hive 自定义函数 struct转换为string

转载

footballboy 2024-09-14 13:04:23

文章标签 hive hadoop 数据仓库数据 Hive 文章分类 Hive 大数据

Hive

数据类型

struct类型

struct：结构体，对应了Java中的对象，实际上是将数据以json形式来进行存储和处理
案例

原始数据

a tom,19,male amy,18,female
b bob,18,male john,18,male
c lucy,19,female lily,19,female
d henry,18,male david,19,male

案例

-- 建表
create table groups (
    group_id string,
    mem_a    struct<name:string, age:int, gender:string>,
    mem_b    struct<name:string, age:int, gender:string>
) row format delimited
    fields terminated by ' '
    collection items terminated by ',';
-- 加载数据
load data local inpath '/opt/hive_data/infos' into table groups;
-- 查询数据
select * from groups;
-- 获取成员a的信息
select mem_a from groups;
-- 获取成员a的名字
select mem_a.name from groups;

运算符和函数

概述

在Hive中，提供了非常丰富的运算符和函数，用于对数据进行处理和分析。在Hive中，运算符和函数可以归为一类
如果需要查看Hive中所有的函数，可以通过

show functions;

如果想要查看某一个函数的描述，可以使用

-- 简略描述
desc function sum;
-- 详细描述
desc function extended sum;

在Hive中，还允许用户自定义函数
在Hive中，函数必须结合其他的关键字来构成语句！

入门案例

案例一：给定字符串表示日期，例如’2024-03-25’，从获取年份

-- 方式一：以-拆分字符串，获取数组的第一位，将字符串转化为整数类型
select cast(split('2024-03-25', '-')[0] as int);
-- 方式二：正则表达式-捕获组
select cast(regexp_extract('2024-03-25', '(.*)-(.*)-(.*)', 1) as int);
-- 方式三：提供了year函数，直接用于提取年份，要求年月日之间必须用-隔开
select year('2024-03-25');

案例一：给定字符串表示日期，例如’2024/03/25’，从获取年份

-- 方式一
select cast(split('2024/03/25', '/')[0] as int);
-- 方式二
select cast(regexp_extract('2024/03/25', '(.*)/(.*)/(.*)', 1) as int);
-- 方式三：先将/替换为-，再利用year函数来提取
select year(regexp_replace('2024/03/25', '/', '-'));

常用函数

nvl函数

nvl(v1, v2)：判断v1的值是否为null，如果v1的值不是null，那么返回v1，如果v1的值是null，那么返回v2
案例

原始数据

1 Adair 800
2 David 600
3 Danny 1000
4 Ben 500
5 Grace
6 Cathy 700
7 Kite
8 Will 600
9 Thomas 800
10 Tony 1000

案例

-- 建表
create table rewards (
    id     int,
    name   string,
    reward double
) row format delimited fields terminated by ' ';
-- 加载数据
load data local inpath '/opt/hive_data/rewards' into table rewards;
-- 查询数据
select * from rewards;
-- 计算每一个人平均发到的奖金是多少
-- avg属于聚合函数，所有的聚合函数在遇到null的时候自动跳过不计算
-- select avg(reward) from rewards;
select avg(if(reward is not null, reward, 0.0)) from rewards;
-- nvl
select avg(nvl(reward, 0)) from rewards;

case-when函数

类似于Java中的switch-case结构，是对不同的情况进行选择
案例

原始数据

1 bob 财务 男
2 bruce 技术 男
3 cindy 技术 女
4 david 财务 男
5 eden 财务 男
6 frank 财务 男
7 grace 技术 女
8 henry 技术 男
9 iran 技术 男
10 jane 财务 女
11 kathy 财务 女
12 lily 技术 女

案例

-- 建表
create table employers (
    id         int,
    name       string,
    department string,
    gender     string
) row format delimited fields terminated by ' ';
-- 加载数据
load data local inpath '/opt/hive_data/employers' into table employers;
-- 查询数据
select *
from employers;
-- 需求：统计每一个部门的男生和女生人数
-- 方式一：sum(if())
select department                   as `部门`,
       sum(if(gender = '男', 1, 0)) as `男`,
       sum(if(gender = '女', 1, 0)) as `女`
from employers
group by department;
-- 方式：sum(case-when)
select department                                   as `部门`,
       sum(case gender when '男' then 1 else 0 end) as `男`,
       sum(case gender when '女' then 1 else 0 end) as `女`
from employers
group by department;

explode函数

explode在使用的时候，需要传入一个数组或者是映射类型的参数。如果传入的是数组，那么会将数组中的每一个元素拆分成单独的一行构成一列数据；如果传入的是映射，那么会将映射的键和值拆分成两列
案例：单词统计

-- 创建目录
dfs -mkdir /words
-- 将文件复制到这个目录下
dfs -cp /txt/words.txt /words
-- 查看数据
dfs -ls /words
-- 建表
-- 注意：数据在HDFS上已经存在，所以应该建立外部表
create external table words (
    line array<string>
) row format delimited
    collection items terminated by ' '
    location '/words';
-- 查询数据
select * from words;
-- 需求：统计这个文件中每一个单词出现的次数
-- 思路
-- 第一步：先将数组中的元素转成一列
select explode(line)
from words;
-- 第二步：统计单词出现的次数
-- 基本结构：select x, count(x) from tableName group by x;
select w, count(w) from (
  select explode(line) as w from words
) t1 group by w;

列转行

列转行，顾名思义，指的是将一列的数据拆分成多行数据。在列转行的过程中，最重要的函数就是explode
案例

原始数据

沙丘2 剧情/动作/科幻/冒险
被我弄丢的你 剧情/爱情
堡垒 剧情/悬疑/历史
热辣滚烫 剧情/喜剧
新威龙杀阵 动作/惊悚
周处除三害 动作/犯罪

案例

-- 建表
create table movies (
    name  string,       -- 电影名
    kinds array<string> -- 电影类型
) row format delimited
    fields terminated by ' '
    collection items terminated by '/';
-- 加载数据
load data local inpath '/opt/hive_data/movies' into table movies;
-- 查询数据
select * from movies;
-- 需求：查询所有的动作片
-- lateral view function(ex) tableAlias as colAlias
-- 列转行，又称之为'炸列'
select name, k
from movies lateral view explode(kinds) ks as k
where k = '动作';

案例二

原始数据

bob	开朗,活泼	打游戏,打篮球
david	开朗,幽默	看电影,打游戏
lucy	大方,开朗	看电影,听音乐
jack	内向,大方	听音乐,打游戏

案例

-- 建表
create table persons (
    name       string,        -- 姓名
    characters array<string>, -- 性格
    hobbies    array<string>  -- 爱好
) row format delimited
    fields terminated by '\t'
    collection items terminated by ',';
-- 加载数据
load data local inpath '/opt/hive_data/persons' into table persons;
-- 查询数据
select * from persons;
-- 获取性格开朗且喜欢打游戏的人
select name, c, h
from persons
         lateral view explode(characters) cs as c
         lateral view explode(hobbies) hs as h
where c = '开朗'
  and h = '打游戏';

行转列

行转列，将多行的数据合并成一列
案例

select * from students_tmp;
-- 将同年级同班级的学生放到一起
-- collect_list和collect_set将数据合并到一个数组中
-- 不同的地方在于，collect_list允许有重复数据，但是collect_set不允许元素重复
-- concat_ws(符号，元素)，表示将后边的元素之间用指定的符号进行拼接，拼接成一个字符串
select grade                               as `年级`,
       class                               as `班级`,
       concat_ws(', ', collect_list(name)) as `学生`
from students_tmp
group by grade, class;

自定义函数

自定义UDF：需要定义一个类，Hive1.x和Hive2.x继承UDF类，但是Hive3.x，UDF类已经过时，所以需要继承GenericUDF
自定义UDTF：需要定义一个类，继承GenericUDTF
打成jar包，然后上传到HDFS上
在Hive中创建函数

-- 基本语法
create function 函数名
    as '包名.类名'
    using jar '在HDFS上的存储路径';
-- UDF
create function indexOf
    as 'com.fesco.AuthUDF'
    using jar 'hdfs://hadoop01:9000/F_Hive-1.0-SNAPSHOT.jar';
-- UDTF
create function splitLine
    as 'com.fesco.AuthUDTF'
    using jar 'hdfs://hadoop01:9000/F_Hive-1.0-SNAPSHOT.jar';

-- 测试
select indexOf('welcome', 'm');
select splitLine('welcome to big data', ' ');

删除函数

drop function indexOf;

窗口函数

概述

窗口函数又称之为开窗函数，用于限定要处理的数据范围
基本语法结构

分析函数 over(partition by 字段 order by 字段 [desc/asc] rows between 起始范围 and 结束范围)

partition by对数据进行分类
order by对数据进行排序
rows between x and y指定数据的处理范围

关键字	解释
preceding	向前
following	向后
unbounded	无边界
current row	当前行

示例：假设当前处理的第5行数据

2 preceding and current row：处理前两行到当前行。即处理第3~5行的数据
current row and 3 following：处理当前行以及向后3行。即处理第5~8行的数据
unbounded preceding and current row：从第一行到当前行
current row and unbounded following：从当前行到最后一行

分析函数：大致可以分为三组

聚合函数，例如sum，avg等
移位函数，包含lag，lead，ntil
排序函数，包含row_number，rank，dense_rank

案例

原始数据

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
neil,2017-05-10,12
mart,2017-04-11,75
neil,2017-06-12,80
mart,2017-04-13,94

建表

-- 建表
create table orders
(
    name       string,
    order_date string,
    cost       int
) row format delimited fields terminated by ',';
-- 加载数据
load data local inpath '/opt/hive_data/orders' into table orders;

需求一：查询每一位顾客的消费明细以及到消费日期为止的总消费金额

-- 思路：
-- 1. 拆寻每一位顾客的信息，那么需要按照顾客姓名来分类
-- 2. 按照日期，将订单进行排序
-- 3. 计算总消费金额，所以需要求和
-- 4. 到当前消费日期为止的金额，也就意味着是获取从第一行到当前行的数据来处理
select *,
       sum(cost) over (partition by name order by order_date rows between unbounded preceding and current row ) as total_cost
from orders;

补充：正则捕获组

概述

在正则表达式中，将()括起来的部分，称之为捕获组，此时可以将捕获组看作是一个整体
在正则表达式中，默认会对捕获组进行编号，编号是从1开始的。编号的计算，是从捕获组左半边括号出现的顺序来依次计算的

例如：(AB(C(D)E)F(G))
1	AB(C(D)E)F(G)
2	C(D)E
3	D
4	G

在正则表达式中，可以通过\n的形式来引用对应编号的捕获组。例如\1表示引用编号为1的捕获组

本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。

上一篇：linux mysql压缩包安装操作

下一篇：基于pytorch的mnist手写数字识别中loss随epoch减小的图像

提问和评论都可以，用心的回复会被更多人看到评论

发布评论

相关文章

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯

hive 自定义函数 struct转换为string

hive 自定义函数 struct转换为string

Hive

数据类型

struct类型

运算符和函数

概述

入门案例

常用函数

nvl函数

case-when函数

explode函数

列转行

行转列

分类

自定义函数

窗口函数

概述

案例

补充：正则捕获组

概述

51CTO博客