hive的常見函式
檢視函式的介紹（必讀）：
show functions ; #檢視hive中的所有內建函式
desc function extended 函式名; #檢視某個函式的詳細介紹
1.hive中常見的內建函式
1）集合函式
建立陣列
array(ele1,ele2,ele3)
例：select array(1,2,3,4);
判斷值是否在陣列中
array_contains(arr,value)
例：select array_contains(array(1,2,3,4),5);
建立一個map（基數為key,偶數為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）數值函式
小數四捨五入：
round(x,[d]) 引數1：浮點數,引數二：保留的位數
例：select round(4.5,1) 返回5
例：select round(5.1) 返回5 預設保留整數位
向上取整：
celi(num)
例：ceil(5.1) #6
向下取整：
floor(num)
例：floor(5.1) #6
3）字串操作
substr(str,pos,len) #擷取字串（下標從1開始）
例：select substr(‘abcd’,1) abcd
例：select substr(‘abcd’,1,1) a
ps：substr和substring用法相同
instr(str,substr) #返回子串開始的位置
例：instr(‘abcd’,’cd’) 3
例：instr(‘abcd’ ,’zy’) 0 #沒有的預設返回0
split(str,regex) #字串切分，返回一個數組
例：select split(‘hello world’,’ ’)
concat(str1,str2…)
例：concat(‘ab’,’cd’,’ef’) ‘abcdef’
concat_ws(separarot,[string|array<string>]) #字串拼接
例：select concat_ws(‘,’,’ab’,’cd’,’ef’) #’ab,cd,ef’
例：select concat_ws(',','a',array('b','c')); ‘a,b,c’
大小寫轉化
lcase /lower #字串轉化為小寫
ucase /upper #字串轉化為大寫
nvl #字串判斷
例：select nvl(value,'delfaut') #如果前者為null,返回後者
if
語法：if(表示式,返回值1,,返回值2)
例： if(value is null ,'default',value) ,表示式為true，返回返回值1，否則返回返回值2
4）日期操作
unix_timestamp(data,format) #返回指定日期的時間戳
例：
例：select unix_timestamp('2018-9-1','yyyy-MM-dd'); #返回給定日期的時間戳
from_unixtime(timestamp,format) #返回相應時間戳的時間
例：from_unixtime(1151561,’yyyy-MM-dd’)
year(data) #返回給定日期的年
例： year('2018-5-4') #返回2018
相應的函式還有：month、day、hour、minute、second
weekofyear(data) #返回相應日期，是一年中的第幾周
例：select weekofyear('2018-5-5') ;
datediff(date1,date2) #兩個日期相差的天數
例：select datediff('2018-5-9','2018-5-10');
5）表生成函式
語法：explode(a) a可以是一個array,或者map,將陣列或者map炸裂為多行
例：select explode(array(1,2,3));
例：select explode(map('zs',1,'ls',2));
實際應用：
#建表語句
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 ‘:’#資料格式：zs age:28,salary:20000,address:beijing
#生成資料：
zs age:28
zs salary:20000
zs address:Beijing#使用表生成函式解決：
select name,t.* from user_info lateral view explode(info) t;
2. 自定義函式
在hive中函式的分類：
這裡我們自定義UDF，一路經一路出。
第一步：自定義Java類（匯入hive依賴，編寫類繼承UDF）
注意：方法的名稱一定要是evaluate！！！！
package com.zy.mr.hive;
import org.apache.hadoop.hive.ql.exec.UDF;
public class MyUDF extends UDF{
/**
* 引數：引數就是呼叫函式傳入的引數
* 返回值就是，呼叫的函式的返回值
*
*
* 注意：
* 1.方法的修飾符必須為public
* 2.返回值不能為void
* 3.一般的引數也不能
*/
//三個數求和
public int evaluate(int num1,int num2,int num3) {
return num1+num2+num3;
}
//ip位數補齊 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，上傳到Linux
第三步：將jar包放入hive的classpath下：add jar ../xx..jar
第四步：驗證是否新增成功：list jars;
第五步：建立臨時函式，關聯自定義函式：create temporary function func_my as '類的許可權定名稱'
第六步：驗證是否關聯成功：show functions; 此時hive的內建函式庫中會多一個函式
第七步：使用自定義函式
3. hive中的分析函式
分析函式的介紹： 分析函式有三種：row_number()，rank()，dense_rank() 三種函式需要與聚合函式共同使用。也可以與over()一起使用。
語法：
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 )
三種函式的區別：
實際應用：
資料：
95002 劉晨 女 19 IS
95017 王風娟 女 18 IS
95018 王一 女 19 IS
95013 馮偉 男 21 CS
95014 王小麗 女 19 CS
95019 邢小麗 女 19 IS
95020 趙錢 男 21 IS
95003 王敏 女 22 MA
95004 張立 男 19 IS
95012 孫花 女 20 CS
95010 孔小濤 男 19 CS
95005 劉剛 男 18 MA
95006 孫慶 男 23 CS
95007 易思玲 女 19 MA
95008 李娜 女 18 CS
95021 週二 男 17 MA
95022 鄭明 男 20 MA
95001 李勇 男 20 CS
95011 包小柏 男 18 MA
95009 夢圓圓 女 18 MA
95015 王君 男 18 MA
需求：列出每個部門中年齡最小的三個
解決：
#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中處理json
以一個案例為準：
資料：
['{"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"}']
使用的函式：get_json_object(json,path) ，json是一個json字串
path是解析的路徑。
例：select get_json_object('{"movie":"914","rate":"3","timeStamp":"978301968","uid":"1"}',$.movie)
解釋：在這個函式的path中
$：表示根目錄 {}
.：表示子節點 moive rate timestamp
[]：表示陣列的元素
*：表示陣列中的所有
例：以上面的資料為例：
select get_json_object(json,$[*].movie) 取上面資料的所有的json中的movie的值。
5. transform
Transform是一個hive的指令碼解析方式（shell和python 指令碼）
需求：統計週一到週日哪一天的觀影人數最多？
資料：
{"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);
#載入資料
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 ： 編寫Python指令碼：
#!/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中呼叫指令碼解析資料
將指令碼檔案載入到hive的classpath下：add file /home/hadoop/datas/my.py;
檢驗：list files;/ list file;
第四步 ： 查詢解析
##
select transform(moive_id,rate,timestamp,userid) using 'python my.py' as (movieid,rate,week_day,userid) from movie_02;
#transform:向指令碼中傳入的引數
#using:呼叫指令碼（shell 是 sh xxx.sh）
# as後面是別名