欢迎访问我的GitHub
这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos
《hive学习笔记》系列导航
- 基本数据类型
- 复杂数据类型
- 内部表和外部表
- 分区表
- 分桶
- HiveQL基础
- 内置函数
- Sqoop
- 基础UDF
- 用户自定义聚合函数(UDAF)
- UDTF
本篇概览
- 本文是《hive学习笔记》系列的第七篇，前文熟悉了HiveQL的常用语句，接下来把常用的内置函数简单过一遍，分为以下几部分：
- 数学
- 字符
- json处理
- 转换
- 日期
- 条件
- 聚合
准备数据
- 本次实战要准备两个表：学生表和住址表，字段都很简单，如下图所示，学生表有个住址ID字段，是住址表里的记录的唯一ID：
在这里插入图片描述- 先创建住址表：
create table address (addressid int, province string, city string)
row format delimited
fields terminated by ',';- 创建address.txt文件，内容如下：
1,guangdong,guangzhou
2,guangdong,shenzhen
3,shanxi,xian
4,shanxi,hanzhong
6,jiangshu,nanjing- 加载数据到address表：
load data
local inpath '/home/hadoop/temp/202010/25/address.txt'
into table address;- 创建学生表，其addressid字段关联了address表的addressid字段：
create table student (name string, age int, addressid int)
row format delimited
fields terminated by ',';- 创建student.txt文件，内容如下：
tom,11,1
jerry,12,2
mike,13,3
john,14,4
mary,15,5- 加载数据到student表：
load data
local inpath '/home/hadoop/temp/202010/25/student.txt'
into table student;- 至此，本次操作所需数据已准备完毕，如下所示：
hive> select * from address;
OK
1 guangdong guangzhou
2 guangdong shenzhen
3 shanxi xian
4 shanxi hanzhong
6 jiangshu nanjing
Time taken: 0.043 seconds, Fetched: 5 row(s)
hive> select * from student;
OK
tom 11 1
jerry 12 2
mike 13 3
john 14 4
mary 15 5
Time taken: 0.068 seconds, Fetched: 5 row(s)- 开始体验内置函数；
总览
- 进入hive控制台；
- 执行命令show functions;显示内置函数列表：
hive> show functions;
OK
!
!=
%
&
*
-
/
<
<=
<=>
<>
=
==
>
>=
^
abs
acos
add_months
and
array
array_contains
ascii
asin
assert_true
atan
avg
base64
between
bin
case
cbrt
ceil
ceiling
coalesce
collect_list
collect_set
compute_stats
concat
concat_ws
context_ngrams
conv
corr
cos
count
covar_pop
covar_samp
create_union
cume_dist
current_database
current_date
current_timestamp
current_user
date_add
date_format
date_sub
datediff
day
dayofmonth
decode
degrees
dense_rank
div
e
elt
encode
ewah_bitmap
ewah_bitmap_and
ewah_bitmap_empty
ewah_bitmap_or
exp
explode
factorial
field
find_in_set
first_value
floor
format_number
from_unixtime
from_utc_timestamp
get_json_object
greatest
hash
hex
histogram_numeric
hour
if
in
in_file
index
initcap
inline
instr
isnotnull
isnull
java_method
json_tuple
lag
last_day
last_value
lcase
lead
least
length
levenshtein
like
ln
locate
log
log10
log2
lower
lpad
ltrim
map
map_keys
map_values
matchpath
max
min
minute
month
months_between
named_struct
negative
next_day
ngrams
noop
noopstreaming
noopwithmap
noopwithmapstreaming
not
ntile
nvl
or
parse_url
parse_url_tuple
percent_rank
percentile
percentile_approx
pi
pmod
posexplode
positive
pow
power
printf
radians
rand
rank
reflect
reflect2
regexp
regexp_extract
regexp_replace
repeat
reverse
rlike
round
row_number
rpad
rtrim
second
sentences
shiftleft
shiftright
shiftrightunsigned
sign
sin
size
sort_array
soundex
space
split
sqrt
stack
std
stddev
stddev_pop
stddev_samp
str_to_map
struct
substr
substring
sum
tan
to_date
to_unix_timestamp
to_utc_timestamp
translate
trim
trunc
ucase
unbase64
unhex
unix_timestamp
upper
var_pop
var_samp
variance
weekofyear
when
windowingtablefunction
xpath
xpath_boolean
xpath_double
xpath_float
xpath_int
xpath_long
xpath_number
xpath_short
xpath_string
year
|
~
Time taken: 0.003 seconds, Fetched: 216 row(s)- 以lower函数为例，执行命令describe function lower;即可查看lower函数的说明：
hive> describe function lower;
OK
lower(str) - Returns str with all characters changed to lowercase
Time taken: 0.005 seconds, Fetched: 1 row(s)- 接下来从计算函数开始，体验常用函数；
- 先执行以下命令，使查询结果中带有字段名：
set hive.cli.print.header=true;计算函数
- 加法 ：
hive> select name, age, age 1 as add_value from student;
OK
name age add_value
tom 11 12
jerry 12 13
mike 13 14
john 14 15
mary 15 16
Time taken: 0.098 seconds, Fetched: 5 row(s)- 减法(-)、乘法(*)、除法(/)的使用与加法类似，不再赘述了；
- 四舍五入round：
hive> select round(1.1), round(1.6);
OK
_c0 _c1
1.0 2.0
Time taken: 0.028 seconds, Fetched: 1 row(s)- 向上取整ceil：
hive> select ceil(1.1);
OK
_c0
2
Time taken: 0.024 seconds, Fetched: 1 row(s)- 向下取整floor：
hive> select floor(1.1);
OK
_c0
1
Time taken: 0.024 seconds, Fetched: 1 row(s)- 平方pow，例如pow(2,3)表示2的三次方，等于8：hive> select pow(2,3); OK _c0 8.0 Time taken: 0.027 seconds, Fetched: 1 row(s)
- 取模pmod：
hive> select pmod(10,3);
OK
_c0
1
Time taken: 0.059 seconds, Fetched: 1 row(s)字符函数
- 转小写lower，转大写upper：
hive> select lower(name), upper(name) from student;
OK
_c0 _c1
tom TOM
jerry JERRY
mike MIKE
john JOHN
mary MARY
Time taken: 0.051 seconds, Fetched: 5 row(s)- 字符串长度length：
hive> select name, length(name) from student;
OK
tom 3
jerry 5
mike 4
john 4
mary 4
Time taken: 0.322 seconds, Fetched: 5 row(s)- 字符串拼接concat：
hive> select concat("prefix_", name) from student;
OK
prefix_tom
prefix_jerry
prefix_mike
prefix_john
prefix_mary
Time taken: 0.106 seconds, Fetched: 5 row(s)- 子串substr，substr(xxx,2)表示从第二位开始到右边所有，substr(xxx,2,3)表示从第二位开始取三个字符：
hive> select substr("0123456",2);
OK
123456
Time taken: 0.067 seconds, Fetched: 1 row(s)
hive> select substr("0123456",2,3);
OK
123
Time taken: 0.08 seconds, Fetched: 1 row(s)- 去掉前后空格trim：
hive> select trim(" 123 ");
OK
123
Time taken: 0.065 seconds, Fetched: 1 row(s)json处理(get_json_object)
为了使用json处理的函数，先准备一些数据：
- 先创建表t15，只有一个字段用于保存字符串：
create table t15(json_raw string)
row format delimited;- 创建t15.txt文件，内容如下：
{"name":"tom","age":"10"}
{"name":"jerry","age":"11"}- 加载数据到t15表：
load data
local inpath '/home/hadoop/temp/202010/25/015.txt'
into table t15;- 使用get_json_object函数，解析json_raw字段，分别取出指定name和age属性：
select
get_json_object(json_raw, "$.name"),
get_json_object(json_raw, "$.age")
from t15;得到结果：
代码语言：txt复制hive> select
> get_json_object(json_raw, "$.name"),
> get_json_object(json_raw, "$.age")
> from t15;
OK
tom 10
jerry 11
Time taken: 0.081 seconds, Fetched: 2 row(s)日期
- 获取当前日期current_date：
hive> select current_date();
OK
2020-11-02
Time taken: 0.052 seconds, Fetched: 1 row(s)- 获取当前时间戳current_timestamp：
hive> select current_timestamp();
OK
2020-11-02 10:07:58.967
Time taken: 0.049 seconds, Fetched: 1 row(s)- 获取年份year、月份month、日期day：
hive> select year(current_date()), month(current_date()), day(current_date());
OK
2020 11 2
Time taken: 0.054 seconds, Fetched: 1 row(s)- 另外，year和current_timestamp也能搭配使用：
hive> select year(current_timestamp()), month(current_timestamp()), day(current_timestamp());
OK
2020 11 2
Time taken: 0.042 seconds, Fetched: 1 row(s)- 返回日期部分to_date：
hive> select to_date(current_timestamp());
OK
2020-11-02
Time taken: 0.051 seconds, Fetched: 1 row(s)条件函数
- 条件函数的作用和java中的switch类似，语法是case X when XX then XXX else XXXX end；
- 示例如下，作用是判断name字段，如果等于tom就返回tom_case，如果等于jerry就返回jerry_case，其他情况都返回other_case：
select name,
case name when 'tom' then 'tom_case'
when 'jerry' then 'jerry_case'
else 'other_case'
end
from student;结果如下：
代码语言：txt复制hive> select name,
> case name when 'tom' then 'tom_case'
> when 'jerry' then 'jerry_case'
> else 'other_case'
> end
> from student;
OK
tom tom_case
jerry jerry_case
mike other_case
john other_case
mary other_case
Time taken: 0.08 seconds, Fetched: 5 row(s)聚合函数
- 返回行数count：
select count(*) from student;触发MR，结果如下：
代码语言：txt复制Total MapReduce CPU Time Spent: 2 seconds 170 msec
OK
5
Time taken: 20.823 seconds, Fetched: 1 row(s)- 分组后组内求和sum：
select province, sum(1) from address group by province;触发MR，结果如下：
代码语言：txt复制Total MapReduce CPU Time Spent: 1 seconds 870 msec
OK
guangdong 2
jiangshu 1
shanxi 2
Time taken: 19.524 seconds, Fetched: 3 row(s)- 分组后，组内最小值min，最大值max，平均值avg：
select province, min(addressid), max(addressid), avg(addressid) from address group by province;触发MR，结果如下：
代码语言：txt复制Total MapReduce CPU Time Spent: 1 seconds 650 msec
OK
guangdong 1 2 1.5
jiangshu 6 6 6.0
shanxi 3 4 3.5
Time taken: 20.106 seconds, Fetched: 3 row(s)- 至此，hive常用到内置函数咱们都体验过一遍了，希望能给您提供一些参考，接下来的文章会体验一个常用工具：Sqoop
关于容器和镜像的环境
如果您不想自己搭建kubernetes环境，推荐使用腾讯云容器服务TKE：无需自建，即可在腾讯云上使用稳定， 安全，高效，灵活扩展的 Kubernetes 容器平台；
如果您希望自己的镜像可以通过外网上传和下载，推荐腾讯云容器镜像服务TCR：像数据加密存储，大镜像多节点快速分发，跨地域镜像同步
你不孤单，欣宸原创一路相伴
- Java系列
- Spring系列
- Docker系列
- kubernetes系列
- 数据库 中间件系列
- DevOps系列
欢迎关注公众号：程序员欣宸
微信搜索「程序员欣宸」，我是欣宸，期待与您一同畅游Java世界...
