business
结果：
name orderdate cost sum
小元 2022-01-08 50 171
小元 2022-02-03 23 171
小元 2022-01-05 46 171
小元 2022-04-06 42 171
小元 2022-01-01 10 171
小海 2022-01-07 50 94
小海 2022-01-04 29 94
小海 2022-01-02 15 94
小猛 2022-05-10 12 92
小猛 2022-06-12 80 92
小辉 2022-04-11 75 293
小辉 2022-04-13 94 293
小辉 2022-04-08 62 293
小辉 2022-04-09 62 293
- 查询每个顾客每个月的购买明细及购买总额
hive>
select
name,
orderdate,
cost,
sum(cost)over(partition by name,month(orderdate))
from
business
结果：
name orderdate cost sum
小元 2022-01-08 50 106
小元 2022-01-05 46 106
小元 2022-01-01 10 106
小元 2022-02-03 23 23
小元 2022-04-06 42 42
小海 2022-01-07 50 94
小海 2022-01-04 29 94
小海 2022-01-02 15 94
小猛 2022-05-10 12 12
小猛 2022-06-12 80 80
小辉 2022-04-11 75 293
小辉 2022-04-13 94 293
小辉 2022-04-08 62 293
小辉 2022-04-09 62 293
- 按照日期将cost累加并保留明细
hive>
select
name,
orderdate,
cost,
sum(cost)over(order by orderdate)
from
business
结果：
name orderdate cost sum
小元 2022-01-01 10 10
小海 2022-01-02 15 25
小海 2022-01-04 29 54
小元 2022-01-05 46 100
小海 2022-01-07 50 150
小元 2022-01-08 50 200
小元 2022-02-03 23 223
小元 2022-04-06 42 265
小辉 2022-04-08 62 327
小辉 2022-04-09 62 389
小辉 2022-04-11 75 464
小辉 2022-04-13 94 558
小猛 2022-05-10 12 570
小猛 2022-06-12 80 650
- 按照日期将每个顾客cost累加并保留明细
hive>
select
name,
orderdate,
cost,
sum(cost)over(partition by name order by orderdate)
from
business
结果：
name orderdate cost sum
小元 2022-01-01 10 10
小元 2022-01-05 46 56
小元 2022-01-08 50 106
小元 2022-02-03 23 129
小元 2022-04-06 42 171
小海 2022-01-02 15 15
小海 2022-01-04 29 44
小海 2022-01-07 50 94
小猛 2022-05-10 12 12
小猛 2022-06-12 80 92
小辉 2022-04-08 62 62
小辉 2022-04-09 62 124
小辉 2022-04-11 75 199
小辉 2022-04-13 94 293
- 求出每个顾客上一次和当前一次消费的和并保留明细
hive>
select
name,
orderdate,
cost,
sum(cost)over(partition by name order by orderdate rows between 1 preceding and current row)
from
business
结果：
name orderdate cost sum
小元 2022-01-01 10 10
小元 2022-01-05 46 56
小元 2022-01-08 50 96
小元 2022-02-03 23 73
小元 2022-04-06 42 65
小海 2022-01-02 15 15
小海 2022-01-04 29 44
小海 2022-01-07 50 79
小猛 2022-05-10 12 12
小猛 2022-06-12 80 92
小辉 2022-04-08 62 62
小辉 2022-04-09 62 124
小辉 2022-04-11 75 137
小辉 2022-04-13 94 169
思考题
（1）求出每个顾客当前一次和下一次消费的和，并保留明细
（2）求出每个顾客上一次到下一次消费的和，并保留明细
（3）求出每个顾客上一次和下一次消费的和，并保留明细
12) 查询每个顾客购买明细以及上次的购买时间和下次购买时间
hive>
select
name,
orderdate,
cost,
lag(orderdate,1,'0000-00-00')over(partition by name order by orderdate) prev_time,
lead(orderdate,1,'9999-99-99')over(partition by name order by orderdate) next_time
from
business
结果：
name orderdate cost prev_time next_time
小元 2022-01-01 10 0000-00-00 2022-01-05
小元 2022-01-05 46 2022-01-01 2022-01-08
小元 2022-01-08 50 2022-01-05 2022-02-03
小元 2022-02-03 23 2022-01-08 2022-04-06
小元 2022-04-06 42 2022-02-03 9999-99-99
小海 2022-01-02 15 0000-00-00 2022-01-04
小海 2022-01-04 29 2022-01-02 2022-01-07
小海 2022-01-07 50 2022-01-04 9999-99-99
小猛 2022-05-10 12 0000-00-00 2022-06-12
小猛 2022-06-12 80 2022-05-10 9999-99-99
小辉 2022-04-08 62 0000-00-00 2022-04-09
小辉 2022-04-09 62 2022-04-08 2022-04-11
小辉 2022-04-11 75 2022-04-09 2022-04-13
小辉 2022-04-13 94 2022-04-11 9999-99-99
注：并不是所有函数都需要写窗口子句。
rank dense_rank ntile row_number lag lead 这些函数不支持窗口子句。
13) 查询顾客每个月第一次的购买时间 和 每个月的最后一次购买时间
hive>
select
name,
orderdate,
cost,
first_value(orderdate)over(partition by name,month(orderdate) order by orderdate rows between UNBOUNDED PRECEDING and UNBOUNDED following) first_value,
last_value(orderdate)over(partition by name,month(orderdate) order by orderdate rows between UNBOUNDED PRECEDING and UNBOUNDED following) last_value
from
business
结果：
name orderdate cost first_value last_value
小元 2022-01-01 10 2022-01-01 2022-01-08
小元 2022-01-05 46 2022-01-01 2022-01-08
小元 2022-01-08 50 2022-01-01 2022-01-08
小元 2022-02-03 23 2022-02-03 2022-02-03
小元 2022-04-06 42 2022-04-06 2022-04-06
小海 2022-01-02 15 2022-01-02 2022-01-07
小海 2022-01-04 29 2022-01-02 2022-01-07
小海 2022-01-07 50 2022-01-02 2022-01-07
小猛 2022-05-10 12 2022-05-10 2022-05-10
小猛 2022-06-12 80 2022-06-12 2022-06-12
小辉 2022-04-08 62 2022-04-08 2022-04-13
小辉 2022-04-09 62 2022-04-08 2022-04-13
小辉 2022-04-11 75 2022-04-08 2022-04-13
小辉 2022-04-13 94 2022-04-08 2022-04-13
- 查询前20%时间的订单信息
hive>
-- 将数据分为5组
select
name,
orderdate,
cost,
ntile(5)over(order by orderdate) n_g
from
business t1
-- 拿到5组中的第一组
select
*
from (
select
name,
orderdate,
cost,
ntile(5)over(order by orderdate) n_g
from
business
)t1
where t1.n_g=1
结果：
name orderdate cost n_g
小元 2022-01-01 10 1
小海 2022-01-02 15 1
小海 2022-01-04 29 1
- 按照花费的金额进行排名
hive>
select
name,
orderdate,
cost,
rank()over(order by cost desc) rk,
dense_rank()over(order by cost desc) drk,
row_number()over(order by cost desc) drk
from
business
结果：
name orderdate cost rk drk rrk
小辉 2022-04-13 94 1 1 1
小猛 2022-06-12 80 2 2 2
小辉 2022-04-11 75 3 3 3
小辉 2022-04-08 62 4 4 4
小辉 2022-04-09 62 4 4 5
小海 2022-01-07 50 6 5 6
小元 2022-01-08 50 6 5 7
小元 2022-01-05 46 8 6 8
小元 2022-04-06 42 9 7 9
小海 2022-01-04 29 10 8 10
小元 2022-02-03 23 11 9 11
小海 2022-01-02 15 12 10 12
小猛 2022-05-10 12 13 11 13
小元 2022-01-01 10 14 12 14
注：排名分析函数中不需要写参数，会将排好序数据进行标号。
- 按照每个顾客花费的金额进行排名
hive>
select
name,
orderdate,
cost,
rank()over(partition by name order by cost desc) rk,
dense_rank()over(partition by name order by cost desc) drk,
row_number()over(partition by name order by cost desc) drk
from
business
结果：
name orderdate cost rk drk rrk
小元 2022-01-08 50 1 1 1
小元 2022-01-05 46 2 2 2
小元 2022-04-06 42 3 3 3
小元 2022-02-03 23 4 4 4
小元 2022-01-01 10 5 5 5
小海 2022-01-07 50 1 1 1
小海 2022-01-04 29 2 2 2
小海 2022-01-02 15 3 3 3
小猛 2022-06-12 80 1 1 1
小猛 2022-05-10 12 2 2 2
小辉 2022-04-13 94 1 1 1
小辉 2022-04-11 75 2 2 2
小辉 2022-04-08 62 3 3 3
小辉 2022-04-09 62 3 3 4
第13章 高级聚合函数
13.1 collect_list
collect_list 收集并形成list集合，结果不去重
hive>
select
sex,
collect_list(job)
from
employee
group by
sex
结果：
女 ["行政","研发","行政","前台"]
男 ["销售","研发","销售","前台"]
13.2 collect_set
collect_set 收集并形成set集合，结果去重
hive>
select
sex,
collect_set(job)
from
employee
group by
sex
结果：
女 ["行政","研发","前台"]
男 ["销售","研发","前台"]
13.3 炸裂函数
- 一进多出（一行进入，多行输出）。
explode 将数组或者map展开
hive> select explode(array('a','b','d','c'));
结果：
a
b
d
c
-- 炸裂与侧写结合
-- 用法：lateral view udtf（expression） tableAlias AS columnAlias
-- 解释：lateral view用于和split，explode等UDTF一起使用，它能够将一行数据拆成多行数据，在此基础上可以对拆分后的数据进行聚合。
-- lateral view首先为原始表的每行调用UDTF，UDTF会把一行拆分成一行或者多行，lateral view再把结果组合，产生一个支持别名表的虚拟表。
hive>
select
movie,
category_name
from movie_info
lateral view
explode(split(category,",")) movie_info_tmp AS category_name;
- json_tuple 取出json字符串中属性的值
hive>
select json_tuple('{"name":"王二狗","sex":"男","age":"25"}','name','sex','age');
结果：
王二狗 男 25