hive常用的函数有哪些 hive函数nvl

查询相关函数

1. 空字段赋值 (NVL)

1. 函数说明：给值为null的数据赋值，语法为nvl(str,replace_with)，它的功能是如果string1为NULL，则NVL函数返回replace_with的值，否则返回string1的值，如果两个参数都为NULL ，则返回NULL；
2. 例：如果员工的comm为NULL，则用-1代替：select nvl(comm,-1) from emp;

2. CASE WHEN
   示例：有如下表(emp)

name|dept_id| sex
悟空 	A      男
大海 	A      男
宋宋 	B      男
凤姐 	A      女
婷姐 	B      女
婷婷 	B      女

需求：求出不同部门男、女各多少人。结果如下
A 2 1
B 1 2
按需求查询数据：

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
group by dept_id;

1. 行转列

1. 相关函数说明:
   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()。第一个参数是剩余参数间的分隔符。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;
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
4. 案例：
   ①有如下表：

name 	constellation 	blood_type
悟空 	白羊座 		A
大海 	射手座 		A
宋宋 	白羊座 		B
八戒 	白羊座 		A
凤姐 	射手座 		A

②把星座和血型一样的人归类到一起。结果如下：

射手座,A            大海|凤姐
白羊座,A            悟空|八戒
白羊座,B            宋宋

③创建本地constellation.txt，导入数据；
④创建hive表并导入数据：

create table student(
name string,
constellation  string,
blood  char)
row format delimited fields terminated by "\t";		
load data local inpath '/opt/module/datas/person_info.txt' into table student;

⑤按需求查询数据：

select 
  s.base,
  concat_ws('|',collect_set(s.name)) name
from (
   select name, concat(constellation,",",blood_type) base
   from 
   student) s
group by s.base;

1. 列转行

1. 函数说明：
   explode(col）：将hive中一列中复杂的array或map结构拆分成多行。
   lateral view：
   用法：lateral view udtf(expression) tableAlias as columnAlias
   解释：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;
2. 数据准备 ( movie_info.txt )：

movie		category
《疑犯追踪》	悬疑,动作,科幻,剧情
《Lie to me》	悬疑,警匪,动作,心理,剧情
《战狼2》 	战争,动作,灾难

1. 案例：将电影分类中的数组数据展开。
   结果如下：

《疑犯追踪》      悬疑
《疑犯追踪》      动作
《疑犯追踪》      科幻
《疑犯追踪》      剧情
《Lie to me》   悬疑
《Lie to me》   警匪
《Lie to me》   动作
《Lie to me》   心理
《Lie to me》   剧情
《战狼2》        战争
《战狼2》        动作
《战狼2》        灾难

1. 创建hive表并导入数据：

create table if not exists movie_info(
	movie string,
	category array<string>
)
row format delimited fields terminated by '\t'
collection items terminated by ',';

load data loacl inpath '/opt/module/data/movie_info.txt' into table movie_info;

1. 按需求查询数据：

select 
	movie,category_name
from 
	movie_info lateral view(category) table_tmp as category_name;

1. 窗口函数

1. 相关函数说明
   ① 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变而变化；
   ② current row：当前行；
   ③ n unbounded：往前n行数据；
   ④ n following：往后n行数据；
   ⑤ unbounded：起点，unbounded unbounded表示从前面的起点， unbounded following表示到后面的终点；
   ⑥ lag(col,n)：往前第n行数据
   ⑦ lead(col,n)：往后第n行数据
   ⑧ ntile(n)：把有序分区中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。
2. 数据准备：name，orderdate，cost

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

1. 创建hive表并导入数据

create table business(
 name string, 
 orderdate string,
 cost int
)
row format delimited fields terminated by '\t';
load data local inpath "/opt/module/datas/business.txt" into table business;

1. 按需求查询数据
   ① 查询在2017年4月份购买过的顾客及总人数：

select name,count(*) view()
from bussiness
where substring(orderdate,1,7)='2017-4'
group by name;

② 查询顾客的购买明细及月购买总额:

select name,orderdate,cost,sun(cost) 
view(partition by month(orderdate))
from bussiness;

③ 上述的场景,要将cost按照日期进行累加

select name,orderdate,cost, 
sum(cost) over() as sample1,--所有行相加 
sum(cost) over(partition by name) as sample2,--按name分组，组内数据相加 
sum(cost) over(partition by name order by orderdate) as sample3,--按name分组，组内数据累加 
sum(cost) over(partition by name order by orderdate rows between UNBOUNDED 	PRECEDING and current row ) as sample4 ,--和sample3一样,由起点到当前行的聚合 
sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING and 	current row) as sample5, --当前行和前面一行做聚合 
sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING AND 1 FOLLOWING ) as sample6,--当前行和前边一行及后面一行 
sum(cost) over(partition by name order by orderdate rows between current row and UNBOUNDED FOLLOWING ) as sample7 --当前行及后面所有行 
from business;

④ 查询顾客上次的购买时间:

select name,orderdate,cost, 
lag(orderdate,1,'1900-01-01') over(partition by name order by orderdate ) as time1, lag	(orderdate,2) over (partition by name order by orderdate) as time2 
from business;

⑤ 查询前20%时间的订单信息

select * from (
	select name,orderdate,cost, ntile(5) over(order by orderdate) sorted
	from business
) t
where sorted = 1;

1. Rank

1. 函数说明:
   ①RANK() 排序相同时会重复，总数不会变
   ②DENSE_RANK() 排序相同时会重复，总数会减少
   ③ROW_NUMBER() 会根据顺序计算
2. 数据准备：
   name subject score
   孙悟空 语文 87
   孙悟空 数学 95
   孙悟空 英语 68
   大海 语文 94
   大海 数学 56
   大海 英语 84
   宋宋 语文 64
   宋宋 数学 86
   宋宋 英语 84
   婷婷 语文 65
   婷婷 数学 85
   婷婷 英语 78
3. 创建hive表并导入数据

create table score(
name string,
subject string, 
score int) 
row format delimited fields terminated by "\t";
load data local inpath '/opt/module/datas/score.txt' into table score;

1. 按需求查询数据：

select name,
subject,
score,
rank() over(partition by subject order by score desc) rp,
dense_rank() over(partition by subject order by score desc) drp,
row_number() over(partition by subject order by score desc) rmp
from score;