Hive常用SQL函数大全

x33g5p2x  于2020-07-24 发布在 Hive  
字(26.9k)|赞(0)|评价(0)|浏览(847)

一、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; 只要有任意比较项为NULL,均返回 FALSE;
举例:

hive> select 1 from test where 1=1;
1
hive> select 1 from test where NULL = NULL;
OK

2. 等值比较:<=>

语法: A <=> B
操作类型:所有基本类型
描述: 如果 A 和 B 都是非 NULL 值,则返回结果和=一样, 如果两者都为 NULL, 返回 TRUE,如果有一个为 NULL, 则返回 FALSE。
举例:

hive> select 1 from test where NULL <=> NULL;
OK
1

3. 不等值比较: <>和!=

语法: A <> B 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
举例:

hive> select 1 from test where 1 <> 2;
1

4. 小于比较: <

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 小于表达式 B,则为 TRUE;否则为 FALSE
举例:

hive> select 1 from test where 1 < 2;
1

5. 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
举例:

hive> select 1 from test where 1 <= 1;
1

6. 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
举例:

hive> select 1 from test where 2 > 1;
1

7. 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
举例:

hive> select 1 from test 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 test;
OK
2011111209 00:00:00 2011111209
hive> select a,b,a<b,a>b,a=b from test;
2011111209 00:00:00 2011111209 false true false

8. 区间比较

语法: A [NOT] BETWEEN B AND C
操作类型: 所有类型
描述: 如果 A、 B、 C 有任一个为 NULL,则返回 FALSE. 等价于 B <= A < C.
举例:

hive> select 1 from test where 1 between 1 and 2;
OK
1

9. 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
举例:

hive> select 1 from test where null is null;
1

10. 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
举例:

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

11. 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。
举例:

hive> select 1 from test where 'football' like 'foot%';
1
hive> select 1 from test where 'football' like 'foot____';
1
注意: 否定比较时候用 NOT A LIKE B
hive> select 1 from test where NOT 'football' like 'fff%';
1

12. 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。
举例:

hive> select 1 from test where 'footbar’ rlike '^f.*r$’;
1
注意: 判断一个字符串是否全为数字:
hive>select 1 from test where '123456' rlike '^\\d+$';
1
hive> select 1 from test where '123456aa' rlike '^\\d+$';

13. REGEXP 操作: REGEXP

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

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

二、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
举例:

hive> select 1 + 9 from test;
10
hive> create table test as select 1 + 1.2 from test;
hive> describe test;
_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
举例:

hive> select 10 – 5 from test;
5
hive> create table test as select 5.6 – 4 from test;
hive> describe test;
_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
举例:

hive> select 40 * 5 from test;
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
举例:

hive> select 40 / 5 from test;
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 test limit 1;
结果为 4
hive>select ceil(28.0/6.99999999999999) from test 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)。
举例:

hive> select 41 % 5 from test;
1
hive> select 8.4 % 4 from test;
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 test;
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)。
举例:

hive> select 4 & 8 from test;
0
hive> select 6 & 4 from test;
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)。
举例:

hive> select 4 | 8 from test;
12
hive> select 6 | 8 from test;
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)。
举例:

hive> select 4 ^ 8 from test;
12
hive> select 6 ^ 4 from test;
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。
举例:

hive> select ~6 from test;
-7
hive> select ~4 from test;
-5

三、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
举例:

hive> select 1 from test 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
举例:

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

3. 逻辑非操作: NOT、 !

语法: NOT A、 !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
举例:

hive> select 1 from test where not 1=2;
1
hive> select 1 from test where !1=2;
OK
1

四、 复合类型构造函数

1. map 结构

语法: map(k1,v1,k2,v2,…)
操作类型: map
说明: 使用给定的 key-value 对,构造一个 map 数据结构
举例:

hive> select map('k1','v1','k2','v2') from test;
OK
{"k2":"v2","k1":"v1"}

2. struct 结构

语法: struct(val1,val2,val3,…)
操作类型: struct
说明: 使用给定的表达式,构造一个 struct 数据结构
举例:

hive> select struct(1,'aaa',FALSE) from test;
OK
{"col1":1,"col2":"aaa","col3":false}

3. named_struct 结构

语法: named_struct(name1,val1,name2,val2,name3,val3,…)
操作类型: struct
说明: 使用给定的表达式,构造一个指定列名的 struct 数据结构
举例:

hive> select named_struct('a',1,'b','aaa','c',FALSE) from test;
OK
{"a":1,"b":"aaa","c":false}

4. array 结构

语法: array(val1,val2,val3,…)
操作类型: array
说明: 使用给定的表达式,构造一个 array 数据结构
举例:

hive> select array(1,2,3) from test;
OK
[1,2,3]

5. create_union

语法: create_union (tag, val1, val2, ...)
操作类型: uniontype
说明: 使用给定的 tag 和表达式,构造一个 uniontype 数据结构。 tag 表示使用第 tag 个表达式作为 uniontype 的 value
举例:

hive> select create_union(0,'ss',array(1,2,3)) from test;
OK
{0:"ss"}
hive> select create_union(1,'ss',array(1,2,3)) from test;
OK
{1:[1,2,3]}

五、复合类型操作符

1. 获取 array 中的元素

语法: A[n]
操作类型: 所有基础类型
说明: 返回数组 A 中第 n 个索引的元素值。
举例:

hive> select array('a','b','c')[1] from test;
OK
b

2. 获取 map 中的元素

语法: M[key]
操作类型: 所有基础类型
说明: 返回 map 结构 M 中 key 对应的 value。
举例:

hive> select map('k1','v1')['k1'] from test;
OK
v1

3. 获取 struct 中的元素

语法: S.x
操作类型: 所有类型
说明: 返回 struct 结构 S 中名为 x 的元素。
举例:

hive> select named_struct('a',1,'b','aaa','c',FALSE).c from test;
OK
false

六、数值计算函数

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)
举例:

hive> select round(3.1415926) from test;
3
hive> select round(3.5) from test;
4
hive> create table test as select round(9542.158) from test;
hive> describe test;
_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
举例:

hive> select round(3.1415926,4) from test;
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
举例:

hive> select floor(3.1415926) from test;
3
hive> select floor(25) from test;
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
举例:

hive> select ceil(3.1415926) from test;
4
hive> select ceil(46) from test;
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
举例:

hive> select ceiling(3.1415926) from test;
4
hive> select ceiling(46) from test;
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
举例:

hive> select rand() from test;
0.5577432776034763
hive> select rand() from test;
0.6638336467363424
hive> select rand(100) from test;
0.7220096548596434
hive> select rand(100) from test;
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
举例:

hive> select exp(2) from test;
7.38905609893065

8. 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
举例:

hive> select ln(7.38905609893065) from test;
2.0

9. 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
举例:

hive> select log10(100) from test;
2.0

10. 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
举例:

hive> select log2(8) from test;
3.0

11. 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
举例:

hive> select log(4,256) from test;
4.0

12. 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
举例:

hive> select pow(2,4) from test;
16.0

13. 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
举例:

hive> select power(2,4) from test;
16.0

14. 开平方函数: sqrt

语法: sqrt(double a)
返回值: double
说明: 返回 a 的平方根
举例:

hive> select sqrt(16) from test;
4.0

15. 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
举例:

hive> select bin(7) from test;
111

16. 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
举例:

hive> select hex(17) from test;
11
hive> select hex(‘abc’) from test;
616263

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
举例:

hive> select unhex(‘616263’) from test;
abc

hive> select unhex(‘11’) from test;
-
hive> select unhex(616263) from test;
abc

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
举例:

hive> select conv(17,10,16) from test;
11
hive> select conv(17,10,2) from test;
10001

19. 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
举例:

hive> select abs(-3.9) from test;
3.9
hive> select abs(10.9) from test;
10.9

20. 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
举例:

hive> select pmod(9,4) from test;
1
hive> select pmod(-9,4) from test;
3

21. 正弦函数: sin

语法: sin(double a)
返回值: double
说明: 返回 a 的正弦值
举例:

hive> select sin(0.8) from test;
0.7173560908995228

22. 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
举例:

hive> select asin(0.7173560908995228) from test;
0.8

23. 余弦函数: cos

语法: cos(double a)
返回值: double
说明: 返回 a 的余弦值
举例:

hive> select cos(0.9) from test;
0.6216099682706644

24. 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
举例:

hive> select acos(0.6216099682706644) from test;
0.9

25. positive 函数: positive

语法: positive(int a), positive(double a)
返回值: int double
说明: 返回 a
举例:

hive> select positive(-10) from test;
-10
hive> select positive(12) from test;
12

26. negative 函数: negative

语法: negative(int a), negative(double a)
返回值: int double
说明: 返回-a
举例:

hive> select negative(-5) from test;
5
hive> select negative(8) from test;
-8

七、集合操作函数

1. map 类型大小: size

语法: size(Map<K.V>)
返回值: int
说明: 返回 map 类型的 size
举例:

hive> select size(map('k1','v1','k2','v2')) from test;
OK
2

2. array 类型大小: size

语法: size(Array<T>)

返回值: int
说明: 返回 array 类型的 size
举例:

hive> select size(array(1,2,3,4,5)) from test;
OK
5

3. 判断元素数组是否包含元素: array_contains

语法: array_contains(Array<T>, value)
返回值: boolean
说明: 返回 Array<T>中是否包含元素 value
举例:

hive> select array_contains(array(1,2,3,4,5),3) from test;
OK
true

4. 获取 map 中所有 value 集合

语法: map_values(Map<K.V>)
返回值: array<V>
说明: 返回 Map<K.V>中所有 value 的集合
举例:

hive> select map_values(map('k1','v1','k2','v2')) from test;
OK
["v2","v1"]

5. 获取 map 中所有 key 集合

语法: map_keys(Map<K.V>)
返回值: array<K>
说明: 返回 Map<K.V>中所有 key 的集合
举例:

hive> select map_keys(map('k1','v1','k2','v2')) from test;
OK
["k2","k1"]

6. 数组排序

语法: sort_array(Array<T>)
返回值: array<t>
说明: 对 Array<T>进行升序排序
举例:

hive> select sort_array(array(5,7,3,6,9)) from test;
OK
[3,5,6,7,9]

八、 类型转换函数

1. 二进制转换: binary

语法: binary(string|binary)
返回值: binary
说明: 将 string 类型转换为二进制
举例:

hive> select binary('test') from test;
OK
test

2. 基础类型之间强制转换: cast

语法: cast(expr as <type>)
返回值: <type>
说明: 将 expr 转换成<type>
举例:

hive> select cast('1' as DOUBLE) from test;
OK
1.0

九、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

举例:

hive> select from_unixtime(1323308943,'yyyyMMdd') from test;
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
举例:

hive> select unix_timestamp() from test;
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。
举例:

hive> select unix_timestamp('2011-12-07 13:01:03') from test;
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。
举例:

hive> select unix_timestamp('20111207 13:01:03','yyyyMMdd HH:mm:ss') from test;
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。
举例:

hive> select to_date('2011-12-08 10:03:01') from test;
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。
举例:

hive> select year('2011-12-08 10:03:01') from test;
2011
hive> select year('2012-12-08') from test;
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。
举例:

hive> select month('2011-12-08 10:03:01') from test;
12
hive> select month('2011-08-08') from test;
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。
举例:

hive> select day('2011-12-08 10:03:01') from test;
8
hive> select day('2011-12-24') from test;
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。
举例:

hive> select hour('2011-12-08 10:03:01') from test;
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。
举例:

hive> select minute('2011-12-08 10:03:01') from test;
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。
举例:

hive> select second('2011-12-08 10:03:01') from test;
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。
举例:

hive> select weekofyear('2011-12-08 10:03:01') from test;
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。
举例:

hive> select datediff('2012-12-08','2012-05-09') from test;
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。
举例:

hive> select date_add('2012-12-08',10) from test;
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。
举例:

hive> select date_sub('2012-12-08',10) from test;
2012-11-28

十、 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
举例:

hive> select if(1=2,100,200) from test;
200
hive> select if(1=1,100,200) from test;
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
举例:

hive> select COALESCE(null,'100','50′ ) from test;
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
举例:

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

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

十一、 字符串函数

1. 字符 ascii 码函数: ascii

语法: ascii(string str)
返回值: int
说明:返回字符串 str 中第一个字符的 ascii 码
举例:

hive> select ascii('ba') from test;
OK
98

2. base64 字符串

语法: base64(binary bin)
返回值: string
说明:返回二进制 bin 的 base 编码字符串
举例:

hive> select base64(binary('test')) from test;
OK
bHh3MTIzNA==

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
举例:

hive> select concat(‘abc’,'def’,'gh’) from test;
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
举例:

hive> select concat_ws(',','abc','def','gh') from test;
abc,def,gh

5. 数组转换成字符串的函数: concat_ws

语法: concat_ws(string SEP, array<string>)
返回值: string
说明:返回将数组链接成字符串后的结果, SEP 表示各个字符串间的分隔符
举例:

hive> select concat_ws('|',array('a','b','c')) from test;
OK
a|b|c

6. 小数位格式化成字符串函数: format_number

语法: format_number(number x, int d)
返回值: string
说明:将数值 x 的小数位格式化成 d 位,四舍五入
举例:

hive> select format_number(5.23456,3) from test;
OK
5.235

7. 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
举例:

hive> select substr('abcde',3) from test;
cde
hive> select substring('abcde',3) from test;
cde
hive> select substr('abcde',-1) from test; (和 ORACLE 相同)
e

8. 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
举例:

hive> select substr('abcde',3,2) from test;
cd
hive> select substring('abcde',3,2) from test;
cd
hive>select substring('abcde',-2,2) from test;
de

9. 字符串查找函数: instr

语法: instr(string str, string substr)
返回值: int
说明:返回字符串 substr 在 str 中首次出现的位置
举例:

hive> select instr('abcdf','df') from test;
OK
4

10. 字符串长度函数: length

语法: length(string A)
返回值: int
说明:返回字符串的长度
举例:

hive> select length('abc') from test;
OK
3

11. 字符串查找函数: locate

语法: locate(string substr, string str[, int pos])
返回值: int

说明:返回字符串 substr 在 str 中从 pos 后查找, 首次出现的位置
举例:

hive> select locate('a','abcda',1) from test;
OK
1
hive> select locate('a','abcda',2) from test;
OK
5

12. 字符串格式化函数: printf

语法: printf(String format, Obj... args)
返回值: string
说明:将指定对象用 format 格式进行格式化.
举例:

hive> select printf("%08X",123) from test;
OK
0000007B

13. 字符串转换成 map 函数: str_to_map

语法: str_to_map(text[, delimiter1, delimiter2])
返回值: map<string,string>
说明:将字符串按照给定的分隔符转换成 map 结构.
举例:

hive> select str_to_map('k1:v1,k2:v2') from test;
OK
{"k2":"v2","k1":"v1"}
hive> select str_to_map('k1=v1,k2=v2',',','=') from test;
OK
{"k2":"v2","k1":"v1"}

14. base64 解码函数: unbase64(string str)

语法: unbase64(string str)
返回值: binary
说明:将给定的 base64 字符串解码成二进制.
举例:

hive> select unbase64('bHh3MTIzNA==') from test;
OK
test

15. 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
举例:

hive> select upper('abSEd') from test;
ABSED
hive> select ucase('abSEd') from test;
ABSED

#### 16. 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
举例:

hive> select lower('abSEd') from test;
absed
hive> select lcase('abSEd') from test;
absed

17. 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
举例:

hive> select trim(' abc ') from test;
abc

18. 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
举例:

hive> select ltrim(' abc ') from test;
abc

19. 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
举例:

hive> select rtrim(' abc ') from test;
abc

20. 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。
举例:

hive> select regexp_replace('foobar', 'oo|ar', '') from test;
fb

21. 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。
举例:

hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 1) from test;
the
hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 2) from test;
bar
hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 0) from test;
foothebar
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;

22. 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.
举例:

hive> select parse_url('http://facebook.com/path1/p.php?k1=v1&k2=v2#Ref1', 'HOST') from test;
facebook.com
hive> select parse_url('http://facebook.com/path1/p.php?k1=v1&k2=v2#Ref1', 'QUERY', 'k1') from test;
v1

23. 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。
举例:

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 test;
amy

24. 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
举例:

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

25. 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
举例:

hive> select repeat('abc',5) from test;
abcabcabcabcabc

26. 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
举例:

hive> select lpad('abc',10,'td') from test;
tdtdtdtabc
注意:与 GP, ORACLE 不同, pad 不能默认

27. 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
举例:

hive> select rpad('abc',10,'td') from test;
abctdtdtdt

28. 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
举例:

hive> select split('abtcdtef','t') from test;
["ab","cd","ef"]

29. 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
举例:

hive> select find_in_set('ab','ef,ab,de') from test;
2
hive> select find_in_set('at','ef,ab,de') from test;
0

30.分词函数: sentences

语法: sentences(string str, string lang, string locale)

返回值: array<array<string>>
说明:返回输入 str 分词后的单词数组
举例:

hive> select sentences('hello word!hello hive,hi hive,hello hive') from test;
OK
[["hello","word"],["hello","hive","hi","hive","hello","hive"]]

31. 分词后统计一起出现频次最高的 TOP-K

语法: ngrams(array<array<string>>, int N, int K, int pf)
返回值: array<struct<string,double>>
说明:与 sentences()函数一起使用,分词后,统计分词结果中一起出现频次最高的TOP-K 结果
举例:

hive> SELECT ngrams(sentences('hello word!hello hive,hi hive,hello hive'),2,2) FROM test;
[{"ngram":["hello","hive"],"estfrequency":2.0},{"ngram":["hive","hello"],"estfrequency":1.0}]

该查询中,统计的是两个词在一起出现频次最高的 TOP-2结果中, hello 与 hive 同时出现 2 次

32. 分词后统计与指定单词一起出现频次最高的 TOP-K

语法: context_ngrams(array<array<string>>, array<string>, int K, int pf)
返回值: array<struct<string,double>>
说明:与 sentences()函数一起使用,分词后,统计分词结果中与数组中指定的单词一起出现(包括顺序)频次最高的 TOP-K 结果
举例:

hive> SELECT context_ngrams(sentences('hello word!hello hive,hi hive,hello hive'),array('hello',null),3) FROM test;
[{"ngram":["hive"],"estfrequency":2.0},{"ngram":["word"],"estfrequency":1.0}]
该查询中,统计的是与’hello’一起出现,并且在 hello 后面的频次最高的 TOP-3结果中, hello 与 hive 同时出现 2 次, hello 与 word 同时出现 1 次。
hive> SELECT context_ngrams(sentences('hello word!hello hive,hi hive,hello hive'),array(null,'hive'),3) FROM test;
[{"ngram":["hello"],"estfrequency":2.0},{"ngram":["hi"],"estfrequency":1.0}]
该查询中,统计的是与’hive’一起出现,并且在 hive 之前的频次最高的 TOP-3

十二、混合函数

1. 调用 Java 函数: java_method

语法: java_method(class, method[, arg1[, arg2..]])
返回值: varies
说明: 调用 Java 中的方法处理数据。
举例:

hive> select reflect("java.net.URLEncoder", "encode", 'http://test.com',"UTF-8") from test;
OK
http%3A%2F%2Ftest.com

该查询中调用java.net.URLEncoder中的encode方法,给该方法传的参数为'http://test.com',"UTF-8"

2. 调用 Java 函数: reflect

语法: reflect(class, method[, arg1[, arg2..]])
返回值: varies
说明: 调用 Java 中的方法处理数据。
举例:

hive> select reflect("java.net.URLDecoder", "decode",'http%3A%2F%2Ftest.com',"UTF-8") from test;
OK
http://test.com

3. 字符串的 hash 值: hash

语法: hash(a1[, a2...])
返回值: int
说明: 返回字符串的 hash 值。
举例:

hive> select hash('test.com') from test;
OK
-809268416

十三、 XPath 解析 XML 函数

1. xpath

语法: xpath(string xmlstr,string xpath_expression)
返回值: array<string>
说明: 从 xml 字符串中返回匹配到表达式的结果数组。
举例:

//获取 xml 字符串中 a/b/节点的值
hive> select xpath('<a><b>b1</b><b>b2</b><c>c1</c></a>','a/b/text()') from test;
OK
["b1","b2"]
//获取 xml 字符串中所有名为 id 的属性值
hive> select xpath('<a><b id="foo">b1</b><b id="bar">b2</b></a>','//@id') from test;
OK
["foo","bar"]

2. xpath_string

语法: xpath_string(string xmlstr,string xpath_expression)
返回值: string
说明: 默认情况下, 从 xml 字符串中返回第一个匹配到表达式的节点的值。
举例:

hive> SELECT xpath_string ('<a><b>b1</b><b>b2</b></a>', '//b') FROM test;
OK
b1
//指定返回匹配到哪一个节点
hive> SELECT xpath_string ('<a><b>b1</b><b>b2</b></a>', '//b[2]') FROM test;
OK
b2

3. xpath_boolean

语法: xpath_boolean (string xmlstr,string xpath_expression)

返回值: boolean
说明: 返回 xml 字符串中是否匹配 xml 表达式。
举例:

hive> SELECT xpath_boolean ('<a><b>b</b></a>', 'a/b') FROM test;
OK
true
hive> SELECT xpath_boolean ('<a><b>10</b></a>', 'a/b < 10') FROM test;
OK
false

4. xpath_short, xpath_int, xpath_long

语法: xpath_short (string xmlstr,string xpath_expression)
xpath_int (string xmlstr,string xpath_expression)
xpath_long (string xmlstr,string xpath_expression)
返回值: int
说明: 返回 xml 字符串中经过 xml 表达式计算后的值,如果不匹配,则返回 0。
举例:

hive> SELECT xpath_int ('<a>this is not a number</a>', 'a') FROM test;
OK
0
hive> SELECT xpath_int ('<a><b class="odd">1</b><b class="even">2</b><b class="odd">4</b><c>8</c></a>', 'sum(a/*)') FROM test;
OK
15
hive> select xpath_long('<a><b>10.5</b><c>11.2</c></a>','sum(a/*)') from test;
OK
21

5. xpath_float, xpath_double, xpath_number

语法: xpath_float (string xmlstr,string xpath_expression)
xpath_double (string xmlstr,string xpath_expression)
xpath_number (string xmlstr,string xpath_expression)
返回值: number
说明: 返回 xml 字符串中经过 xml 表达式计算后的值,如果不匹配,则返回 0。
举例:

hive> select xpath_double('<a><b>10.5</b><c>11.2</c></a>','sum(a/*)') from test;
OK
21.7

XPath 参考资料:
http://baike.baidu.com/view/307399.htm
xpath 函数 Hive 官方介绍文档:
https://cwiki.apache.org/confluence/display/Hive/LanguageManual+XPathUDF

十四、 汇总统计函数(UDAF)

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
举例:

hive> select count(*) from test;
20
hive> select count(distinct t) from test;
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
举例:

hive> select sum(t) from test;
100
hive> select sum(distinct t) from test;
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
举例:

hive> select avg(t) from test;
50
hive> select avg (distinct t) from test;
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
举例:

hive> select min(t) from test;
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
举例:

hive> select max(t) from test;
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)
举例:

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)
举例:

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
举例:

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
举例:

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
举例:

11. 中位数函数: percentile

语法: percentile(BIGINT col, array(p1 [, p2]…))
返回值: array<double>Hive

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。
举例:

select percentile(score,<0.2,0.4>) from test; 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
举例:

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。
举例:

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。
举例:

hive> select histogram_numeric(100,5) from test;
[{"x":100.0,"y":1.0}]

15. 集合去重数: collect_set

语法: collect_set (col)Hive

返回值: array
说明: 将 col 字段进行去重, 合并成一个数组。
举例:

hive> select cookie,ip from test;
cookie1 127.0.0.1
cookie1 127.0.0.1
cookie1 127.0.0.2
cookie1 127.0.0.3
hive> select cookie,collect_set(ip) from test group by cookie;
cookie1 ["127.0.0.1","127.0.0.2","127.0.0.3"]

16. 集合不去重函数: collect_list

语法: collect_list (col)
返回值: array
说明: 将 col 字段合并成一个数组,不去重
举例:

hive> select cookie,ip from test;
cookie1 127.0.0.1
cookie1 127.0.0.1
cookie1 127.0.0.2
cookie1 127.0.0.3
hive>select cookie,collect_list(ip) from test group by cookie;
cookie1 ["127.0.0.1","127.0.0.1","127.0.0.2","127.0.0.3"]

十五、表格生成函数 Table-Generating Functions (UDTF)

1. 数组拆分成多行: explode

语法: explode(ARRAY)
返回值: 多行
说明: 将数组中的元素拆分成多行显示
举例:

hive> select explode(array(1,2,3)) from test;
OK
1 2 3

2. Map 拆分成多行: explode

语法: explode(Map)
返回值: 多行
说明: 将 Map 中的元素拆分成多行显示
举例:

hive> select explode(map('k1','v1','k2','v2')) from test;
OK
k2 v2
k1 v1

相关文章

目录