Hive函數
Hive中提供了非常豐富的運算符和內置函數支撐，具體操作如下：
1.內置運算符
1.1關系運算符
| 運算符 | 類型 | 說明 |
|---|---|---|
| A = B | 所有原始類型 | 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 | 所有原始類型 | 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 | 所有原始類型 | 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 | 所有原始類型 | 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 | 所有原始類型 | 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 | 所有原始類型 | 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 | 所有類型 | 如果A值為”NULL”，返回TRUE,否則返回FALSE |
| A IS NOT NULL | 所有類型 | 如果A值不為”NULL”，返回TRUE,否則返回FALSE |
| A LIKE B | 字符串 | 如 果A或B值為”NULL”，結果返回”NULL”。字符串A與B通過sql進行匹配，如果相符返回TRUE，不符返回FALSE。B字符串中 的””代表任一字符，”%”則代表多個任意字符。例如： (‘foobar’ like ‘foo’)返回FALSE，（ ‘foobar’ like ‘foo _ _’或者 ‘foobar’ like ‘foo%’)則返回TURE |
| A RLIKE B | 字符串 | 如 果A或B值為”NULL”，結果返回”NULL”。字符串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 | 字符串 | 與RLIKE相同。 |
1.2算術運算符
| 運算符 | 類型 | 說明 |
|---|---|---|
| A + B | 所有數字類型 | A和B相加。結果的與操作數值有共同類型。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 | 所有數字類型 | A和B相減。結果的與操作數值有共同類型。 |
| A * B | 所有數字類型 | A和B相乘，結果的與操作數值有共同類型。需要說明的是，如果乘法造成溢出，將選擇更高的類型。 |
| A / B | 所有數字類型 | A和B相除，結果是一個double（雙精度）類型的結果。 |
| A % B | 所有數字類型 | A除以B余數與操作數值有共同類型。 |
| A & B | 所有數字類型 | 運算符查看兩個參數的二進制表示法的值，並執行按位”與”操作。兩個表達式的一位均為1時，則結果的該位為 1。否則，結果的該位為 0。 |
| A|B | 所有數字類型 | 運算符查看兩個參數的二進制表示法的值，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 | 所有數字類型 | 運算符查看兩個參數的二進制表示法的值，並執行按位”異或”操作。當且僅當只有一個表達式的某位上為 1 時，結果的該位才為 1。否則結果的該位為 0。 |
| ~A | 所有數字類型 | 對一個表達式執行按位”非”（取反）。 |
1.3邏輯運算符
| 運算符 | 類型 | 說明 |
|---|---|---|
| A AND B | 布爾值 | 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 | 布爾值 | 與”A AND B”相同 |
| A OR B | 布爾值 | 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 | 布爾值 | 與”A OR B”相同 |
| NOT A | 布爾值 | 如果A為NULL或錯誤的時候返回TURE，否則返回FALSE。 |
| ! A | 布爾值 | 與”NOT A”相同 |
1.4復雜類型函數
| 函數 | 類型 | 說明 |
|---|---|---|
| map | (key1, value1, key2, value2, …) | 通過指定的鍵/值對，創建一個map。 |
| struct | (val1, val2, val3, …) | 通過指定的字段值，創建一個結構。結構字段名稱將COL1，COL2，… |
| array | (val1, val2, …) | 通過指定的元素，創建一個數組。 |
1.5對復雜類型函數操作
| 函數 | 類型 | 說明 |
|---|---|---|
| A[n] | A是一個數組，n為int型 | 返回數組A的第n個元素，第一個元素的索引為0。如果A數組為['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字符串在結構S中的存儲位置。如 foobar {int foo, int bar} foobar.foo的領域中存儲的整數。 |
2.內置函數
2.1數學函數
| 返回類型 | 函數 | 說明 |
|---|---|---|
| BIGINT | round(double a) | 四舍五入 |
| DOUBLE | round(double a, int d) | 小數部分d位之后數字四舍五入，例如round(21.263,2),返回21.26 |
| BIGINT | floor(double a) | 對給定數據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) | 將參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的平均分布隨機數（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 | bin(BIGINT a) | 返回二進制格式 |
| string | hex(BIGINT a) hex(string a) | 將整數或字符轉換為十六進制格式 |
| string | unhex(string a) | 十六進制字符轉換由數字表示的字符。 |
| 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的余數的絕對值 |
| 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) | 返回余弦 |
| double | acos(double a) | 返回X的反余弦，即余弦是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收集函數
| 返回類型 | 函數 | 說明 |
|---|---|---|
| int | size(Map<K.V>) | 返回的map類型的元素的數量 |
| int | size(Array
|
返回數組類型的元素數量 |
2.3類型轉換函數
| 返回類型 | 函數 | 說明 |
|---|---|---|
| 指定 “type” | cast(expr as
|
類型轉換。例如將字符”1″轉換為整數:cast(’1′ as bigint)，如果轉換失敗返回NULL。 |
2.4日期函數
| 返回類型 | 函數 | 說明 |
|---|---|---|
| string | from_unixtime(bigint unixtime[, string format]) | UNIX_TIMESTAMP參數表示返回一個值’YYYY- MM – DD HH：MM：SS’或YYYYMMDDHHMMSS.uuuuuu格式，這取決於是否是在一個字符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() | 如果不帶參數的調用，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) | 指定日期參數調用UNIX_TIMESTAMP（），它返回參數值’1970- 01 – 0100:00:00′到指定日期的秒數。 |
| bigint | unix_timestamp(string date, string pattern) | 指定時間輸入格式，返回到1970年秒數：unix_timestamp(’2009-03-20′, ‘yyyy-MM-dd’) = 1237532400 |
| 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，范圍在1000到9999，或為”零”日期的0。 |
| int | month(string date) | 返回指定時間的月份，范圍為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，范圍為0到23。 |
| int | minute(string date) | 返回指定時間的分鍾，范圍為0到59。 |
| int | second(string date) | 返回指定時間的秒，范圍為0到59。 |
| int | weekofyear(string date) | 返回指定日期所在一年中的星期號，范圍為0到53。 |
| int | datediff(string enddate, string startdate) | 兩個時間參數的日期之差。 |
| 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條件函數
| 返回類型 | 函數 | 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, …) | 返回一組數據中，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字符函數
| 返回類型 | 函數 | 說明 |
|---|---|---|
| int | length(string A) | 返回字符串的長度 |
| string | reverse(string A) | 返回倒序字符串 |
| string | concat(string A, string B…) | 連接多個字符串，合並為一個字符串，可以接受任意數量的輸入字符串 |
| string | concat_ws(string SEP, string A, string B…) | 鏈接多個字符串，字符串之間以指定的分隔符分開。 |
| string | substr(string A, int start) substring(string A, int start) | 從文本字符串中指定的起始位置后的字符。 |
| string | substr(string A, int start, int len) substring(string A, int start, int len) | 從文本字符串中指定的位置指定長度的字符。 |
| string | upper(string A) ucase(string A) | 將文本字符串轉換成字母全部大寫形式 |
| string | lower(string A) lcase(string A) | 將文本字符串轉換成字母全部小寫形式 |
| string | trim(string A) | 刪除字符串兩端的空格，字符之間的空格保留 |
| string | ltrim(string A) | 刪除字符串左邊的空格，其他的空格保留 |
| string | rtrim(string A) | 刪除字符串右邊的空格，其他的空格保留 |
| string | regexp_replace(string A, string B, string C) | 字符串A中的B字符被C字符替代 |
| string | regexp_extract(string subject, string pattern, int index) | 通過下標返回正則表達式指定的部分。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) | 重復N次字符串 |
| int | ascii(string str) | 返回字符串中首字符的數字值 |
| string | lpad(string str, int len, string pad) | 返回指定長度的字符串，給定字符串長度小於指定長度時，由指定字符從左側填補。 |
| string | rpad(string str, int len, string pad) | 返回指定長度的字符串，給定字符串長度小於指定長度時，由指定字符從右側填補。 |
| array | split(string str, string pat) | 將字符串轉換為數組。 |
| int | find_in_set(string str, string strList) | 返回字符串str第一次在strlist出現的位置。如果任一參數為NULL,返回NULL；如果第一個參數包含逗號，返回0。 |
| array<array
|
sentences(string str, string lang, string locale) | 將字符串中內容按語句分組，每個單詞間以逗號分隔，最后返回數組。 例如sentences(‘Hello there! How are you?’) 返回：( (“Hello”, “there”), (“How”, “are”, “you”) ) |
| array<struct<string,double>> | ngrams(array<array
|
SELECT ngrams(sentences(lower(tweet)), 2, 100 [, 1000]) FROM twitter; |
| array<struct<string,double>> | context_ngrams(array<array
|
SELECT context_ngrams(sentences(lower(tweet)), array(null,null), 100, [, 1000]) FROM twitter; |
3.內置的聚合函數（UDAF）
| 返回類型 | 函數 | 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系數 |
| 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,不支持浮點型數值。 |
| array
|
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,不支持浮點型數值。 |
| 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
|
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) | 返回無重復記錄 |
4.內置表生成函數（UDTF）
| 返回類型 | 函數 | 說明 |
|---|---|---|
| 數組 | explode(array
|
數組一條記錄中有多個參數，將參數拆分，每個參數生成一列。 |
| 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 |
5.自定義函數
自定義函數包括三種UDF、UDAF、UDTF
UDF(User-Defined-Function) ：一進一出
UDAF(User- Defined Aggregation Funcation) ：聚集函數，多進一出。Count/max/min
UDTF(User-Defined Table-Generating Functions) :一進多出，如explore()
5.1 UDF 開發
1、UDF函數可以直接應用於select語句，對查詢結構做格式化處理后，再輸出內容。
2、編寫UDF函數的時候需要注意一下幾點：
a）自定義UDF需要繼承org.apache.hadoop.hive.ql.UDF。
b）需要實現evaluate函數，evaluate函數支持重載。
3、步驟
(1)將jar包上傳到虛擬機中：
a）把程序打包放到目標機器上去；
b）進入hive客戶端，添加jar包：hive>add jar /run/jar/udf_test.jar;
c）創建臨時函數：hive>CREATE TEMPORARY FUNCTION add_example AS 'hive.udf.Add';
d）查詢HQL語句：
SELECT add_example(8, 9) FROM scores;
SELECT add_example(scores.math, scores.art) FROM scores;
SELECT add_example(6, 7, 8, 6.8) FROM scores;
e）銷毀臨時函數：hive> DROP TEMPORARY FUNCTION add_example;
注意：此種方式創建的函數屬於臨時函數，當關閉了當前會話之后，函數會無法使用，因為jar的引用沒有了，無法找到對應的java文件進行處理，因此不推薦使用。
(2)將jar包上傳到hdfs集群中：
a）把程序打包上傳到hdfs的某個目錄下
b）創建函數：hive>CREATE FUNCTION add_example AS 'hive.udf.Add' using jar "hdfs://mycluster/jar/udf_test.jar";
d）查詢HQL語句：
SELECT add_example(8, 9) FROM scores;
SELECT add_example(scores.math, scores.art) FROM scores;
SELECT add_example(6, 7, 8, 6.8) FROM scores;
e）銷毀臨時函數：hive> DROP FUNCTION add_example;