大資料系列之hive(八、hive內建函式全解)
1.內建運算子1.1關係運算符
運算子 |
型別 |
說明 |
A = B |
所有原始型別 |
如果A與B相等,返回TRUE,否則返回FALSE |
A == B |
無 |
失敗,因為無效的語法。 SQL使用”=”,不使用”==”。 |
A <> B |
所有原始型別 |
如果A不等於B返回TRUE,否則返回FALSE。如果A或B值為”NULL”,結果返回”NULL”。 |
A < B |
所有原始型別 |
如果A小於B返回TRUE,否則返回FALSE。如果A或B值為”NULL”,結果返回”NULL”。 |
A <= B |
所有原始型別 |
如果A小於等於B返回TRUE,否則返回FALSE。如果A或B值為”NULL”,結果返回”NULL”。 |
A > B |
所有原始型別 |
如果A大於B返回TRUE,否則返回FALSE。如果A或B值為”NULL”,結果返回”NULL”。 |
A >= B |
所有原始型別 |
如果A大於等於B返回TRUE,否則返回FALSE。如果A或B值為”NULL”,結果返回”NULL”。 |
A IS NULL |
所有型別 |
如果A值為”NULL”,返回TRUE,否則返回FALSE |
A IS NOT NULL |
所有型別 |
如果A值不為”NULL”,返回TRUE,否則返回FALSE |
A LIKE B |
字串 |
如果A或B值為”NULL”,結果返回”NULL”。字串A與B通過sql進行匹配,如果相符返回TRUE,不符返回FALSE。B字串中 的”_”代表任一字元,”%”則代表多個任意字元。例如: (‘foobar’ like ‘foo’)返回FALSE,( ‘foobar’ like ‘foo_ _ _’或者 ‘foobar’ like ‘foo%’)則返回TURE |
A RLIKE B |
字串 |
如果A或B值為”NULL”,結果返回”NULL”。字串A與B通過java進行匹配,如果相符返回TRUE,不符返回FALSE。例如:( ‘foobar’ rlike ‘foo’)返回FALSE,(’foobar’ rlike ‘^f.*r$’ )返回TRUE。 |
A REGEXP B |
字串 |
與RLIKE相同。 |
1.2算術運算子
運算子 |
型別 |
說明 |
A + B |
所有數字型別 |
A和B相加。結果的與運算元值有共同型別。例如每一個整數是一個浮點數,浮點數包含整數。所以,一個浮點數和一個整數相加結果也是一個浮點數。 |
A – B |
所有數字型別 |
A和B相減。結果的與運算元值有共同型別。 |
A * B |
所有數字型別 |
A和B相乘,結果的與運算元值有共同型別。需要說明的是,如果乘法造成溢位,將選擇更高的型別。 |
A / B |
所有數字型別 |
A和B相除,結果是一個double(雙精度)型別的結果。 |
A % B |
所有數字型別 |
A除以B餘數與運算元值有共同型別。 |
A & B |
所有數字型別 |
運算子檢視兩個引數的二進位制表示法的值,並執行按位”與”操作。兩個表示式的一位均為1時,則結果的該位為 1。否則,結果的該位為 0。 |
A|B |
所有數字型別 |
運算子檢視兩個引數的二進位制表示法的值,並執行按位”或”操作。只要任一表達式的一位為 1,則結果的該位為 1。否則,結果的該位為 0。 |
A ^ B |
所有數字型別 |
運算子檢視兩個引數的二進位制表示法的值,並執行按位”異或”操作。當且僅當只有一個表示式的某位上為 1 時,結果的該位才為 1。否則結果的該位為 0。 |
~A |
所有數字型別 |
對一個表示式執行按位”非”(取反)。 |
1.3邏輯運算子
運算子 |
型別 |
說明 |
A AND B |
布林值 |
A和B同時正確時,返回TRUE,否則FALSE。如果A或B值為NULL,返回NULL。 |
A && B |
布林值 |
與”A AND B”相同 |
A OR B |
布林值 |
A或B正確,或兩者同時正確返返回TRUE,否則FALSE。如果A和B值同時為NULL,返回NULL。 |
A | B |
布林值 |
與”A OR B”相同 |
NOT A |
布林值 |
如果A為NULL或錯誤的時候返回TURE,否則返回FALSE。 |
! A |
布林值 |
與”NOT A”相同 |
1.4複雜型別函式
函式 |
型別 |
說明 |
map |
(key1, value1, key2, value2, …) |
通過指定的鍵/值對,建立一個map。 |
struct |
(val1, val2, val3, …) |
通過指定的欄位值,建立一個結構。結構欄位名稱將COL1,COL2,… |
array |
(val1, val2, …) |
通過指定的元素,建立一個數組。 |
1.5對複雜型別函式操作
函式 |
型別 |
說明 |
A[n] |
A是一個數組,n為int型 |
返回陣列A的第n個元素,第一個元素的索引為0。如果A陣列為['foo','bar'],則A[0]返回’foo’和A[1]返回”bar”。 |
M[key] |
M是Map<K, V>,關鍵K型 |
返回關鍵值對應的值,例如mapM為 \{‘f’ -> ‘foo’, ‘b’ -> ‘bar’, ‘all’ -> ‘foobar’\},則M['all'] 返回’foobar’。 |
S.x |
S為struct |
返回結構x字串在結構S中的儲存位置。如 foobar \{int foo, int bar\} foobar.foo的領域中儲存的整數。 |
2.內建函式2.1數學函式
返回型別 |
函式 |
說明 |
BIGINT |
round(double a) |
四捨五入 |
DOUBLE |
round(double a, int d) |
小數部分d位之後數字四捨五入,例如round(21.263,2),返回21.26 |
BIGINT |
floor(double a) |
對給定資料進行向下舍入最接近的整數。例如floor(21.2),返回21。 |
BIGINT |
ceil(double a), ceiling(double a) |
將引數向上舍入為最接近的整數。例如ceil(21.2),返回23. |
double |
rand(), rand(int seed) |
返回大於或等於0且小於1的平均分佈隨機數(依重新計算而變) |
double |
exp(double a) |
返回e的n次方 |
double |
ln(double a) |
返回給定數值的自然對數 |
double |
log10(double a) |
返回給定數值的以10為底自然對數 |
double |
log2(double a) |
返回給定數值的以2為底自然對數 |
double |
log(double base, double a) |
返回給定底數及指數返回自然對數 |
double |
pow(double a, double p) power(double a, double p) |
返回某數的乘冪 |
double |
sqrt(double a) |
返回數值的平方根 |
string |
unhex(string a) |
十六進位制字元轉換由數字表示的字元。 |
string |
conv(BIGINT num, int from_base, int to_base) |
將指定數值,由原來的度量體系轉換為指定的試題體系。例如CONV(‘a’,16,2),返回。參考:’1010′ http://dev.mysql.com/doc/refman/5.0/en/mathematical-functions.html#function_conv |
double |
abs(double a) |
取絕對值 |
int double |
pmod(int a, int b) pmod(double a, double b) |
返回a除b的餘數的絕對值 |
double |
sin(double a) |
返回給定角度的正弦值 |
double |
asin(double a) |
返回x的反正弦,即是X。如果X是在-1到1的正弦值,返回NULL。 |
double |
cos(double a) |
返回餘弦 |
double |
acos(double a) |
返回X的反餘弦,即餘弦是X,,如果-1<= A <= 1,否則返回null. |
int double |
positive(int a) positive(double a) |
返回A的值,例如positive(2),返回2。 |
int double |
negative(int a) negative(double a) |
返回A的相反數,例如negative(2),返回-2。 |
2.2收集函式
返回型別 |
函式 |
說明 |
int |
size(Map<K.V>) |
返回的map型別的元素的數量 |
int |
size(Array<T>) |
返回陣列型別的元素數量 |
2.3型別轉換函式
返回型別 |
函式 |
說明 |
指定 “type” |
cast(expr as <type>) |
型別轉換。例如將字元”1″轉換為整數:cast(’1′ as bigint),如果轉換失敗返回NULL。 |
2.4日期函式
返回型別 |
函式 |
說明 |
string |
from_unixtime(bigint unixtime[, string format]) |
UNIX_TIMESTAMP引數表示返回一個值’YYYY- MM – DD HH:MM:SS’或YYYYMMDDHHMMSS.uuuuuu格式,這取決於是否是在一個字串或數字語境中使用的功能。該值表示在當前的時區。 |
bigint |
unix_timestamp() |
如果不帶引數的呼叫,返回一個Unix時間戳(從’1970- 01 – 0100:00:00′到現在的UTC秒數)為無符號整數。 |
bigint |
unix_timestamp(string date) |
指定日期引數呼叫UNIX_TIMESTAMP(),它返回引數值’1970- 01 – 0100:00:00′到指定日期的秒數。 |
bigint |
unix_timestamp(string date, string pattern) |
|
string |
to_date(string timestamp) |
返回時間中的年月日: to_date(“1970-01-01 00:00:00″) = “1970-01-01″ |
string |
to_dates(string date) |
給定一個日期date,返回一個天數(0年以來的天數) |
int |
year(string date) |
返回指定時間的年份,範圍在1000到9999,或為”零”日期的0。 |
int |
month(string date) |
返回指定時間的月份,範圍為1至12月,或0一個月的一部分,如’0000-00-00′或’2008-00-00′的日期。 |
int |
day(string date) dayofmonth(date) |
返回指定時間的日期 |
int |
hour(string date) |
返回指定時間的小時,範圍為0到23。 |
int |
minute(string date) |
返回指定時間的分鐘,範圍為0到59。 |
int |
second(string date) |
返回指定時間的秒,範圍為0到59。 |
int |
weekofyear(string date) |
返回指定日期所在一年中的星期號,範圍為0到53。 |
int |
datediff(string enddate, string startdate) |
兩個時間引數的日期之差。 |
int |
date_add(string startdate, int days) |
給定時間,在此基礎上加上指定的時間段。 |
int |
date_sub(string startdate, int days) |
給定時間,在此基礎上減去指定的時間段。 |
2.5條件函式
返回型別 |
函式 |
說明 |
T |
if(boolean testCondition, T valueTrue, T valueFalseOrNull) |
判斷是否滿足條件,如果滿足返回一個值,如果不滿足則返回另一個值。 |
T |
COALESCE(T v1, T v2, …) |
返回一組資料中,第一個不為NULL的值,如果均為NULL,返回NULL。 |
T |
CASE a WHEN b THEN c [WHEN d THEN e]* [ELSE f] END |
當a=b時,返回c;當a=d時,返回e,否則返回f。 |
T |
CASE WHEN a THEN b [WHEN c THEN d]* [ELSE e] END |
當值為a時返回b,當值為c時返回d。否則返回e。 |
2.6字元函式
返回型別 |
函式 |
說明 |
int |
length(string A) |
返回字串的長度 |
string |
reverse(string A) |
返回倒序字串 |
string |
concat(string A, string B…) |
連線多個字串,合併為一個字串,可以接受任意數量的輸入字串 |
string |
concat_ws(string SEP, string A, string B…) |
連結多個字串,字串之間以指定的分隔符分開。 |
string |
substr(string A, int start) substring(string A, int start) |
從文字字串中指定的起始位置後的字元。 |
string |
substr(string A, int start, int len) substring(string A, int start, int len) |
從文字字串中指定的位置指定長度的字元。 |
string |
upper(string A) ucase(string A) |
將文字字串轉換成字母全部大寫形式 |
string |
lower(string A) lcase(string A) |
將文字字串轉換成字母全部小寫形式 |
string |
trim(string A) |
刪除字串兩端的空格,字元之間的空格保留 |
string |
ltrim(string A) |
刪除字串左邊的空格,其他的空格保留 |
string |
rtrim(string A) |
刪除字串右邊的空格,其他的空格保留 |
string |
regexp_replace(string A, string B, string C) |
字串A中的B字元被C字元替代 |
string |
regexp_extract(string subject, string pattern, int index) |
通過下標返回正則表示式指定的部分。regexp_extract(‘foothebar’, ‘foo(.*?)(bar)’, 2) returns ‘bar.’ |
string |
parse_url(string urlString, string partToExtract [, string keyToExtract]) |
返回URL指定的部分。parse_url(‘http://facebook.com/path1/p.php?k1=v1&k2=v2#Ref1′, ‘HOST’) 返回:’facebook.com’ |
string |
get_json_object(string json_string, string path) |
select a.timestamp, get_json_object(a.appevents, ‘$.eventid’), get_json_object(a.appenvets, ‘$.eventname’) from log a; |
string |
space(int n) |
返回指定數量的空格 |
string |
repeat(string str, int n) |
重複N次字串 |
int |
ascii(string str) |
返回字串中首字元的數字值 |
string |
lpad(string str, int len, string pad) |
返回指定長度的字串,給定字串長度小於指定長度時,由指定字元從左側填補。 |
string |
rpad(string str, int len, string pad) |
返回指定長度的字串,給定字串長度小於指定長度時,由指定字元從右側填補。 |
array |
split(string str, string pat) |
將字串轉換為陣列。 |
int |
find_in_set(string str, string strList) |
返回字串str第一次在strlist出現的位置。如果任一引數為NULL,返回NULL;如果第一個引數包含逗號,返回0。 |
array<array<string>> |
sentences(string str, string lang, string locale) |
將字串中內容按語句分組,每個單詞間以逗號分隔,最後返回陣列。 例如sentences(‘Hello there! How are you?’) 返回:( (“Hello”, “there”), (“How”, “are”, “you”) ) |
array<struct<string,double>> |
ngrams(array<array<string>>, int N, int K, int pf) |
SELECT ngrams(sentences(lower(tweet)), 2, 100 [, 1000]) FROM twitter; |
array<struct<string,double>> |
context_ngrams(array<array<string>>, array<string>, int K, int pf) |
SELECT context_ngrams(sentences(lower(tweet)), array(null,null), 100, [, 1000]) FROM twitter; |
3.內建的聚合函式(UDAF)
返回型別 |
函式 |
說明 |
bigint |
count(*) , count(expr), count(DISTINCT expr[, expr_., expr_.]) |
返回記錄條數。 |
double |
sum(col), sum(DISTINCT col) |
求和 |
double |
avg(col), avg(DISTINCT col) |
求平均值 |
double |
min(col) |
返回指定列中最小值 |
double |
max(col) |
返回指定列中最大值 |
double |
var_pop(col) |
返回指定列的方差 |
double |
var_samp(col) |
返回指定列的樣本方差 |
double |
stddev_pop(col) |
返回指定列的偏差 |
double |
stddev_samp(col) |
返回指定列的樣本偏差 |
double |
covar_pop(col1, col2) |
兩列數值協方差 |
double |
covar_samp(col1, col2) |
兩列數值樣本協方差 |
double |
corr(col1, col2) |
返回兩列數值的相關係數 |
double |
percentile(col, p) |
返回數值區域的百分比數值點。0<=P<=1,否則返回NULL,不支援浮點型數值。 |
array<double> |
percentile(col, array(p~1,,\ [, p,,2,,]…)) |
返回數值區域的一組百分比值分別對應的數值點。0<=P<=1,否則返回NULL,不支援浮點型數值。 |
double |
percentile_approx(col, p[, B]) |
Returns an approximate p^th^ percentile of a numeric column (including floating point types) in the group. The B parameter controls approximation accuracy at the cost of memory. Higher values yield better approximations, and the default is 10,000. When the number of distinct values in col is smaller than B, this gives an exact percentile value. |
array<double> |
percentile_approx(col, array(p~1,, [, p,,2_]…) [, B]) |
Same as above, but accepts and returns an array of percentile values instead of a single one. |
array<struct\{‘x’,'y’\}> |
histogram_numeric(col, b) |
Computes a histogram of a numeric column in the group using b non-uniformly spaced bins. The output is an array of size b of double-valued (x,y) coordinates that represent the bin centers and heights |
array |
collect_set(col) |
返回無重複記錄 |
4.內建表生成函式(UDTF)
返回型別 |
函式 |
說明 |
陣列 |
explode(array<TYPE> a) |
陣列一條記錄中有多個引數,將引數拆分,每個引數生成一列。 |
json_tuple |
get_json_object語句:select a.timestamp, get_json_object(a.appevents, ‘$.eventid’), get_json_object(a.appenvets, ‘$.eventname’) from log a; json_tuple語句: select a.timestamp, b.* from log a lateral view json_tuple(a.appevent, ‘eventid’, ‘eventname’) b as f1, f2 |
explode示例:
陣列 |
SQL |
返回 |
myCol [1,2] [3,4] |
SELECT explode(myCol) AS myNewCol FROM myTable |
myNewCol 1 2 3 4 |