HIVE 常用函数总结

时光-Time

hive 函数比较多，之前总是随用随查，今天把常用的函数总结一下，以后方便查阅。

本文主要涉及以下几个大面：

1、Hive函数介绍以及内置函数查看

内容较多，见《Hive官方文档》

https:// cwiki.apache.org/conflu ence/display/Hive/LanguageManual+UDF

正在从事 Hive 工作的同学，推荐这本深入了解一下：

1）查看系统自带的函数

hive> show functions;

2）显示自带的函数的用法

hive> desc function upper;

3）详细显示自带的函数的用法

hive> desc function extended upper;

2、常用函数介绍

关系运算

1、等值比较: =

语法：A=B
操作类型 ：所有基本类型
描述 : 如果表达式A与表达式B相等，则为TRUE；否则为FALSE

hive> select 1 from tableName where 1=1;

2、不等值比较: <>

语法 : A <> B
操作类型 : 所有基本类型
描述 : 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 tableName where 1 <> 2;

3、小于比较: <

语法 : A select 1 from tableName where 1 < 2;

4、小于等于比较: <=

语法 : A <= B
操作类型 : 所有基本类型
描述 : 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 tableName where 1 < = 1;

5、大于比较: >

语法 : A > B
操作类型 : 所有基本类型
描述 : 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 tableName where 2 > 1;

6、大于等于比较: >=

语法 : A >= B
操作类型 : 所有基本类型
描述 : 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 tableName 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 tableName;

OK

2011111209 00:00:00 2011111209

hive> select a, b, a<b, a>b, a=b from tableName;

2011111209 00:00:00 2011111209 false true false

7、空值判断: IS NULL

语法 : A IS NULL
操作类型 : 所有类型
描述 : 如果表达式A的值为NULL，则为TRUE；否则为FALSE

hive> select 1 from tableName where null is null;

8、非空判断: IS NOT NULL

语法 : A IS NOT NULL
操作类型 : 所有类型
描述 : 如果表达式A的值为NULL，则为FALSE；否则为TRUE

hive> select 1 from tableName where 1 is not null;

9、LIKE比较: LIKE

语法 : A LIKE B
操作类型 : strings
描述 : 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 tableName where 'football' like 'foot%';

hive> select 1 from tableName where 'football' like 'foot____';

注意：否定比较时候用NOT A LIKE B

hive> select 1 from tableName where NOT 'football' like 'fff%';

10、JAVA的LIKE操作: RLIKE

语法 : A RLIKE B
操作类型 : strings
描述 : 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 tableName 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 tableName where '123456' rlike '^\\d+$';

1

hive> select 1 from tableName where '123456aa' rlike '^\\d+$';

11、REGEXP操作: REGEXP

语法 : A REGEXP B
操作类型 : strings
描述 : 功能与RLIKE相同

hive> select 1 from tableName where 'footbar' REGEXP '^f.*r$';

1

数学运算：

1、加法操作: +

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 tableName;

10

hive> create table tableName as select 1 + 1.2 from tableName;

hive> describe tableName;

_c0 double

2、减法操作: -

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 tableName;

5

hive> create table tableName as select 5.6 – 4 from tableName;

hive> describe tableName;

_c0 double

3、乘法操作: *

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 tableName;

200

4、除法操作: /

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 tableName;

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 tableName limit 1;

结果为4

hive>select ceil(28.0/6.99999999999999) from tableName limit 1;

结果为5

5、取余操作: %

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 tableName;

1

hive> select 8.4 % 4 from tableName;

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 tableName;

0.4

6、位与操作: &

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 tableName;

0

hive> select 6 & 4 from tableName;

4

7、位或操作: |

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 tableName;

12

hive> select 6 | 8 from tableName;

14

8、位异或操作: ^

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 tableName;

12

hive> select 6 ^ 4 from tableName;

2

9．位取反操作: ~

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 tableName;

-7

hive> select ~4 from tableName;

-5

逻辑运算：

1、逻辑与操作: AND

语法 : A AND B
操作类型 ：boolean
说明：如果A和B均为TRUE，则为TRUE；否则为FALSE。如果A为NULL或B为NULL，则为NULL

hive> select 1 from tableName where 1=1 and 2=2;

1

2、逻辑或操作: OR

语法 : A OR B
操作类型 ：boolean
说明：如果A为TRUE，或者B为TRUE，或者A和B均为TRUE，则为TRUE；否则为FALSE

hive> select 1 from tableName where 1=2 or 2=2;

1

3、逻辑非操作: NOT

语法 : NOT A
操作类型 ：boolean
说明：如果A为FALSE，或者A为NULL，则为TRUE；否则为FALSE

hive> select 1 from tableName where not 1=2;

1

数值计算

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 tableName;

3

hive> select round(3.5) from tableName;

4

hive> create table tableName as select round(9542.158) from tableName;

hive> describe tableName;

_c0 bigint

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 tableName;

3.1416

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 tableName;

3

hive> select floor(25) from tableName;

25

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 tableName;

4

hive> select ceil(46) from tableName;

46

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 tableName;

4

hive> select ceiling(46) from tableName;

46

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 tableName;

0.5577432776034763

hive> select rand() from tableName;

0.6638336467363424

hive> select rand(100) from tableName;

0.7220096548596434

hive> select rand(100) from tableName;

0.7220096548596434

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 tableName;

7.38905609893065

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

1

hive> select ln(7.38905609893065) from tableName;

2.0

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 tableName;

2.0

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 tableName;

3.0

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 tableName;

4.0

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 tableName;

16.0

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 tableName;

16.0

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 tableName;

4.0

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 tableName;

111

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 tableName;

11

hive> select hex(‘abc’) from tableName;

616263

16、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 tableName;

abc

hive> select unhex(‘11’) from tableName;

-

hive> select unhex(616263) from tableName;

abc

17、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 tableName;

11

hive> select conv(17,10,2) from tableName;

10001

18、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 tableName;

3.9

hive> select abs(10.9) from tableName;

10.9

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 tableName;

1

hive> select pmod(-9,4) from tableName;

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 tableName;

0.7173560908995228

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 tableName;

0.8

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 tableName;

0.6216099682706644

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 tableName;

0.9

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 tableName;

-10

hive> select positive(12) from tableName;

12

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 tableName;

5

hive> select negative(8) from tableName;

-8

日期函数

1、UNIX时间戳转日期函数: from_unixtime ***

语法 : from_unixtime(bigint unixtime[, string format])
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 tableName;

20111208

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 tableName;

1323309615

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 tableName;

1323234063

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 tableName;

1323234063

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 tableName;

2011-12-08

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 tableName;

2011

hive> select year('2012-12-08') from tableName;

2012

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 tableName;

12

hive> select month('2011-08-08') from tableName;

8

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 tableName;

8

hive> select day('2011-12-24') from tableName;

24

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 tableName;

10

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 tableName;

3

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 tableName;

1

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 tableName;

49

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 tableName;

213

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 tableName;

2012-12-18

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 tableName;

2012-11-28

条件函数

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

hive> select if(1=2,100,200) from tableName;

200

hive> select if(1=1,100,200) from tableName;

100

2、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,'100','50') from tableName;

100

3、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 100 when 50 then 'tom' when 100 then 'mary' else 'tim' end from tableName;

mary

hive> Select case 200 when 50 then 'tom' when 100 then 'mary' else 'tim' end from tableName;

tim

4、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 1=2 then 'tom' when 2=2 then 'mary' else 'tim' end from tableName;

mary

hive> select case when 1=1 then 'tom' when 2=2 then 'mary' else 'tim' end from tableName;

tom

字符串函数

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 tableName;

7

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 tableName;

gfdecba

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 tableName;

abcdefgh

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 tableName;

abc,def,gh

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 tableName;

cde

hive> select substring('abcde',3) from tableName;

cde

hive> select substr('abcde',-1) from tableName; （和ORACLE相同）

e

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 tableName;

cd

hive> select substring('abcde',3,2) from tableName;

cd

hive>select substring('abcde',-2,2) from tableName;

de

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 tableName;

ABSED

hive> select ucase('abSEd') from tableName;

ABSED

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 tableName;

absed

hive> select lcase('abSEd') from tableName;

absed

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 tableName;

abc

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 tableName;

abc

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 tableName;

abc

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 tableName;

fb

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 tableName;

the

hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 2) from tableName;

bar

hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 0) from tableName;

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;

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.tableName.com/path1/p.php?k1=v1&k2=v2 #Ref1', 'HOST')

from tableName;

http://www. tableName.com

hive> select parse_url

(' https://www.tableName.com/path1/p.php?k1=v1&k2=v2 #Ref1', 'QUERY', 'k1')

from tableName;

v1

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 tableName;

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 tableName;

hive> select length(space(10)) from tableName;

10

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 tableName;

abcabcabcabcabc

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 tableName;

97

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 tableName;

tdtdtdtabc

注意：与GP，ORACLE不同，pad 不能默认

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 tableName;

abctdtdtdt

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 tableName;

["ab","cd","ef"]

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 tableName;

2

hive> select find_in_set('at','ef,ab,de') from tableName;

0

集合统计函数

1、个数统计函数: count ***

语法 : count(*), count(expr), count(DISTINCT expr[, expr_.])
返回值 : int
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(DISTINCT expr[, expr_.])返回指定字段的不同的非空值的个数

hive> select count(*) from tableName;

20

hive> select count(distinct t) from tableName;

10

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

hive> select sum(t) from tableName;

100

hive> select sum(distinct t) from tableName;

70

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

hive> select avg(t) from tableName;

50

hive> select avg (distinct t) from tableName;

30

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

hive> select min(t) from tableName;

20

5、最大值统计函数: max ***

语法 : maxcol)
返回值 : double
说明 : 统计结果集中col字段的最大值

hive> select max(t) from tableName;

120

6、非空集合总体变量函数: var_pop

语法 : 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）

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）

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

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

10．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

11、中位数函数: percentile

语法 : percentile(BIGINT col, array(p1 [, p2]…))
返回值 : array<double>
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<double>，其中为对应的百分位数。

select percentile(score,<0.2,0.4>) from tableName；取0.2，0.4位置的数据

12、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

13、近似中位数函数: percentile_approx

语法 : percentile_approx(DOUBLE col, array(p1 [, p2]…) [, B])
返回值 : array<double>
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<double>，其中为对应的百分位数。

14、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) from tableName;

[{"x":100.0,"y":1.0}]

复合类型构建操作

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 mapTable as select map('100','tom','200','mary') as t from tableName;

hive> describe mapTable;

t map<string ,string>

hive> select t from tableName;

{"100":"tom","200":"mary"}

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 struct_table as select struct('tom','mary','tim') as t from tableName;

hive> describe struct_table;

t struct<col1:string ,col2:string,col3:string>

hive> select t from tableName;

{"col1":"tom","col2":"mary","col3":"tim"}

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 arr_table as select array("tom","mary","tim") as t from tableName;

hive> describe tableName;

t array<string>

hive> select t from tableName;

["tom","mary","tim"]

复杂类型访问操作 ****

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 arr_table2 as select array("tom","mary","tim") as t

from tableName;

hive> select t[0],t[1] from arr_table2;

tom mary tim

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> Create table map_table2 as select map('100','tom','200','mary') as t from tableName;

hive> select t['200'],t['100'] from map_table2;

mary tom

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 str_table2 as select struct('tom','mary','tim') as t from tableName;

hive> describe tableName;

t struct<col1:string ,col2:string,col3:string>

hive> select t.col1,t.col3 from str_table2;

tom tim

复杂类型长度统计函数 ****

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(t) from map_table2;

2

2.array类型长度函数: size(Array<T>)

语法 : size(Array<T>)
返回值 : int
说明 : 返回array类型的长度

hive> select size(t) from arr_table2;

4

3.类型转换函数 ***

类型转换函数 : cast
语法 : cast(expr as <type>)
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 tableName;

1

3、hive当中的lateral view 与 explode以及reflect和窗口函数

1、使用explode函数将hive表中的Map和Array字段数据进行拆分

lateral view用于和split、explode等UDTF一起使用的，能将一行数据拆分成多行数据，在此基础上可以对拆分的数据进行聚合，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在把结果组合，产生一个支持别名表的虚拟表。

其中explode还可以用于将hive一列中复杂的array或者map结构拆分成多行

需求：现在有数据格式如下

zhangsan child1,child2,child3,child4 k1:v1,k2:v2

lisi child5,child6,child7,child8 k3:v3,k4:v4

字段之间使用\t分割，需求将所有的child进行拆开成为一列

+----------+--+

| mychild |

+----------+--+

| child1 |

| child2 |

| child3 |

| child4 |

| child5 |

| child6 |

| child7 |

| child8 |

+----------+--+

将map的key和value也进行拆开，成为如下结果

+-----------+-------------+--+

| mymapkey | mymapvalue |

+-----------+-------------+--+

| k1 | v1 |

| k2 | v2 |

| k3 | v3 |

| k4 | v4 |

+-----------+-------------+--+

第一步：创建hive数据库

创建hive数据库

hive (default)> create database hive_explode;

hive (default)> use hive_explode;

第二步：创建hive表，然后使用explode拆分map和array

hive (hive_explode)> create table t3(name string,children array<string>,address Map<string,string>)

row format delimited fields terminated by '\t'

collection items terminated by ','

map keys terminated by ':' stored as textFile;

第三步：加载数据

node03执行以下命令创建表数据文件

mkdir -p /export/servers/hivedatas/

cd /export/servers/hivedatas/

vim maparray

zhangsan child1,child2,child3,child4 k1:v1,k2:v2

lisi child5,child6,child7,child8 k3:v3,k4:v4

hive表当中加载数据

hive (hive_explode)> load data local inpath '/export/servers/hivedatas/maparray' into table t3;

第四步：使用explode将hive当中数据拆开

将array当中的数据拆分开

hive (hive_explode)> SELECT explode(children) AS myChild FROM t3;

将map当中的数据拆分开

hive (hive_explode)> SELECT explode(address) AS (myMapKey, myMapValue) FROM t3;

2、使用explode拆分json字符串

需求：现在有一些数据格式如下：

a:shandong,b:beijing,c:hebei|1,2,3,4,5,6,7,8,9|[{"source":"7fresh","monthSales":4900,"userCount":1900,"score":"9.9"},{"source":"jd","monthSales":2090,"userCount":78981,"score":"9.8"},{"source":"jdmart","monthSales":6987,"userCount":1600,"score":"9.0"}]

其中字段与字段之间的分隔符是 |

我们要解析得到所有的monthSales对应的值为以下这一列（行转列）

4900

2090

6987

第一步：创建hive表

hive (hive_explode)> create table explode_lateral_view

(`area` string,

`goods_id` string,

`sale_info` string)

ROW FORMAT DELIMITED

FIELDS TERMINATED BY '|'

STORED AS textfile;

第二步：准备数据并加载数据

准备数据如下

cd /export/servers/hivedatas

vim explode_json

a:shandong,b:beijing,c:hebei|1,2,3,4,5,6,7,8,9|[{"source":"7fresh","monthSales":4900,"userCount":1900,"score":"9.9"},{"source":"jd","monthSales":2090,"userCount":78981,"score":"9.8"},{"source":"jdmart","monthSales":6987,"userCount":1600,"score":"9.0"}]

加载数据到hive表当中去

hive (hive_explode)> load data local inpath '/export/servers/hivedatas/explode_json' overwrite into table explode_lateral_view;

第三步：使用explode拆分Array

hive (hive_explode)> select explode(split(goods_id,',')) as goods_id from explode_lateral_view;

第四步：使用explode拆解Map

hive (hive_explode)> select explode(split(area,',')) as area from explode_lateral_view;

第五步：拆解json字段

hive (hive_explode)> select explode(split(regexp_replace(regexp_replace(sale_info,'\\[\\{',''),'}]',''),'},\\{')) as sale_info from explode_lateral_view;

然后我们想用get_json_object来获取key为monthSales的数据：

hive (hive_explode)> select get_json_object(explode(split(regexp_replace(regexp_replace(sale_info,'\\[\\{',''),'}]',''),'},\\{')),'$.monthSales') as sale_info from explode_lateral_view;

然后出现异常FAILED: SemanticException [Error 10081]: UDTF's are not supported outside the SELECT clause, nor nested in expressions

UDTF explode不能写在别的函数内

如果你这么写，想查两个字段，select explode(split(area,',')) as area,good_id from explode_lateral_view;

会报错FAILED: SemanticException 1:40 Only a single expression in the SELECT clause is supported with UDTF's. Error encountered near token 'good_id'

使用UDTF的时候，只支持一个字段，这时候就需要LATERAL VIEW出场了

3、配合LATERAL VIEW使用

配合lateral view查询多个字段

hive (hive_explode)> select goods_id2,sale_info from explode_lateral_view LATERAL VIEW explode(split(goods_id,','))goods as goods_id2;

其中LATERAL VIEW explode(split(goods_id,','))goods相当于一个虚拟表，与原表explode_lateral_view笛卡尔积关联。

也可以多重使用

hive (hive_explode)> select goods_id2,sale_info,area2

from explode_lateral_view

LATERAL VIEW explode(split(goods_id,','))goods as goods_id2

LATERAL VIEW explode(split(area,','))area as area2;也是三个表笛卡尔积的结果

最终，我们可以通过下面的句子，把这个json格式的一行数据，完全转换成二维表的方式展现

hive (hive_explode)> select get_json_object(concat('{',sale_info_1,'}'),'$.source') as source,

get_json_object(concat('{',sale_info_1,'}'),'$.monthSales') as monthSales,

get_json_object(concat('{',sale_info_1,'}'),'$.userCount') as monthSales,

get_json_object(concat('{',sale_info_1,'}'),'$.score') as monthSales from explode_lateral_view

LATERAL VIEW explode(split(regexp_replace(regexp_replace(sale_info,'\\[\\{',''),'}]',''),'},\\{'))sale_info as sale_info_1;

总结：

Lateral View通常和UDTF一起出现，为了解决UDTF不允许在select字段的问题。
Multiple Lateral View可以实现类似笛卡尔乘积。
Outer关键字可以把不输出的UDTF的空结果，输出成NULL，防止丢失数据。

4、列转行

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;

CONCAT_WS(separator, str1, str2,...)：它是一个特殊形式的 CONCAT()。第一个参数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;

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。

2．数据准备

表6-6 数据准备

name constellation blood_type 孙悟空白羊座 A 老王射手座 A 宋宋白羊座 B 猪八戒白羊座 A