hive的常见函数

查看函数的介绍（必读）：

show functions ; #查看hive中的所有内置函数

desc function extended 函数名; #查看某个函数的详细介绍

1.hive中常见的内置函数

1）集合函数

 创建数组
  array(ele1,ele2,ele3)
  例：select array(1,2,3,4);
  
 判断值是否在数组中
  array_contains(arr,value)
  例：select array_contains(array(1,2,3,4),5);
  
 创建一个map（基数为key,偶数为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）数值函数

 小数四舍五入：
   round(x,[d]) 参数1：浮点数,参数二：保留的位数
   例：select round(4.5,1) 返回5
   例：select round(5.1) 返回5 默认保留整数位

 向上取整：
   celi(num)
  例：ceil(5.1) #6
 向下取整：
   floor(num)
  例：floor(5.1) #6

3）字符串操作

 substr(str,pos,len) #截取字符串（下标从1开始）
  例：select substr(‘abcd’,1) abcd
  例：select substr(‘abcd’,1,1) a
  ps：substr和substring用法相同
 instr(str,substr) #返回子串开始的位置
  例：instr(‘abcd’,’cd’) 3
  例：instr(‘abcd’ ,’zy’) 0 #没有的默认返回0

 split(str,regex) #字符串切分，返回一个数组
  例：select split(‘hello world’,’ ’)

 concat(str1,str2…) #字符串拼接
  例：concat(‘ab’,’cd’,’ef’) ‘abcdef’

 concat_ws(separarot,[string|array<string>]) #字符串拼接
  例：select concat_ws(‘,’,’ab’,’cd’,’ef’) #’ab,cd,ef’
  例：select concat_ws(',','a',array('b','c')); ‘a,b,c’
 大小写转化
lcase /lower #字符串转化为小写
ucase /upper #字符串转化为大写

 nvl #字符串判断
  例：select nvl(value,'delfaut') #如果前者为null,返回后者

 if
 语法：if(表达式,返回值1,,返回值2)
  例： if(value is null ,'default',value) ,表达式为true，返回返回值1，否则返回返回值2

4）日期操作

unix_timestamp(data,format) #返回指定日期的时间戳
  例：

  例：select unix_timestamp('2018-9-1','yyyy-MM-dd'); #返回给定日期的时间戳

from_unixtime(timestamp,format) #返回相应时间戳的时间
例：from_unixtime(1151561,’yyyy-MM-dd’)

year(data) #返回给定日期的年
  例： year('2018-5-4') #返回2018
  相应的函数还有：month、day、hour、minute、second

weekofyear(data) #返回相应日期，是一年中的第几周
  例：select weekofyear('2018-5-5') ;

datediff(date1,date2) #两个日期相差的天数
  例：select datediff('2018-5-9','2018-5-10');

5）表生成函数

  语法：explode(a) a可以是一个array,或者map,将数组或者map炸裂为多行
 例：select explode(array(1,2,3));

 例：select explode(map('zs',1,'ls',2));

实际应用：

#建表语句
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 ‘:’

#数据格式：zs age:28,salary:20000,address:beijing

#生成数据：
zs age:28
zs salary:20000
zs address:Beijing

#使用表生成函数解决：
select name,t.* from user_info lateral view explode(info) t;

2. 自定义函数

在hive中函数的分类：

这里我们自定义UDF，一路经一路出。
第一步：自定义Java类（导入hive依赖，编写类继承UDF）
注意：方法的名称一定要是evaluate！！！！

package com.zy.mr.hive;
import org.apache.hadoop.hive.ql.exec.UDF;
public class MyUDF extends UDF{
    /**
     * 参数：参数就是调用函数传入的参数
     * 返回值就是，调用的函数的返回值
     * 
     * 
     * 注意：
     * 1.方法的修饰符必须为public
     * 2.返回值不能为void
     * 3.一般的参数也不能
     */
    //三个数求和
    public int evaluate(int num1,int num2,int num3) {
        return num1+num2+num3;
    }
    //ip位数补齐  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，上传到Linux
第三步：将jar包放入hive的classpath下：add jar ../xx..jar
第四步：验证是否添加成功：list jars;
第五步：创建临时函数，关联自定义函数：create temporary function func_my as '类的权限定名称'
第六步：验证是否关联成功：show functions; 此时hive的内置函数库中会多一个函数
第七步：使用自定义函数

3. hive中的分析函数

 分析函数的介绍： 分析函数有三种：row_number()，rank()，dense_rank() 三种函数需要与聚合函数共同使用。也可以与over()一起使用。
  语法：
  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 )

 三种函数的区别：

 实际应用：
数据：
95002 刘晨 女 19 IS
95017 王风娟 女 18 IS
95018 王一 女 19 IS
95013 冯伟 男 21 CS
95014 王小丽 女 19 CS
95019 邢小丽 女 19 IS
95020 赵钱 男 21 IS
95003 王敏 女 22 MA
95004 张立 男 19 IS
95012 孙花 女 20 CS
95010 孔小涛 男 19 CS
95005 刘刚 男 18 MA
95006 孙庆 男 23 CS
95007 易思玲 女 19 MA
95008 李娜 女 18 CS
95021 周二 男 17 MA
95022 郑明 男 20 MA
95001 李勇 男 20 CS
95011 包小柏 男 18 MA
95009 梦圆圆 女 18 MA
95015 王君 男 18 MA

需求：列出每个部门中年龄最小的三个
解决：

#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中处理json

以一个案例为准：
数据：
['{"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"}']
使用的函数：get_json_object(json,path) ，json是一个json字符串
path是解析的路径。
例：
select get_json_object('{"movie":"914","rate":"3","timeStamp":"978301968","uid":"1"}',$.movie)

解释：在这个函数的path中
$：表示根目录 {}
.：表示子节点 moive rate timestamp
[]：表示数组的元素
*：表示数组中的所有
例：以上面的数据为例：
select get_json_object(json,$[*].movie) 取上面数据的所有的json中的movie的值。

5. transform

 Transform是一个hive的脚本解析方式（shell和python 脚本）
 需求：统计周一到周日哪一天的观影人数最多？
 数据：
{"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);
#加载数据
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 ： 编写Python脚本：

#!/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中调用脚本解析数据
将脚本文件加载到hive的classpath下：add file /home/hadoop/datas/my.py;

检验：list files;/ list file;

第四步 ： 查询解析

## 
select transform(moive_id,rate,timestamp,userid) using 'python my.py' as (movieid,rate,week_day,userid)  from movie_02;
#transform:向脚本中传入的参数
#using:调用脚本（shell 是  sh  xxx.sh）
# as后面是别名