查看函数的介绍（必读）：
show functions ; #查看hive中的所有内置函数
desc function extended 函数名; #查看某个函数的详细介绍
1.hive中常见的内置函数
1）集合函数
创建数组
array(ele1,ele2,ele3)
例：select array(1,2,3,4);
判断值是否在数组中
array_contains(arr,value)
例：select array_contains(array(1,2,3,4),5);
创建一个map（基数为key,偶数为value）
map(key0,value0,key1,value1…)
例：select map('zs',1,'ls',2)
返回map中所有的key
map_keys(map)
例：select map_keys(map('zs',1,'ls',2)
返回map中所有的value
map_values(map)
例：select map_values(map('zs',1,'ls',2)
2）数值函数
小数四舍五入： round(x,[d]) 参数1：浮点数,参数二：保留的位数 例：select round(4.5,1) 返回5 例：select round(5.1) 返回5 默认保留整数位
向上取整： celi(num) 例：ceil(5.1) #6 向下取整： floor(num) 例：floor(5.1) #6
3）字符串操作
substr(str,pos,len) #截取字符串（下标从1开始） 例：select substr(‘abcd’,1) abcd 例：select substr(‘abcd’,1,1) a ps：substr和substring用法相同 instr(str,substr) #返回子串开始的位置 例：instr(‘abcd’,’cd’) 3 例：instr(‘abcd’ ,’zy’) 0 #没有的默认返回0
split(str,regex) #字符串切分，返回一个数组
例：select split(‘hello world’,’ ’)
concat(str1,str2…) #字符串拼接
例：concat(‘ab’,’cd’,’ef’) ‘abcdef’
**concat_ws(separarot,[string|array<string>]) ** #字符串拼接 例：select concat_ws(‘,’,’ab’,’cd’,’ef’) #’ab,cd,ef’ 例：select concat_ws(',','a',array('b','c')); ‘a,b,c’ 大小写转化 lcase /lower #字符串转化为小写 ucase /upper #字符串转化为大写
nvl #字符串判断 例：select nvl(value,'delfaut') #如果前者为null,返回后者
if
语法：if(表达式,返回值1,,返回值2)
例： if(value is null ,'default',value) ,表达式为true，返回返回值1，否则返回返回值2
4）日期操作
unix_timestamp(data,format) #返回指定日期的时间戳
例：
例：select unix_timestamp('2018-9-1','yyyy-MM-dd'); #返回给定日期的时间戳
from_unixtime(timestamp,format) #返回相应时间戳的时间
例：from_unixtime(1151561,’yyyy-MM-dd’)
year(data) #返回给定日期的年
例： year('2018-5-4') #返回2018
相应的函数还有：month、day、hour、minute、second
**weekofyear(data) ** #返回相应日期，是一年中的第几周
例：select weekofyear('2018-5-5') ;
datediff(date1,date2) #两个日期相差的天数
例：select datediff('2018-5-9','2018-5-10');
5）表生成函数
语法：explode(a) a可以是一个array,或者map,将数组或者map炸裂为多行
例：select explode(array(1,2,3));
例：select explode(map('zs',1,'ls',2));
实际应用：
#建表语句
create table user_info(name string,info map<string,string>) row format delimited fields terminated by ‘\t’ collection items terminated by ‘,’ map keys terminated by ‘:’
#数据格式：zs age:28,salary:20000,address:beijing
#生成数据：
zs age:28
zs salary:20000
zs address:Beijing
#使用表生成函数解决：
select name,t.* from user_info lateral view explode(info) t;
2. 自定义函数
在hive中函数的分类：
这里我们自定义UDF，一路经一路出。
第一步：自定义Java类（导入hive依赖，编写类继承UDF）
注意：方法的名称一定要是evaluate！！！！
package com.zy.mr.hive;
import org.apache.hadoop.hive.ql.exec.UDF;
public class MyUDF extends UDF{
/**
* 参数：参数就是调用函数传入的参数
* 返回值就是，调用的函数的返回值
*
*
* 注意：
* 1.方法的修饰符必须为public
* 2.返回值不能为void
* 3.一般的参数也不能
*/
//三个数求和
public int evaluate(int num1,int num2,int num3) {
return num1+num2+num3;
}
//ip位数补齐 192.166.1.1 -----192.168.001.001
public String evaluate(String ip) {
String[] split = ip.split("\\.");
for(int i=0;i<split.length;i++) {
split[i]="000"+split[i];
split[i]=split[i].substring(split[i].length()-3);
}
return split[0]+"."+split[1]+"."+split[2]+"."+split[3];
}
}
第二步：打jar包，上传到Linux 第三步：将jar包放入hive的classpath下：add jar ../xx..jar 第四步：验证是否添加成功：list jars; 第五步：创建临时函数，关联自定义函数：create temporary function func_my as '类的权限定名称' 第六步：验证是否关联成功：show functions; 此时hive的内置函数库中会多一个函数 第七步：使用自定义函数
3. hive中的分析函数
分析函数的介绍： 分析函数有三种：row_number()，rank()，dense_rank() 三种函数需要与聚合函数共同使用。也可以与over()一起使用。 语法： row_number() over(partition by /distribute by order by /sort by ) rank () over(partition by /distribute by order by /sort by ) dense_rank() over(partition by /distribute by order by /sort by )
三种函数的区别：
实际应用：
数据：
95002 刘晨 女 19 IS
95017 王风娟 女 18 IS
95018 王一 女 19 IS
95013 冯伟 男 21 CS
95014 王小丽 女 19 CS
95019 邢小丽 女 19 IS
95020 赵钱 男 21 IS
95003 王敏 女 22 MA
95004 张立 男 19 IS
95012 孙花 女 20 CS
95010 孔小涛 男 19 CS
95005 刘刚 男 18 MA
95006 孙庆 男 23 CS
95007 易思玲 女 19 MA
95008 李娜 女 18 CS
95021 周二 男 17 MA
95022 郑明 男 20 MA
95001 李勇 男 20 CS
95011 包小柏 男 18 MA
95009 梦圆圆 女 18 MA
95015 王君 男 18 MA
需求：列出每个部门中年龄最小的三个 解决：
#step1：
create table stu_step1 as select * ,row_number over(partition by department order by age desc ) as top from student_manager ;
# step2:
selecet * from stu_step1 where top <=3 ;
4. hive中处理json
以一个案例为准：
数据：
['{"movie":"1193","rate":"5","timeStamp":"978300760","uid":"1"}','{"movie":"661","rate":"3","timeStamp":"978302109","uid":"1"}' ,'{"movie":"914","rate":"3","timeStamp":"978301968","uid":"1"}' ,'{"movie":"3408","rate":"4","timeStamp":"978300275","uid":"1"}' ,'{"movie":"2355","rate":"5","timeStamp":"978824291","uid":"1"}' ,'{"movie":"1197","rate":"3","timeStamp":"978302268","uid":"1"}' ,'{"movie":"1287","rate":"5","timeStamp":"978302039","uid":"1"}' ,'{"movie":"2804","rate":"5","timeStamp":"978300719","uid":"1"}' ,'{"movie":"594","rate":"4","timeStamp":"978302268","uid":"1"}']
使用的函数：get_json_object(json,path) ，json是一个json字符串
path是解析的路径。
例：
select get_json_object('{"movie":"914","rate":"3","timeStamp":"978301968","uid":"1"}',$.movie)
解释：在这个函数的path中
$：表示根目录 {}
.：表示子节点 moive rate timestamp
[]：表示数组的元素
*：表示数组中的所有
例：以上面的数据为例：
select get_json_object(json,$[*].movie) 取上面数据的所有的json中的movie的值。
5. transform
Transform是一个hive的脚本解析方式（shell和python 脚本） 需求：统计周一到周日哪一天的观影人数最多？ 数据： {"movie":"1193","rate":"5","timeStamp":"978300760","uid":"1"} {"movie":"661","rate":"3","timeStamp":"978302109","uid":"1"} {"movie":"914","rate":"3","timeStamp":"978301968","uid":"1"} {"movie":"3408","rate":"4","timeStamp":"978300275","uid":"1"} {"movie":"2355","rate":"5","timeStamp":"978824291","uid":"1"} {"movie":"1197","rate":"3","timeStamp":"978302268","uid":"1"} {"movie":"1287","rate":"5","timeStamp":"978302039","uid":"1"} {"movie":"2804","rate":"5","timeStamp":"978300719","uid":"1"} {"movie":"594","rate":"4","timeStamp":"978302268","uid":"1"} 第一步 ： 建表：
#建表：
create table movie_01(line string);
#加载数据
load data local inpath '/home/hadoop/movie' into table movie_01;
#Json解析原始表
create table movie_02 as
select
get_json_object(line,'$.movie') as moive_id ,
get_json_object(line,'$.rate') as rate ,
get_json_object(line,'$.timeStamp') as `timeStamp`,
get_json_object(line,'$.uid') as userid
from movie_01;
第二步 ： 编写Python脚本：
#!/usr/bin/python
import sys
import datetime
for line in sys.stdin:
line = line.strip()
movie,rate,unixtime,userid = line.split('\t')
weekday = datetime.datetime.fromtimestamp(float(unixtime)).isoweekday()
print '\t'.join([movie, rate, str(weekday),userid])
第三步 ： 在hive中调用脚本解析数据
将脚本文件加载到hive的classpath下：add file /home/hadoop/datas/my.py;
检验：list files;/ list file;
第四步 ： 查询解析
##
select transform(moive_id,rate,timestamp,userid) using 'python my.py' as (movieid,rate,week_day,userid) from movie_02;
#transform:向脚本中传入的参数
#using:调用脚本（shell 是 sh xxx.sh）
# as后面是别名
