Hive sql函数
一、关系运算
- 等值比较: =
select 1 from dual where 1 = 2; - 等值比较:<=>
a <=> b - 不等值比较: <>和!=
a != b || a <> b - 小于比较: <
a < b - 小于等于比较: <=
a <= b - 大于比较: >
a > b - 大于等于比较: >=
a >= b
区间比较？？？？？
# step1 设定区间分类个数，此处设置为10 m=10 # step2 求解字段 result 的最大值和最小值 section=`hive -e " select max(result) as max_num, min(result) as min_num from tmp "` max_num=`echo -e "${section}" | cut -f1` min_num=`echo -e "${section}" | cut -f2` # step3 求解区间的长度 len_section=`hive -e " select (${max_num} - ${min_num}) / ${m} from dual "` # step4 统计每个区间的个数 hive -e " select ${min_num} + floor((result - ${min_num}) / ${len_section}) * ${len_section} as section_flag, count(*) as num from tmp "空值判断: IS NULL
select 1 from dual where A is null;非空判断: IS NOT NULL
select 1 from dual where A is not null;LIKE比较: A LIKE B
B中字符”_“表示任意单个字符，而字符”%”表示任意数量的字符
否定比较的时候用 NOT A LIKE Bselect 1 from dual where ‘key' like 'foot%'; select 1 from dual where ‘key ' like 'foot____';JAVA的LIKE操作: A RLIKE B
如果字符串A或者字符串B为NULL，则返回NULL；如果字符串A符合JAVA正则表达式B的正则语法，则为TRUE；否则为FALSEselect 1 from dual where '123456' rlike '^\\d+$' 判断一个字符串是否都是数字REGEXP操作: A REGEXP B
功能和RLIKE一样select 1 from dual where ‘key' REGEXP '^f.*r$';
二、数学运算
加法操作: +
减法操作: –
结果的数值类型等于A的类型和B的类型的最小父类型
比如int ± int 一般结果为int类型，而int ± double 一般结果为double类型乘法操作: *
结果的数值类型等于A的类型和B的类型的最小父类型
如果A乘以B的结果超过默认结果类型的数值范围，则需要通过cast将结果转换成范围更大的数值类型除法操作: /？？？？？
返回A除以B的结果。结果的数值类型为double注意：hive 中最高精度的数据类型是 double, 只精确到小数点后16位，做除法运算时要特别注意 hive>select ceil(28.0/6.999999999999999999999) from dual limit 1; 结果为4 hive>select ceil(28.0/6.99999999999999) from dual limit 1; 结果为5取余操作: %
返回A除以B的余数。结果的数值类型等于A的类型和B的类型的最小父类型注意：精度在 hive 中是个很大的问题，类似这样的操作最好通过 round 指定精度 hive> select round(8.4 % 4 , 2) from dual; 0.4位与操作: &
返回A和B按位进行与操作的结果。结果的数值类型等于A的类型和B的类型的最小父类型hive> select 4 & 8 from dual; 0 hive> select 6 & 4 from dual; 4位或操作: |
返回A和B按位进行或操作的结果。结果的数值类型等于A的类型和B的类型的最小父类型hive> select 4 | 8 from dual; 12 hive> select 6 | 8 from dual; 14位异或操作: ^
返回A和B按位进行异或操作的结果。结果的数值类型等于A的类型和B的类型的最小父类型hive> select 4 ^ 8 from dual; 12 hive> select 6 ^ 4 from dual; 2位取反操作: ~
返回A按位取反操作的结果。结果的数值类型等于A的类型。hive> select ~6 from dual; -7 hive> select ~4 from dual; -5
所有正整数的按位取反是其本身+1的负数
所有负整数的按位取反是其本身+1的绝对值
零的按位取反是 -1
三、逻辑运算
逻辑与操作: AND 、&&
逻辑或操作: OR 、||
逻辑非操作: NOT、!
NOT A：如果A为FALSE，或者A为NULL，则为TRUE；否则为FALSEselect 1 from dual where not 1=2 ;
四、复合类型构造函数
map结构
map (key1, value1, key2, value2,…)
根据输入的key和value对构建map类型hive> Create table lxw_test as select map('100','tom','200','mary')as t from lxw_dual; hive> describe lxw_test; t map<string,string> hive> select t from lxw_test; {"100":"tom","200":"mary"} hive> create table employee(id string, perf map<string, int>) > ROW FORMAT DELIMITED > FIELDS TERMINATED BY '\t' > COLLECTION ITEMS TERMINATED BY ',' > MAP KEYS TERMINATED BY ':'; 1 job:80,team:60,person:70 2 job:60,team:80 3 job:90,team:70,person:100 hive> load data local inpath '/home/oracle/emp.txt' into table employee; hive> select perf['person'] from employee; OK 70 NULL 100 hive> select perf['person'] from employee where perf['person'] is not null; 70 100
‘MAP KEYS TERMINATED BY’ ：key value分隔符
struct结构
struct(val1, val2, val3,…)
根据输入的参数构建结构体struct类型hive> create table student_test(id INT, info struct<name:STRING, age:INT>) > ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' > COLLECTION ITEMS TERMINATED BY ':'; hive>load data local inpath '/home/oracle/student_test.txt' into table student_test; 1,zhou:30 2,yan:30 3,chen:20 4,li:80 hive> select info.age from student_test; 30 30 20 80
‘FIELDS TERMINATED BY’ ：字段与字段之间的分隔符
‘COLLECTION ITEMS TERMINATED BY’ ：一个字段各个item的分隔符
named_struct结构
named_struct(name1,val1,name2,val2,name3,val3,…)
使用给定的表达式，构造一个指定列名的 struct 数据结构hive> select named_struct('a',1,'b','aaa','c',FALSE) from lxw1234; {"a":1,"b":"aaa","c":false}array结构
array(val1, val2,…)
根据输入的参数构建数组array类型hive> create table lxw_test as selectarray("tom","mary","tim") as t from lxw_dual; hive> describe lxw_test; t array<string> hive> select t from lxw_test; ["tom","mary","tim"] hive> create table class_test(name string, student_id_list array<INT>) 034,1:2:3:4 035,5:6 036,7:8:9:10 hive> select student_id_list[3] from class_test; 4 NULL 10create_union (tag, val1, val2, …)
使用给定的 tag 和表达式，构造一个 uniontype 数据结构。tag 表示使用第 tag 个 表达式作为 uniontype 的 valuehive> select create_union(0,'ss',array(1,2,3)) from lxw1234; {0:"ss"} hive> select create_union(1,'ss',array(1,2,3)) from lxw1234; {1:[1,2,3]}
五、复合类型操作符
获取array中的元素 A[n]
返回数组A中的第n个变量值。数组的起始下标为0。比如，A是个值为[‘foo’, ‘bar’]的数组类型，那么A[0]将返回’foo’,而A[1]将返回’bar’hive> create table lxw_test as selectarray("tom","mary","tim") as t from lxw_dual; hive> select t[0],t[1],t[2] from lxw_test; tom mary tim hive> select array('a','b','c')[1] from lxw1234; b获取map中的元素 M[key]
返回map类型M中，key值为指定值的value值。比如，M是值为{‘f’ -> ‘foo’, ‘b’-> ‘bar’, ‘all’ -> ‘foobar’}的map类型，那么M[‘all’]将会返回’foobar’hive> Create table lxw_test as selectmap('100','tom','200','mary') as t from lxw_dual; hive> select t['200'],t['100'] from lxw_test; mary tom hive> select map('k1','v1')['k1']; v1获取struct中的元素 S.x
返回结构体S中的x字段。比如，对于结构体struct foobar {int foo, int bar}，foobar.foo返回结构体中的foo字段hive> create table lxw_test as select struct('tom','mary','tim')as t from lxw_dual; hive> describe lxw_test; t struct<col1:string,col2:string,col3:string> hive> select t.col1,t.col3 from lxw_test; tom tim hive> select named_struct('a',1,'b','aaa','c',FALSE).c; false
六、数值计算函数
取整函数: round(double a)
返回double类型的整数值部分 （遵循四舍五入）hive> select round(3.1415926) from dual; 3 hive> select round(3.5) from dual; 4指定精度取整函数: round(double a, int d)
返回指定精度d的double类型hive> select round(3.1415926,4) from dual; 3.1416向下取整函数: floor(double a)
返回等于或者小于该double变量的最大的整数hive> select floor(3.1415926) from dual; 3 hive> select floor(25) from dual; 25向上取整函数: ceil(double a)
返回等于或者大于该double变量的最小的整数hive> select ceil(3.1415926) from dual; 4 hive> select ceil(46) from dual; 46向上取整函数: ceiling(double a)
与ceil功能相同hive> select ceiling(3.1415926) from dual; 4 hive> select ceiling(46) from dual; 46取随机数函数: rand(),rand(int seed)
返回一个0到1范围内的随机数。如果指定种子seed，则会等到一个稳定的随机数序列hive> select rand() from dual; 0.5577432776034763自然指数函数: exp(double a)
返回自然对数e的a次方hive> select exp(2) from dual; 7.38905609893065以10为底对数函数: log10(double a)
返回以10为底的a的对数hive> select log10(100) from dual; 2.0以2为底对数函数: log2(double a)
返回以2为底的a的对数hive> select log2(8) from dual; 3.0对数函数: log(double base, double a)
返回以base为底的a的对数hive> select log(4,256) from dual; 4.0幂运算函数: pow(double a, double p)
返回a的p次幂hive> select pow(2,4) from dual; 16.0幂运算函数: power(double a, double p)
返回a的p次幂,与pow功能相同hive> select power(2,4) from dual; 16.0开平方函数: sqrt(double a)
返回a的平方根hive> select sqrt(16) from dual; 4.0二进制函数: bin(BIGINT a)
返回a的二进制代码表示hive> select bin(7) from dual; 111十六进制函数: hex(BIGINT a)
如果变量是int类型，那么返回a的十六进制表示；如果变量是string类型，则返回该字符串的十六进制表示hive> select hex(17) from dual; 11 hive> select hex(‘abc’) from dual; 616263反转十六进制函数: unhex(string a)
返回该十六进制字符串所代表的字符串hive> select unhex(‘616263’) from dual; abc hive> select unhex(‘11’) from dual; - hive> select unhex(616263) from dual; abc进制转换函数: conv(BIGINT num, int from_base, int to_base)
将数值num从from_base进制转化到to_base进制hive> select conv(17,10,16) from dual; 11 hive> select conv(17,10,2) from dual; 10001绝对值函数: abs(double a) || abs(int a)
返回数值a的绝对值hive> select abs(-3.9) from dual; 3.9 hive> select abs(10.9) from dual; 10.9正取余函数: pmod(int a, int b) || pmod(double a, double b)
返回正的a除以b的余数hive> select pmod(9,4) from dual; 1 hive> select pmod(-9,4) from dual; 3 // 如果参数是一正一负，先都看成正数 4 * 3 = 12 > 9，则余数是 12 - 9 = 3 // 找到比负数大的数，减去负数的绝对值正弦函数: sin(double a)
返回a的正弦值hive> select sin(0.8) from dual; 0.7173560908995228反正弦函数: asin(double a)
返回a的反正弦值hive> select asin(0.7173560908995228) from dual; 0.8余弦函数: cos(double a)
返回a的余弦值hive> select cos(0.9) from dual; 0.6216099682706644反余弦函数: acos(double a)
返回a的反余弦值hive> select acos(0.6216099682706644) from dual; 0.9positive函数: positive(int a) || positive(double a)
返回ahive> select positive(-10) from dual; -10 hive> select positive(12) from dual; 12negative函数: negative(int a) || negative(double a)
返回-ahive> select negative(-5) from dual; 5 hive> select negative(8) from dual; -8
七、集合操作函数
map类型大小：size(Map<K.V>)
返回map类型的长度hive> select size(map('100','tom','101','mary')) from lxw_dual; 2array类型大小：size(Array
)
返回array类型的长度hive> select size(array('100','101','102','103')) from lxw_dual; 4判断元素数组是否包含元素：array_contains(Array, value)
返回 Array中是否包含元素 valuehive> select array_contains(array(1,2,3,4,5),3) from lxw1234; true获取map中所有value集合
map_values(Map)
返回 Map中所有 value 的集合hive> select map_values(map('k1','v1','k2','v2')) from lxw1234; ["v2","v1"]获取map中所有key集合
map_keys(Map)
返回 Map中所有 key 的集合hive> select map_keys(map('k1','v1','k2','v2')) from lxw1234; ["k2","k1"]数组排序
sort_array(Array)
对 Array进行升序排序hive> select sort_array(array(5,7,3,6,9)) from lxw1234; [3,5,6,7,9]
八、类型转换函数
二进制转换：binary(string|binary)
将输入的值转换成二进制hive> select binary('4'); 4 hive> select binary('1111'); 1111 hive> select binary('abd'); abd基础类型之间强制转换：cast(expr as
)
返回值：Expected “=” to follow “type”
返回from之后的长度，如果是一张表就输出行数个exprhive> select cast(1 as float); 1.0 hive> select cast(2 as bigint) from tablss; 2 2 2 2 2 2
九、日期函数
UNIX时间戳转日期函数: from_unixtime(bigint unixtime[, string format])
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hive> select from_unixtime(1323308943,'yyyyMMdd') from dual; 20111208获取当前UNIX时间戳函数: unix_timestamp()
获得当前时区的UNIX时间戳hive> select unix_timestamp() from dual; 1323309615日期转UNIX时间戳函数: unix_timestamp(string date)
转换格式为”yyyy-MM-dd HH:mm:ss”的日期到UNIX时间戳。如果转化失败，则返回0hive> select unix_timestamp('2011-12-07 13:01:03') from dual; 1323234063指定格式日期转UNIX时间戳函数: unix_timestamp(string date, string pattern)
转换pattern格式的日期到UNIX时间戳。如果转化失败，则返回0hive> select unix_timestamp('20111207 13:01:03','yyyyMMdd HH:mm:ss') from dual; 1323234063日期时间转日期函数: to_date(string timestamp)
返回日期时间字段中的日期部分hive> select to_date('2011-12-08 10:03:01') from dual; 2011-12-08日期转年函数: year(string date)
返回日期中的年hive> select year('2011-12-08 10:03:01') from dual; 2011 hive> select year('2012-12-08') from dual; 2012日期转月函数: month (string date)
返回日期中的月份hive> select month('2011-12-08 10:03:01') from dual; 12 hive> select month('2011-08-08') from dual; 8日期转天函数: day (string date)
返回日期中的天hive> select day('2011-12-08 10:03:01') from dual; 8 hive> select day('2011-12-24') from dual; 24日期转小时函数: hour (string date)
返回日期中的小时hive> select hour('2011-12-08 10:03:01') from dual; 10日期转分钟函数: minute (string date)
返回日期中的分钟hive> select minute('2011-12-08 10:03:01') from dual; 3日期转秒函数: second (string date)
返回日期中的秒hive> select second('2011-12-08 10:03:01') from dual; 1日期转周函数: weekofyear (string date)
返回日期在当前的周数hive> select weekofyear('2011-12-08 10:03:01') from dual; 49日期比较函数: datediff(string enddate, string startdate)
返回结束日期减去开始日期的天数hive> select datediff('2012-12-08','2012-05-09') from dual; 213日期增加函数: date_add(string startdate, int days)
返回开始日期startdate增加days天后的日期hive> select date_add('2012-12-08',10) from dual; 2012-12-18日期减少函数: date_sub (string startdate, int days)
返回开始日期startdate减少days天后的日期hive> select date_sub('2012-12-08',10) from dual; 2012-11-28
十、条件函数
If函数: if(boolean testCondition, T valueTrue, T valueFalseOrNull)
当条件testCondition为TRUE时，返回valueTrue；否则返回valueFalseOrNullhive> select if(1=2,100,200) from dual; 200 hive> select if(1=1,100,200) from dual; 100非空查找函数: COALESCE(T v1, T v2, …)
返回参数中的第一个非空值；如果所有值都为NULL，那么返回NULLhive> select COALESCE(null,'100','50′) from dual; 100条件判断函数：CASE a WHEN b THEN c [WHEN d THEN e]* [ELSE f] END
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 fhive> Select case 100 when 50 then 'tom' when 100 then 'mary' else 'tim' end from dual; mary
十一、字符串函数
字符ascii码函数：ascii(str)
返回字符串str第一个字符的ascii码hive> select ascii(‘abcde’) from dual; 97base64字符串：base64(binary bin)
将二进制bin转换成64位的字符串hive> select base64(binary(‘lxw1234’)); bHh3MTIzNA==字符串连接函数：concat(string A, string B…)
返回输入字符串连接后的结果，支持任意个输入字符串hive> select concat(‘abc’,'def’,'gh’) from dual; abcdefgh带分隔符字符串连接函数：concat_ws(string SEP, string A, string B…)
返回输入字符串连接后的结果，SEP表示各个字符串间的分隔符hive> select concat_ws(‘,’,'abc’,'def’,'gh’) from dual; abc,def,gh hive> select concat_ws('.','www','iteblog','com') from iteblog; www.iteblog.com数组转换成字符串的函数：concat_ws(string SEP, array
)
返回将数组链接成字符串后的结果，SEP 表示各个字符串间的分隔符hive> select concat_ws('|',array('a','b','c')); a|b|c小数位格式化成字符串函数：format_number(number x, int d)
将数值X转换成”#,###,###.##”格式字符串，并保留d位小数，如果d为0，将进行四舍五入且不保留小数hive> select format_number(5.23456,3) from lxw1234; 5.235字符串截取函数：substr(string A, int start) || substring(string A, int start)
返回字符串A从start位置到结尾的字符串hive> select substr(‘abcde’,3) from dual; cde hive> select substring(‘abcde’,3) from dual; cde hive> select substr(‘abcde’,-1) from dual; （和ORACLE相同） e字符串截取函数：substr(string A, int start, int len) || substring(string A, int start, int len)
返回字符串A从start位置开始，长度为len的字符串hiveselect substr(‘abcde’,3,2) from dual; cd hiveselect substring(‘abcde’,3,2) from dual; cd hive>select substring(‘abcde’,-2,2) from dual; de字符串查找函数：instr(string str, string substr)
返回值为int
查找字符串str中子字符串substr出现的位置，如果查找失败将返回0，如果任一参数为Null将返回null，注意位置为从1开始的hive> select instr('abcdf','df') from lxw1234; 4字符串长度函数：length(string A)
返回字符串A的长度hive> select length('abcedfg') from dual; 7字符串查找函数：locate(string substr, string str[, int pos])
查找字符串str中的pos位置后字符串substr第一次出现的位置hive> select locate('a','abcda',1) from lxw1234; 1 hive> select locate('a','abcda',2) from lxw1234; 5字符串格式化函数：printf(String format, Obj… args)
按照printf风格格式输出字符串hive> select printf("%08X",123) from lxw1234; 0000007B字符串转换成map函数：str_to_map(text[, delimiter1, delimiter2])
返回值：map<string,string>
将字符串str按照指定分隔符转换成Map，第一个参数是需要转换字符串，第二个参数是键值对之间的分隔符，默认为逗号;第三个参数是键值之间的分隔符，默认为”=”hive> select str_to_map('k1:v1,k2:v2') from lxw1234; {"k2":"v2","k1":"v1"} hive> select str_to_map('k1=v1,k2=v2',',','=') from lxw1234; {"k2":"v2","k1":"v1"}base64解码函数：unbase64(string str)
将64位的字符串转换二进制值hive> select unbase64('bHh3MTIzNA==') from lxw1234; lxw1234字符串转大写函数：upper(string A) || ucase(string A)
返回字符串A的大写格式hive> select upper(‘abSEd’) from dual; ABSED hive> select ucase(‘abSEd’) from dual; ABSED字符串转小写函数：lower(string A) || lcase(string A)
返回字符串A的小写格式hive> select lower(‘abSEd’) from dual; absed hive> select lcase(‘abSEd’) from dual; absed去空格函数：trim(string A)
去除字符串两边的空格hive> select trim(‘ abc ‘) from dual; abc左边去空格函数：ltrim(string A)
去除字符串左边的空格hive> select ltrim(‘ abc ‘) from dual; abc右边去空格函数：rtrim(string A)
去除字符串右边的空格hive> select rtrim(‘ abc ‘) from dual; abc正则表达式替换函数：regexp_replace(string A, string B, string C)
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,类似oracle中的regexp_replace函数hive> select regexp_replace('foobar', 'oo|ar', '') from lxw_dual; fb正则表达式解析函数：regexp_extract(string subject, string pattern, int index)
将字符串subject按照pattern正则表达式的规则拆分，返回index指定的字符,其中的index是按照正则字符串（）的位置。注意，在有些情况下要使用转义字符hive> select regexp_extract(‘foothebar’, ‘foo(.*?)(bar)’, 1) from dual; the hive> select regexp_extract(‘foothebar’, ‘foo(.*?)(bar)’, 2) from dual; bar hive> select regexp_extract(‘foothebar’, ‘foo(.*?)(bar)’, 0) from dual; foothebar？？？？？URL解析函数：parse_url(url, partToExtract[, key])？？？？？
解析URL字符串，partToExtract的选项包含[HOST,PATH,QUERY,REF,PROTOCOL,FILE,AUTHORITY,USERINFO]。parse_url('http://facebook.com/path/p1.php?query=1', 'HOST')返回'facebook.com' parse_url('http://facebook.com/path/p1.php?query=1', 'PATH')返回'/path/p1.php' parse_url('http://facebook.com/path/p1.php?query=1', 'QUERY')返回'query=1'， 可以指定key来返回特定参数，例如 parse_url('http://facebook.com/path/p1.php?query=1', 'QUERY','query')返回'1'， parse_url('http://facebook.com/path/p1.php?query=1#Ref', 'REF')返回'Ref' parse_url('http://facebook.com/path/p1.php?query=1#Ref', 'PROTOCOL')返回'http'json解析函数：get_json_object(string json_string, string path)
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NULLhive> select get_json_object(‘{“store”: > {“fruit”:\[{"weight":8,"type":"apple"},{"weight":9,"type":"pear"}], >“bicycle”:{“price”:19.95,”color”:”red”} > }, > “email”:”amy@only_for_json_udf_test.net”, > “owner”:”amy” > } > ‘,’$.owner’) from dual; amy select get_json_object('{"store":{"fruit":\["aa","bb","cc"]},"owner":"amy"}','$.store.fruit[0]') from test_msg limit 1;空格字符串函数：space(int n)
返回长度为n的字符串hive> select space(10) from dual; hive> select length(space(10)) from dual; 10重复字符串函数：repeat(string str, int n)
返回重复n次后的str字符串hive> select repeat(‘abc’,5) from dual; abcabcabcabcabc左补足函数：lpad(string str, int len, string pad)
将str进行用pad进行左补足到len位hive> select lpad(‘abc’,10,’td’) from dual; tdtdtdtabc右补足函数：rpad(string str, int len, string pad)
将str进行用pad进行右补足到len位hive> select rpad(‘abc’,10,’td’) from dual; abctdtdtdt分割字符串函数: split(string str, string pat)
按照pat字符串分割str，会返回分割后的字符串数组hive> select split(‘abtcdtef’,'t’) from dual; ["ab","cd","ef"]集合查找函数: find_in_set(string str, string strList)
返回str在strlist第一次出现的位置，strlist是用逗号分割的字符串。如果没有找该str字符，则返回0hive> select find_in_set(‘ab’,'ef,ab,de’) from dual; 2 hive> select find_in_set(‘at’,'ef,ab,de’) from dual; 0分词函数：sentences(string str, string lang, string locale)
返回值: array
返回输入 str 分词后的单词数组
分词函数先分句子，句号.会看成是一个单词，逗号,会被拆开，叹号！会被拆成两个句子hive> select sentences('hello word!hello hive,hi hive,hello hive') [["hello","word"],["hello","hive","hi","hive","hello","hive"]] select sentences('hello word,hello hive,hi hive,hello hive'); [["hello","word","hello","hive","hi","hive","hello","hive"]] hive>select sentences('hello word.hello hive,hi hive,hello hive'); [["hello","word.hello","hive","hi","hive","hello","hive"]]分词后统计一起出现频次最高的TOP-K
ngrams(array, int N, int K, int pf)
返回值: array<struct<string,double>>
与 sentences()函数一起使用，分词后，统计分词结果中一起出现频次最高的 TOP-K 结果hive> select ngrams(sentences('hello word!hello hive,hi hive,hello hive'),2,2); [{"ngram":["hello","hive"],"estfrequency":2.0},{"ngram":["hive","hi"],"estfrequency":1.0}] //该查询中，统计的是两个词在一起出现频次最高的 TOP\-2 //结果中，hello 与 hive 同时出现 2 次分词后统计与指定单词一起出现频次最高的TOP-K
context_ngrams(array, array, int K, int pf)
返回值：array<struct<string,double>>
与 sentences()函数一起使用，分词后，统计分词结果中与数组中指定的单词一起出现(包括顺序)频次最高的 TOP-K 结果
是紧跟着指定单词出现，可以跨越句子hive> select context_ngrams(sentences('hello word!hello hive,hi hive,hello hive'),array('hello',null),3); [{"ngram":["hive"],"estfrequency":2.0},{"ngram":["word"],"estfrequency":1.0}] //该查询中，统计的是与'hello'一起出现，并且在 hello 后面的频次最高的 TOP-3 //结果中，hello 与 hive 同时出现 2 次，hello 与 word 同时出现 1 次 hive> select context_ngrams(sentences('hello word!hello hive,hi hive,hello hive'),array(null,'hive'),3); [{"ngram":["hello"],"estfrequency":2.0},{"ngram":["hi"],"estfrequency":1.0}] //该查询中，统计的是与'hive'一起出现，并且在 hive 之前的频次最高的 TOP-3 hive>select context\_ngrams(sentences('hello word hello hive,hi hive,hello hive'),array(null,'hive'),3); [{"ngram":["hello"],"estfrequency":2.0},{"ngram":["hi"],"estfrequency":1.0}] hive>select context\_ngrams(sentences('hello hive,hello hive,hi hive,hello hive'),array(null,'hive'),3); [{"ngram":["hello"],"estfrequency":3.0},{"ngram":["hi"],"estfrequency":1.0}] hive>select context\_ngrams(sentences('hello hive,hello hive,hello hive,hi hive,hello hive'),array(null,'hive'),3); [{"ngram":["hello"],"estfrequency":4.0},{"ngram":["hi"],"estfrequency":1.0}]字符串反转函数： reverse(string A)
返回字符串A的反转结果hive> select reverse(abcedfg’) from dual; gfdecba重复字符串函数：repeat(string str, int n)
返回重复n次后的str字符串hive> select repeat('abc',5); abcabcabcabcabc
十二、混合函数
调用Java函数： java_method(class, method[, arg1[, arg2..]])
返回值: varies
调用 Java 中的方法处理数据hive> select reflect("java.net.URLEncoder", "encode", 'http://lxw1234.com',"UTF-8"); http%3A%2F%2Flxw1234.com //该查询中调用 java.net.URLEncoder 中的encode方法，给该方法传的参数为'http://lxw1234.com',"UTF-8"调用Java函数：reflect(class, method[, arg1[, arg2..]])
返回值: varies
调用 Java 中的方法处理数据hive> select reflect("java.net.URLDecoder", "decode", 'http%3A%2F%2Flxw1234.com',"UTF-8"); http://lxw1234.com字符串的hash值：hash(a1[, a2…])
返回值: int
返回字符串的 hash 值hive> select hash('lxw1234.com'); -809268416
十三、XPath解析XML函数
xpath
(string xmlstr,string xpath_expression)
返回值: array
从 xml 字符串中返回匹配到表达式的结果数组//获取 xml 字符串中 a/b/节点的值 hive> select xpath('b1b2c1','a/b/text()') from lxw1234; ["b1","b2"] //获取 xml 字符串中所有名为 id 的属性值 hive> select xpath('b1b2','//@id') from lxw1234; ["foo","bar"]xpath_string
xpath_string(string xmlstr,string xpath_expression)
返回值: string
默认情况下，从 xml 字符串中返回第一个匹配到表达式的节点的值hive> select xpath_string ('b1b2', '//b') from lxw1234; b1 3. //指定返回匹配到哪一个节点 hive> select xpath_string ('b1b2', '//b[2]') from lxw1234; b2xpath_boolean
xpath_boolean (string xmlstr,string xpath_expression)
返回值: boolean
返回 xml 字符串中是否匹配 xml 表达式hive> select xpath_boolean ('b', 'a/b') from lxw1234; true hive> select xpath_boolean ('10', 'a/b < 10') from lxw1234; falsexpath_short, xpath_int, xpath_long
xpath_short (string xmlstr,string xpath_expression)
xpath_int (string xmlstr,string xpath_expression)
xpath_long (string xmlstr,string xpath_expression)
返回值: int
返回 xml 字符串中经过 xml 表达式计算后的值，如果不匹配，则返回0hive> SELECT xpath_int ('this is not a number', 'a') FROM lxw1234; 0 hive> SELECT xpath_int ('1248', 'sum(a/*)') FROM lxw1234; 15 hive> select xpath_long('10.511.2','sum(a/*)') from lxw1234; 21xpath_float, xpath_double, xpath_number
xpath_float (string xmlstr,string xpath_expression)
xpath_double (string xmlstr,string xpath_expression)
path_number (string xmlstr,string xpath_expression)
返回值: number
返回 xml 字符串中经过 xml 表达式计算后的值，如果不匹配，则返回0hive> select xpath_double('10.511.2','sum(a/*)') from lxw1234; 21.7
十四、汇总统计函数（UDAF）
个数统计函数: count(*) || count(expr) || count(DISTINCT expr[, expr_.])
count(*)统计检索出的行的个数，包括NULL值的行
count(expr)返回指定字段的非空值的个数
count(DISTINCTexpr[, expr_.])返回指定字段的不同的非空值的个数hive> select count(*) from lxw_dual; 20 hive> select count(distinct t) from lxw_dual; 10总和统计函数: sum(col) || sum(DISTINCT col)
sum(col)统计结果集中col的相加的结果
sum(DISTINCT col)统计结果中col不同值相加的结果hive> select sum(t) from lxw_dual; 100 hive> select sum(distinct t) from lxw_dual; 70平均值统计函数: avg(col) || avg(DISTINCT col)
avg(col)统计结果集中col的平均值
avg(DISTINCT col)统计结果中col不同值相加的平均值hive> select avg(t) from lxw_dual; 50 hive> select avg (distinct t) from lxw_dual; 30最小值统计函数: min(col)
统计结果集中col字段的最小值hive> select min(t) from lxw_dual; 20最大值统计函数: max(col)
统计结果集中col字段的最大值hive> select max(t) from lxw_dual; 120非空集合总体变量函数: var_pop(col)
返回值: double
统计结果集中col非空集合的总体变量（忽略null）非空集合样本变量函数: var_samp (col)
返回值: double
统计结果集中col非空集合的样本变量（忽略null）总体标准偏离函数: stddev_pop(col)
返回值: double
该函数计算总体标准偏离，并返回总体变量的平方根，其返回值与VAR_POP函数的平方根相同样本标准偏离函数: stddev_samp (col)
返回值: double
该函数计算样本标准偏离中位数函数: percentile
percentile(BIGINT col, p)
求准确的第pth个百分位数，p必须介于0和1之间，但是col字段目前只支持整数，不支持浮点数类型hive>select percentile(id,0.2) from student; 2.0percentile(BIGINT col, array(p1 [, p2]…))
功能和上述类似，之后后面可以输入多个百分位数，返回类型也为array，其中为对应的百分位数 hive>select percentile(id,array(0.2,0.4)) from student； [2.0,2.4000000000000004]
近似中位数函数: percentile_approx(DOUBLE col, p [, B])
求近似的第pth个百分位数，p必须介于0和1之间，返回类型为double，但是col字段支持浮点类型。参数B控制内存消耗的近似精度，B越大，结果的准确度越高。默认为10,000。当col字段中的distinct值的个数小于B时，结果为准确的百分位数直方图: histogram_numeric(col, b)
返回值：array<struct {‘x’,’y’}>
以b为基准计算col的直方图信息hive> select histogram_numeric(100,5) from lxw_dual; [{"x":100.0,"y":1.0}]集合去重数：collect_set(col)
只接受基本数据类型，它的主要作用是将某字段的值进行去重汇总，产生array类型字段如下数据记录，要统计每种no下的score，这里就可以配合group by 产生奇效 no score 1 2 1 3 1 3 2 2 2 4 2 4 hive>select no，collect_set(score) from tablss group by no; 1 [2,3] 2 [2,4] hive> select * from student; 1 zhangsan 22 2 lisi 21 3 wangwu 17 4 zhaoliu 25 2 lisi 21 3 wangwu 17 4 zhaoliu 25 hive>select name,collect_set(id) from student group by name; lisi [2] wangwu [3] zhangsan [1] zhaoliu [4]集合不去重函数：collect_list (col)
返回值: array
将 col 字段合并成一个数组,不去重hive> select no,collect_list(score) from tablss group by no; 1 [2,3,3] 2 [2,4,4] hive> select name,collect_list(id) from student group by name; lisi [2,2] wangwu [3,3] zhangsan [1] zhaoliu [4,4]
十五、表格生成函数Table-Generating Functions (UDTF)
数组拆分成多行：explode
explode(array
a)
返回值：Array Type
对于a中的每个元素，将生成一行且包含该元素hive> select explode(split(concat_ws(',','1','2','3','4','5','6','7','8','9'),',')) from test.dual; 1 2 3 4 5 6 7 8 9
Map拆分成多行：explode
explode(MAP)
map中每个key-value对，生成一行，key为一列，value为一列hive> select explode(map('k1','v1','k2','v2')); k1 v1 k2 v2