【大数据入门 | Hive】函数{单行函数，集合函数，炸裂函数，窗口函数}

1. 函数简介：

Hive会将常用的逻辑封装成函数给用户进行使用，类似于Java中的函数。

好处：避免用户反复写逻辑，可以直接拿来使用。

重点：用户需要知道函数叫什么，能做什么。

Hive提供了大量的内置函数，按照其特点可大致分为如下几类：单行函数、聚合函数、炸裂函数、窗口函数。

以下命令可用于查询所有内置函数的相关信息。

1****）查看系统内置函数

hive> show functions;

2****）查看内置函数用法

hive> desc function upper;

3****）查看内置函数详细信息

hive> desc function extended upper;

2. 单行函数

单行函数的特点是一进一出，即输入一行，输出一行。

单行函数按照功能可分为如下几类: 日期函数、字符串函数、集合函数、数学函数、流程控制函数等。

2.1 算术运算函数

2.2 数值函数

1）round：四舍五入

hive> select round(3.3);   3

2）ceil：向上取整

hive> select ceil(3.1) ;   4

3****）floor：向下取整

hive> select floor(4.8);  4

2.3 字符串函数

1）substring****：截取字符串

语法一：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

语法二：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

2）replace**** ：替换****

语法：replace(string A, string B, string C)

返回值：string

说明：将字符串A中的子字符串B替换为C。

hive> select replace('atguigu', 'a', 'A')

3****）regexp_replace：正则替换

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。

hive> select regexp_replace('100-200', '(\\d+)', 'num') 

4）regexp****：正则匹配

语法：字符串 regexp 正则表达式

返回值：boolean

说明：若字符串符合正则表达式，则返回true，否则返回false。

（1）正则匹配成功，输出true

hive> select 'dfsaaaa' regexp 'dfsa+'

（2）正则匹配失败，输出false

5）repeat****：重复字符串

语法：repeat(string A, int n)

返回值：string

说明：将字符串A重复n遍。

hive> select repeat('123', 3);

hive> 123123123

6）split**** ：字符串切割****

语法：split(string str, string pat)

返回值：array

说明：按照正则表达式pat匹配到的内容分割str，分割后的字符串，以数组的形式返回。

hive> select split('a-b-c-d','-');

hive> ["a","b","c","d"]

7****）nvl ：替换null值

语法：nvl(A,B)

说明：若A的值不为null，则返回A，否则返回B。** **

hive> select nvl(null,1); 

hive> 1

8****）concat ：拼接字符串

语法：concat(string A, string B, string C, ……)

返回：string

说明：将A,B,C……等字符拼接为一个字符串

hive> select concat('beijing','-','shanghai','-','shenzhen');

hive> beijing-shanghai-shenzhen

9****）concat_ws：以指定分隔符拼接字符串或者字符串数组

语法：concat_ws(string A, string…| array(string))

返回值：string

说明：使用分隔符A拼接多个字符串，或者一个数组的所有元素。

hive>select concat_ws('-','beijing','shanghai','shenzhen');

hive> beijing-shanghai-shenzhen

10）get_json_object****：解析json字符串

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。

2.4 日期函数

1****）unix_timestamp：返回当前或指定时间的时间戳

语法：unix_timestamp()

返回值：bigint

案例实操：

hive> select unix_timestamp('2022/08/08 08-08-08','yyyy/MM/dd HH-mm-ss');  

1659946088

2****）from_unixtime：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

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

返回值：string

案例实操：

hive> select from_unixtime(1659946088);  

2022-08-08 08:08:08

*3*****）current_date：当前日期 ****

hive> select current_date; 

2022-07-11

4****）current_timestamp：当前的日期加时间，并且精确的毫秒** **

hive> select current_timestamp;   

2022-07-11 15:32:22.402

5****）month：获取日期中的月

语法：month (string date)

hive> select day('2022-08-08 08:08:08') 

8

返回值：int

案例实操：

hive> select month('2022-08-08 08:08:08');

8

6****）day：获取日期中的日

语法：day (string date)

返回值：int

案例实操：

hive> select day('2022-08-08 08:08:08') 

8

7****）hour：获取日期中的小时

语法：hour (string date)

返回值：int

案例实操：

hive> select hour('2022-08-08 08:08:08');   

8

8****）datediff：两个日期相差的天数（结束日期减去开始日期的天数）

语法：datediff(string enddate, string startdate)

返回值：int

案例实操：

hive> select datediff('2021-08-08','2022-10-09');  

-427

9****）date_add：日期加天数

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

案例实操：

hive> select date_add('2022-08-08',2); 

2022-08-10

10****）date_sub：日期减天数

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。

案例实操：

hive> select date_sub('2022-08-08',2);  

2022-08-06

11****）date_format:将标准日期解析成指定格式字符串

hive> select date_format('2022-08-08','yyyy年-MM月-dd日')  

2022年-08月-08日

2.5 流程控制函数

1）case when：条件判断函数

语法一：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 tabl eName; 
mary

语法二： 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 t ableName; 
mary

2）if: 条件判断，类似于Java中三元运算符

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

（1）条件满足，输出正确

hive> select if(10 > 5,'正确','错误'); 

（2）条件满足，输出错误

hive> select if(10 < 5,'正确','错误');

3. 集合函数

1****）size：集合中元素的个数

hive> select size(friends) from test;  --2/2  每一行数据中的friends集合里的个数

2）map****：创建map集合

语法：map (key1, value1, key2, value2, …)

说明：根据输入的key和value对构建map类型

案例实操：

hive> select map('xiaohai',1,'dahai',2);  

hive> {"xiaohai":1,"dahai":2}

3****）map_keys： 返回map中的key

hive> select map_keys(map('xiaohai',1,'dahai',2));

hive>["xiaohai","dahai"]

4****）map_values: 返回map中的value

hive> select map_values(map('xiaohai',1,'dahai',2));

hive>[1,2]

5）array**** 声明array集合****

语法：array(val1, val2, …)

说明：根据输入的参数构建数组array类

案例实操：

hive> select array('1','2','3','4');

hive>["1","2","3","4"]

6****）array_contains: 判断array中是否包含某个元素

hive> select array_contains(array('a','b','c','d'),'a');

hive> true

7****）sort_array：将array中的元素排序

hive> select sort_array(array('a','d','c'));

hive> ["a","c","d"]

8）struct****声明struct中的各属性

语法：struct(val1, val2, val3, …)

说明：根据输入的参数构建结构体struct类

案例实操：

hive> select struct('name','age','weight');

hive> {"col1":"name","col2":"age","col3":"weight"}

9）named_struct****声明struct的属性和值

hive> select named_struct('name','xiaosong','age',18,'weight',80);

hive> {"name":"xiaosong","age":18,"weight":80}

4. 高级聚合函数

多进一出 （多行传入，一个行输出）。

1）普通聚合 count/sum

2）collect_list 收集并形成list集合，结果不去重

hive>
select 
  sex,
  collect_list(job)
from
  employee
group by 
  sex

女    ["行政","研发","行政","前台"]
男    ["销售","研发","销售","前台"]

3）collect_set 收集并形成set集合，结果去重

5. 炸裂函数

定义：UDTF（table-generating functions）

接收一行数据，输出一行或多行数据。

在Hive SQL中，处理数组或映射类型的“炸裂”通常涉及到将这些复杂类型的数据展开成多行或多列。Hive 提供了一些内置函数来帮助实现这一操作，特别是对于数组和映射类型。这里是一些常用的函数和示例：

5.1 使用lateral view和explode()

explode() 函数可以用来展开数组或映射类型中的元素。LATERAL VIEW 用于将这些展开的元素转换为单独的行。

对于数组
假设你有一个表 orders，其中包含一个名为 items 的数组字段，每个订单可能有多个项目。

CREATE TABLE orders (
  order_id INT,
  items ARRAY<STRING>
);

-- 插入一些数据
INSERT INTO orders VALUES (1, array('item1', 'item2'));
INSERT INTO orders VALUES (2, array('item3'));

-- 展开数组
SELECT order_id, item
FROM orders
LATERAL VIEW explode(items) exploded_table AS item;

order_id | item
---------|------
1        | item1
1        | item2
2        | item3

对于映射
 如果 `items` 是一个映射类型，你可以使用 `explode()` 来展开键值对。

CREATE TABLE orders (
order_id INT,
items MAP<STRING, INT> -- 假设这是商品名到数量的映射
);

-- 插入一些数据
INSERT INTO orders VALUES (1, map('item1', 2, 'item2', 3));
INSERT INTO orders VALUES (2, map('item3', 1));

-- 展开映射
SELECT order_id, key, value
FROM orders
LATERAL VIEW explode(items) exploded_table AS key, value;

这将产生如下结果：

order_id	key	value
1	item1	2
1	item2	3
2	item3	1

5.2 使用 LATERAL VIEW 和 posexplode()

如果你需要保留数组元素的位置信息，可以使用 posexplode() 函数。

-- 展开数组并获取位置
SELECT order_id, pos, item
FROM orders
LATERAL VIEW posexplode(items) exploded_table AS pos, item;

这将产生如下结果（包含元素的位置）：

order_id | pos | item
---------|-----|------
1        | 0   | item1
1        | 1   | item2
2        | 0   | item3

5.3 使用 LATERAL VIEW 和 inline()

inline() 函数可以用于展开结构化的数组，例如包含多个字段的数组。

CREATE TABLE orders (
  order_id INT,
  items ARRAY<STRUCT<name: STRING, quantity: INT>>
);

-- 插入一些数据
INSERT INTO orders VALUES (1, array(named_struct('name', 'item1', 'quantity', 2), named_struct('name', 'item2', 'quantity', 3)));
INSERT INTO orders VALUES (2, array(named_struct('name', 'item3', 'quantity', 1)));

-- 展开结构化数组
SELECT order_id, i.name, i.quantity
FROM orders
LATERAL VIEW inline(items) exploded_table AS i;

这将产生如下结果：

order_id | name  | quantity
---------|-------|---------
1        | item1 | 2
1        | item2 | 3
2        | item3 | 1

6. 窗口函数

定义：窗口函数，能为每行数据划分一个窗口，然后对窗口范围内的数据进行计算，最后将计算结果返回给该行数据。

6.1 常见窗口函数

按照功能，常用窗口可划分为如下几类：聚合函数、跨行取值函数、排名函数。

1****）聚合函数

max：最大值。

min：最小值。

sum：求和。

avg：平均值。

count：计数。

2****）跨行取值函数

（1）lead和lag

注：lag和lead函数不支持自定义窗口。

（2）first_value和last_value****

3）排名函数

rank 、dense_rank、row_number不支持自定义窗口。