Hive查询

1、hive模糊搜索表
show tables like '*name*';
2、查看表结构信息
desc formatted tablename;
desc table_name
3、查看分区信息
show partitions tablename;
4、根据分区查询数据
select table_coulm from tablename where partitionname = '2016-02-25';
5、删除分区
alter table test drop partition(dt='2016-03-01');
alter table test drop partition(dt='2016-01-17')
6、杀死某个任务不在hive shell中执行
Hadoop job -kill job_201403041453_58315
7、 hive命令行操作
执行一个查询,在终端上显示mapreduce的进度，执行完毕后，最后把查询结果输出到终端上，接着hive进程退出，不会进入交互模式。
hive -e 'select table_cloum from table'
-S，终端上的输出不会有mapreduce的进度，执行完毕，只会把查询结果输出到终端上。这个静音模式很实用，,通过第三方程序调用，第三方程序通过hive的标准输出获取结果集。
hive -S -e 'select tablecloum from table'
执行sql文件
hive -f hive_sql.sql
8、查看文件大小及删除文件
Hive>dfs –du /xx/xx
Hive>dfs –rmr /xx/xx
9、mapjoin的使用应用场景：1.关联操作中有一张表非常小 2、不等值的链接操作
select /*+ mapjoin(A)*/ f.a,f.b from A t join B f on ( f.a=t.a and f.ftime=20110802)
10、hive开启简单模式不启用mr
set hive.fetch.task.conversion=more;
11、hive修改表名
ALTER TABLE oldtablename RENAME TO newtablename;
12、 hive添加字段
alter table temp add columns(current_session_timelenth_count bigint comment '页面停留总时长');
ALTER temp CHANGE current_session_timelenth current_session_timelenth bigint comment '当前会话停留时间';
------------------------------------------------------------------------------------------
Hive支持大量SQL数据定义语言（Data Manipulation Language，DML）中的现有功能，包括以下各种语句：
使用where条件过滤表的行
使用列或子查询的select表达式
使用等值连接，连接多张表
合并表的所有行或子查询
针对多个“分组”的列进行聚合计算
将查询结果存入另一张表
导出表中的内容到本地目录或HDFS目录中
以下参考自点击打开链接
1、只查询前两条：
select * from student limit 2 ;
2、统计一个表的行数：
select count(*) from student ;
3、求一个表id字段的id 之和：
select sum(id) from student ;
4、查询分区表
select * from beauties where nation='China' ;
5、多表关联：
select t . account , u . name , t . income , t . expenses , t . surplus from user_info u join (select account , sum(income) as income , sum(expenses) as expenses , sum(income-expenses) as surplus from
trade_detail group by account) t on u . account = t . account ;
别名
select count(distinct e.uid) from (select * from tablenamewhere
rank <=3 and order =1) e;
小括号中返回的也是一个表,它只是临时的别名为e
查搜索过"奥巴马" 的用户所搜过的关键字
select m.uid,m.keyword from (select distinct n.uid from
tablenamewhere keyword like '%奥巴马%' n ) m
where m.uid=n.uid;
查搜索过"奥巴马" 的用户所搜过的不包含"奥巴马"本身的关键字
select m.uid,m.keyword from sogou_20111230 m join (select distinct uid from sogou_20111230 where keyword like '%奥巴马%') n on m.uid=n.uid where m.keyword not like '%奥巴马%';
UNION ALL可以将2个或多个表进行合并
select count(distinct e.uid)from(
select * from tablename where rank<11
union all
select * from ext_sogou_20111230_limit3 where rank < 11) e;
6、去重查询：group by的使用
select * from mytable group by uid ;
Group by 语句通常会和聚合函数一起使用,按照一个或者多个对结果进行分组,然后对每个组执行聚合操作
select year(ts), avg(rank) from tablename where ts like '%2011' group by year(ts);
7、独立UID总数：
select count(distinct(uid)) from mytable ; （高效）或者 select count(*) from(select * from mytable group by uid) a ;
8、查询频度排名（频度最高的前50）：
select keyword,count(*) as cnt from test group by keyword order by cnt desc limit 50;
9、添加防止删除的保护：
alter table tablename
> partition (day='0925') enable no_drop;
删除添加的"删除"保护：
alter table tablename
> partition (day='20161207') disable no_drop;
10、添加防止查询的保护：
alter table tablename
> partition (day=20161207') enable offline;
删除防止查询的保护:
alter table tablename
> partition (day='20161207') disable offline;
11、强转:
select cast(rank as DOUBLE) from tablename limit 10;
12、拼接:
select concat(uid,url) from tablename limit 10;
13、查找url字符串中的5位置之后字符串str第一次出现的位置
select locate("str",url,5) from tablename limit 100;
14、抽取字符串str中符合正则表达式url的第5个部分的子字符串
select regexp_extract("str",url,5) from tablename limit 100;
15、按照正则表达式"0"分割字符串uid,并将分割后的部分以字符串数组的方式返回
select split(uid,"0") from tablename limit 100;
16、对字符串url,从0处开截取长度为3的字符串,作为其子字符串
select substr(url,0,3) from tablename limit 3;
17、将字符串url中所有的字母转换成大写字母
select upper(url) from tablename limit 3;
18、 where ..and 或者 where ....or where的两种条件查询
select * from tablename where rank<=3 and order =1 limit 3;
select * from tablenamewhere rank !=0 or order =1 limit 3;
19、like 过滤字符串
select * from tablename where url like '%http%' limit 10;
rlike 通过Java的正则表达式过滤 *与%功能一样，它是hive中扩展功能的操作符
select * from tablenamewhere url rlike ' .*http.* ' limit 3;
20、left semi-join 左半表 semi 半挂的半独立的
select * from be where rank in(1,2,5);
select * from tablenamem left semi join ext_sogou_20111230_limit3 n on m.rank=n.rank;
21、视图 hive只支持逻辑视图作用降低查询复杂度
创建视图
create view sogou_view as
select * from tablenamewhere rank <=3;
22、索引
Hive的索引需要单独创建表实现
创建索引
CREATE INDEX employees_index ON TABLE employees (name) AS
'org.apache.hadoop.hive.ql.index.compact.CompactIndexHandler'
WITH DEFERRED REBUILD IDXPROPERTIES('creator' = 'me','
created_at '='some time') IN TABLE employees_index_table;
23、上午7-9点之间，搜索过“百度”的用户，哪些用户直接点击了百度的URL
老师:
select distinct n.uid from (select * from sogou_view where keyword ='百度')
and substr(ts,9,2) in ('07','08','09')) n where n.url like '%baidu.com%';
select uid from sogou_view where (cast(substr(ts,9,2)
as int)>7 or cast(substr(ts,9,2) as int)<9) and url
like '%www.ganji.com%' or keyword like '%百度%' ;
select uid from sogou_view where substr(ts,9,2) in ('07','08','09') and url

like '%www.ganji.com%' and keyword like '%百度%' ;

select

Hive-SQL的基本结构同标准SQL相差不大,结构如下:

select * from employee 
where sex_age.sex='Male'

/*支持使用distinct去重*/
select distinct name,sex_age.sex as sex from employee;
select distinct * from employee; // supported after release 1.1.0

/*hive 0.7.0之后，支持having子句*/
SELECT col1 FROM t1 GROUP BY col1 HAVING SUM(col2) > 10;

/*支持limit子句，限制返回行数*/
SELECT * FROM t1 LIMIT 5; // 随机返回5行

/*返回Top K行*/
SET mapred.reduce.tasks = 1
SELECT * FROM sales SORT BY amount DESC LIMIT 5

在Hive-SQL中,也支持嵌套查询及子查询,但是,不允许出现多重嵌套或多重子查询的情况,常用的子查询方式如下:

/*通过with语句,子查询必须申明别名*/
with t1 as (
select * from employee 
where sex_age.sex='Male'
)
select name,work_place from t1;

/*子查询放置在from子句,子查询必须申明别名*/
select name,sex_age.sex from
(
select * from employee 
where sex_age.sex='Male'
) t1;

/*
子查询放置在where子句,在where子句中的子查询支持in,not in,exists,not exists,但需要注意的是,使用in或not in时,
子查询只能返回一个字段，且使用in/not in不能同时涉及内/外部表
*/
select name,sex_age.sex from
employee a // 外部表必须申明别名，不然Hive报错
where a.name in (
select name from employee
where sex_age.sex='Male'
);

/*
ERROR: 
in/not in不能同时涉及内/外部表，exists/not exists没有这个限制
*/
select name,sex_age.sex from
employee a
where a.name in (
select name from employee
where sex_age.sex!=a.sex_age
);

另外，where子句可以支持任何Boolean表达式及User Define Function。

Partition Based Queries

想要触发hive的分区查询，必须满足以下两个条件：
- 建表时使用了partitioned by
- where条件中包含分区字段，或者join语句的on子句包含分区字段
因为hive只会扫描特定分区的数据，所以，分区查询可以提高查询的速度。

REGEX Column Specification

hive支持通过正则表达式来声明查询字段。

SELECT `(ds|hr)?+.+` FROM sales

Hive 操作数据库语句总结

2017年06月14日 14:53:14

阅读数：1944

转载地址：http://blog.csdn.net/xiaoshunzi111/article/details/48727831

1、创建一个表，字段之间用 \t 分隔；

Hive>create table student (id int, name string) row format delimited fields terminated by '\t' ;

2、将本地一个数据提交到hive里去

hive>load data local inpath '/home/student.txt' into table student ;

2.1 增加分区表数据

alter table ZHIYOUBAO.CHECK_RECORD add partition (years='xxxx',months='xx',days='xx') location '/ZYB/CHECK_RECORD/yy=xxxx/mm=xx/dd=xx/';

3、查询表里的数据：

hive>select * from student ;

4、只查询前两条：

hive>select * from student limit 2 ;

5、统计一个表的行数：

hive>select count(*) from student ;

6、求一个表id字段的id 之和：

hive>select sum(id) from student ;

7、创建外部表：

hive>create external table ext_student (id int, name string) row format delimited fields terminated by ' \t ' location ' /data ' ; //这样就不必将文件放到hive里去就可以对其进行操作了，只需要将文件放到hdfs上的/data目录下面。

8、内部表先有表后有数据；外部表先有数据后有表。

9、创建分区表：
        hive>create external table beauties (id bigint, name string, size double) partitioned by (nation string) row format delimited fields terminated by '\t' location '\beauty' ;
        hive>load data local inpath '/home/b.c' into table beauties partition(nation='China') ;
        hive>alter table beauties add partition (nation='Japan') ;
        hive>select * from beauties ;

hive>select * from beauties where nation='China' ; //查找某一分区的数据内容；

10、多表关联：

hive>select t . account , u . name , t . income , t . expenses , t . surplus from user_info u join (select account , sum(income) as income , sum(expenses) as expenses , sum(income-expenses) as surplus from

trade_detail group by account) t on u . account = t . account ;

11、存储过程没有返回值，函数有返回值

12、在linux环境下一次访问hive：

[hh@master ~]$ hive -e "selcte * from mytable limit 3" ;

13、[hh@master ~]$ hive -f 1.hql

14、打印表的字段信息：

hive>describe yourtable ;

15、创建数据库：
hive>create database financials ;

hive>create database if not exists financials ;

16、过滤数据库：

hive>show databases like " f . * " ;

17、添加描述信息：
hive> create database test092302 with dbproperties ('creator'='Mark', 'date'='2015-09-23');

hive> describe database extended test092302;

18、删除数据库：
hive> drop database if exists human_resources; 或者

hive> drop database human_resources;

19、删除存在表的数据库：

hive> drop database test0923 cascade; //在后面加上cascade关键字

20、创建数据库时添加描述信息：

hive> create database test092302 comment 'Holds all test tables'; //使用comment，创建表时也可以用

21、去重查询：group by的使用

hive>select * from mytable group by uid ;

22、独立UID总数：

hive>select count(distinct(uid)) from mytable ; （高效）或者 hive>select count(*) from(select * from mytable group by uid) a ;

23、查询频度排名（频度最高的前50）：

hive> select keyword,count(*) as cnt from sogou_1w group by keyword order by cnt desc limit 50;

24、将查询的结果放入另一个表中：
hive> create table uid_cnt (uid string, cnt int) row format delimited fields terminated by '\t'; //先创建临时表 uid_cnt

hive> insert overwrite table sogou.uid_cnt select uid,count(*) from sogou_1w group by uid; //再将查询的数据结果放入临时表中

25 修改列名：
hive> alter table test
    > column ·stuname· name string;“ · ”右上角的~键

describe test;

26 增加列：
hive> alter table test add columns(
    > height int);

hive>describe test;

27替换列：
hive> alter table test replace columns(
    > id int,
    > name string,
    > age int);

28 为表添加属性：
hive> alter table test set tblproperties (
    > 'note'='hello welcome');

show create table test;
========================================
29 创建带有分区的内部表：
hive> create table testpar(
    > id int,
    > name string,age int) PARTITIONED BY (day string)
    > ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
    > location '/testpar';

30 为带有分区的内部表加载数据：
hive> load data local inpath '/home/test' into table testpar
    > partition (day='0925');

31 添加防止删除的保护：
hive> alter table testpar
    > partition (day='0925') enable no_drop;

32 测试：删除分区
hive> alter table testpar drop if exists partition (day='0925');

33 删除添加的"删除"保护：
hive> alter table testpar
> partition (day='0925') disable no_drop;

34 添加防止查询的保护：
hive> alter table testpar
> partition (day='0925') enable offline;

35 删除防止查询的保护:
hive> alter table testpar
> partition (day='0925') disable offline;

select * from testpar;
================================================

36 按条件向分区表插入数据
hive>from test_1 ts
insert into table testpart partition (day='0920') select * where ts.age>20
insert into table testpart partition (day='0919') select * where ts.name='xiaofang';

注释:

上面SQL语句分三部分
第一部分
from test_1 ts 从rest_1表中查询并为其添加ts别名
第二部分
insert into table testpart partition (day='0920') select * where ts.age>20
将test_1表中年龄大于20的数据添加到分区表testpart中新建的0920分区中.
第三部分
insert into table testpart partition (day='0919') select * where ts.name='xiaofang'
将test_1表中名字为xiaofang的数据添加到分区表testpart中新建的0919分区中

查询结果:
hive> select * from testpart;

37 向管理表中加载数据：
hive> load data local inpath '/home/test' overwrite into table testpar partition (day='0925');

38 通过查询语句向表中插入数据：
hive> insert into table testpar
    > partition (day='0926')
    > select * from test;

hive> select * from testpar;

hive> insert into table testpar
    > partition (day='0922')
    > select * from test
    > where age >20;

hive> from test
    > insert into table testpar
    > partition (day='0921')
    > select * where age>22;

hive> from test ts
    > insert into table testpar
    > partition (day='0920')
    > select * where ts.age>20
    > insert into table testpar
    > partition (day='0919')
    > select * where ts.name='张三';

==================动态分区插入===================
39 在test表中添加一列day
hive> alter table test add columns(day string);

[hh@master ~]$ vi test
[hh@master ~]$ cat test
1   张三   20   0921
2   李四   22   0922
3   Jarrey   25   0923
40 加载数据：
hive> load data local inpath '/home/test' overwrite into table test;
动态分区（下面两种方式实现的效果是一样的）：
hive> set hive.exec.dynamic.partition=true;
hive> set hive.exec.dynamic.partition.mode=nonstrict;
hive> set hive.exec.max.dynamic.partitions.pernode=1000;

hive> insert into table testpar
    > partition(day)
    > select * from test;

hive> insert into table testpar
    > partition(day)
    > select id,name,age,day from test;

41单个查询语句中创建表并加载数据:(注意关键字as)
hive> create table newtest
    > as select id,name,age from test
    > where name='李四';

hive> select * from newtest;

====================导出数据======================
42 Hadoop fs –cp source_path target_path
cp
scp -r /jdk slave://home/

注释:

scp =safety copy 即是安全模式下复制 r=recuresive 递归方式复制即是从主目录到各个子目录依次复制

Sqoop工具（T15）

========hdfs数据加载等操作=======

43 从hdfs集群中加载数据
hive>load data inpath 'hdfs目录文件' into table student;

44 按id降序排序
hive>select * from student order by id desc;

45 从hdfs集群中加载数据并为表设置指定分区
hive>load data input '本地文件路径' into table 表名 partition (分区字段=' ');

46 从本地内存中加载数据
hive>load data local inpath '本地目录文件' into table student;

47 按id降序排序
hive>select * from student order by id desc;

48 表联合查询
hive>select t.account u.name,t.income,t.expenses,t.surplus from user_info
u join (select account, sum(income) as income,sum(expenses) as expenses,sm(income_expenses)
as surplus from trade_detail group by account) on u.account=t.account;

==================数学函数:===================
Hive语句运算:
49 int类型rank加运算

hive>select rank+1 from ext_sogou_20111230 limit 100;

50 对int字段平方
hive> select pow(rank,2) from ext_sogou_20111230;

51 取模:(如:2对三取模)
hive>select pmod(2,3) from ext_sogou_20111230 limit 10;

==============聚合函数========================
52 统计表中所有行数
hive>select count(*) from ext_sogou_20111230 limit 10;
*表示表中所有字段也可以设置某些或某个字段如

hive>select count(uid,ts) from ext_sogou_20111230 limit 10;

53.

hive>select sum(uid) from ext_sogou_20111230;

54 最大值&最小值
hive>select max(rank), min(rank) from ext_sogou_20111230;

55 .独立uid(去重行数)
hive>select count(distinct uid) from ext_sogou_20111230;

56强转:
hive> select cast(rank as DOUBLE) from ext_sogou_20111230 limit 10;

57 拼接:
hive>select concat(uid,url) from ext_sogou_20111230 limit 10;

=================JSON========================
58 抽取JSON对象的某一属性值
hive>select get_json_object('{"name":"xiaoming","age":"15"}','$.age') from ext_sogou_20111230 limit 5;
结果:
15

59

hive>select get_json_object(channel,'$.age') from ext_sogou_20111230 limit 3;

=============================================
60 查找url字符串中的5位置之后字符串baidu第一次出现的位置
hive> select locate("baidu",url,5) from ext_sogou_20111230 limit 100;

61 .抽取字符串baidu中符合正则表达式url的第5个部分的子字符串
hive> select regexp_extract("baidu",url,5) from ext_sogou_20111230 limit 100;

62 按照正则表达式"0"分割字符串uid,并将分割后的部分以字符串数组的方式返回
hive> select split(uid,"0") from ext_sogou_20111230 limit 100;
结果之一:["","875edc8a14a228","1bac1ddc","1fa18a1"]

63 对字符串url,从0处开截取长度为3的字符串,作为其子字符串
hive> select substr(url,0,3) from ext_sogou_20111230 limit 3;

64 .将字符串url中所有的字母转换成大写字母
hive> select upper(url) from ext_sogou_20111230 limit 3;

============别名嵌套SQL语句===============

65 复杂HQL 如别名、嵌套等
hive>select count(distinct e.uid) from (select * from ext_sogou_20111230 where
rank <=3 and order =1) e;
小括号中返回的也是一个表,它只是临时的别名为e

66 where ..and 或者 where ....or where的两种条件查询
hive> select * from ext_sogou_20111230 where rank<=3 and order =1 limit 3;
hive> select * from ext_sogou_20111230 where rank !=0 or order =1 limit 3;

where
1 出现在表后
2 可以有and or 表达式的操作符
3 表示格式

67 浮点类型的比较一定要强转

68 like 过滤字符串

它是一个标准的SQL操作符
hive> select * from ext_sogou_20111230 where url like '%http%' limit 10;
'%http%'意为包含 http字符串
'%http' 以http开头的字符串
'http%'一http结束字符串

69 rlike 通过Java的正则表达式过滤 *与%功能一样

它是hive中扩展功能的操作符
hive> select * from ext_sogou_20111230 where url rlike ' .*http.* ' limit 3;

=========group by============

70 Group by 语句通常会和聚合函数一起使用,按照一个或者多个对结果进行分组,然后对每个组执行聚合操作
hive>select year(ts), avg(rank) from ext_sogou_20111230 where ts like '%2011' group by year(ts);

71 对组过滤
hive> select rank ,count(*) from ext_sogou_20111230 group by rank ,order having rank >3 limit 10;

===============join==========
72 join 使用join时要选择具有独立的字段作为条件字段,否则会出现不必要的数据量
hive> select m.uid,m.keyword from ext_sogou_20111230 m join ext_sogou_20111230_limit3 n on m.uid =n.uid;

73 查搜索过"仙剑奇侠传" 的用户所搜过的关键字
hive>select m.uid,m.keyword from (select distinct n.uid from
ext_sogou_20111230 where keyword like '%仙剑奇侠传%' n ) m
where m.uid=n.uid;

74 查搜索过"仙剑奇侠传" 的用户所搜过的不包含"仙剑奇侠传"本身的关键字
hive>select m.uid,m.keyword from sogou_20111230 m join (select distinct uid from sogou_20111230 where keyword like '%仙剑奇侠传%') n on m.uid=n.uid where m.keyword not like '%仙剑奇侠传%';

75 left semi-join 左半表 semi 半挂的半独立的
hive>select * from be where rank in(1,2,5);
hive>select * from ext_sogou_20111230 m left semi join ext_sogou_20111230_limit3 n on m.rank=n.rank;

76笛卡尔积
如5w 1w join 结果:5w*1w 一般不常用

77 map-side JOIN当两张表很小时使用(系统默认25MB)
功能:其中一张表为小表即是将小表数据JOIN到大表中
hive>select /*+MAPJOIN(n)*/ m.uid,m.keyword,n.keyword

from ext_sogou_20111230 m join ext_sogou_20111230_limint3 n on m.uid=n.uid;

=====================排序=========================
78 全局排序(order by ) 和局部排序 (sort by)
hive>select * from ext_sogou_20111230 order by rank desc limit 100;

79 对sogou500w中降序排列uid次数
hive>select uid, count(*) as nct from ext_sogou_20111230   group by uid order by nct desc ;

80 cast()类型转换函数
hive>select cast(ts as bigint) from
ext_sogou_20111230_limit3;

81 UNION ALL可以将2个或多个表进行合并。
hive> select count(distinct e.uid)from(
select * from ext_sogou_20111230 where rank<11
union all
select * from ext_sogou_20111230_limit3 where rank < 11) e;

82
hive>select count(*) from ext_sogou_20111230_limit where keyword like '%www%';

83
hive> select e.url,e.keyword,count(*) from (
select * from ext_sogou_20111230 where keyword like '%www%'
)e group by e.url,e.keyword where instr(url,keyword) >0;

84搜索过'%仙剑奇侠传%'(模糊匹配),并且查询次数大于3的UID
hive>select uid, count(uid) as nct from
ext_sogou_20111230 where keyword like '%仙剑奇侠传%'
group by uid having nct>3 ;

================================
              视图
================================
85视图 hive只支持逻辑视图作用降低查询复杂度
创建视图
hive>create view sogou_view as
select * from ext_sogou_20111230 where rank <=3;

86 索引
   Hive的索引需要单独创建表实现
   创建索引
hive>CREATE INDEX employees_index ON TABLE employees (name) AS
'org.apache.hadoop.hive.ql.index.compact.CompactIndexHandler'
WITH DEFERRED REBUILD IDXPROPERTIES('creator' = 'me','
created_at '='some time') IN TABLE employees_index_table;

87 视图
hive>create view sogou_filter as select uid,count(*) from
ext_sogou_20111230 where keyword like '%仙剑奇侠传%'

复杂问题解题思路:
1)分步骤,使用临时表
2)分步骤,多个视图实现
create view
3)一个复杂的SQL

create table insert overwrite table...select * from ...

=======================================
Sogou 500w数据
88
搜索长度大于256（不区分中英文），并且点击次数<3的UID
老师:
hive>select m.uid,count(*) as cnt from(select * from sogou_view where length(
keyword) >256) m group by m.uid having cnt<3;
自己:
select uid from sogou_view where rank<3 and length(
keyword) >256;
hive> create view sogou_view as select * from
ext_sogou_20111230;

89
上午7-9点之间，搜索过“赶集网”的用户，哪些用户直接点击了赶集网的URL
老师:
hive> select distinct n.uid from (select * from sogou_view where keyword ='赶集网')
and substr(ts,9,2) in ('07','08','09')) n where n.url like '%ganjin.com%';
自己:
hive> select uid from sogou_view where (cast(substr(ts,9,2)
as int)>7 or cast(substr(ts,9,2) as int)<9) and url
like '%www.ganji.com%' or keyword like '%赶集网%' ;
或者
hive>select uid from sogou_view where substr(ts,9,2) in ('07','08','09') and url
like '%www.ganji.com%' and keyword like '%赶集网%' ;

90
rank<3的搜索中，多少用户的点击次数>2
老师:
hive>select a.uid from (select uid,count(*) as cnt from (select * from sogou_view where
rank<3) e group by e.uid having cnt>2) a;
自己:
hive>select uid,count(uid) as nct from sogou_view

where rank<3 group by uid having nct>2;

=======================
hive设计模式
=======================
20151008
AM

1.表的划分方式:按天划分如table_2011_01_01
2.分区:hive中的分区功能很有用,
3 最原始的数据尽量少使用分区,
经过加工后的数据可以用分区.
4 表与分区的字段不能重复
5 分区有级别根据实际的业务自定义分区
create table supply () partitioned by();

91 同一份数据多种处理
hive>insert overwrite table sogou_20111230_rank
select * from sogou_20111230 where rank=3;

92
hive>insert overwrite table sogou_20111230_order
select * from sogou_20111230 where order=3;

上面两句(91 92)合并成一句(93)如下

hive>from sogou_20111230
insert overwrite table sogou_20111230_rank
select * where rank =3
insert overwrite table sogou_20111230_order
select * where order=3;

94 为表增加列 (只能末尾追加)

ALTER TABLE sogou_20111230 ADD COLUMNS (user_id string) ;

列的存储有两种格式ORC和RCFile

========================================
Hive内置函数和UDF(用户自定义函数)
========================================
95 查看内置函数
hive> show functions;

96 查看某一函数具体描述
hive>describe function 函数名;

一般聚合函数与group by 组合使用
分3种:
1 UDF(标准函数):普通函数
2 UDAF(用户自定义聚合函数):多行多列变一行
3 UDTF(用户自定义表生成函数):多行多列变多行

===========UDF操作过程==============
91 在eclipse中创建java类如UDFZodiacSign

92 添加UDFZodiacSign的jar包
hive>add jar /home/udf.jar

93 创建外部表如little_bigdata
hive>create external table if not exists
little_bigdata(name string,email string,bday
string,ip string, gender string, anum int)
row format delimited fields terminated by ',';

94 创建zodiac作为UDFZodiacSign类的临时函数 as'包名.类名'
hive>create temporary function zodiac as 'day1008.UDFZodiacSign';

95 查看zodiac是否OK
hive> describe function zodiac;

96 将little_bigdata表中name字段中数据传入临时函数zodiac中
hive> select zodiac(name) from little_bigdata;

============================================

97 统计没有农产品市场的省份有哪些

马:
hive> select e.name from (
select distinct prov from product
) a right outer join province e on a.prov = e.name
where a.prov is null

98统计排名前 3 的省份共同拥有的农产品类型

1计算前三省份的名称
2计算前三省份的所有去重产品名称
3计算共同拥有的产品
数据按A B C D E 步骤计算
hive>select c.name,count(*) as ct from
E 列出前三省相同的熟菜,并计数
(select a.prov,a.name from
D 从A数据中比较与B中前三个相同列的省份及其熟菜
(select prov,name from product group by prov,name
A 分组列出所有省,及其所在省的熟菜(分组就是去重)
) a
left semi join
(select p.prov,count(*) as cnt from
C 对不同省份计数省1 number1 省2 number2
并按降序排列列出前三个省
(select prov,name from product group by prov,name
B 分组列出所有省,及其所在省的熟菜(分组就是去重)
) p
group by p.prov order by cnt desc limit 3
) b
on a.prov = b.prov

) c group by c.name having ct > 2

-------------------------------------------------------------------------------------
hive> select (2015-age)as ag ,sex from car_1 where age !=null or sex !="";

hive> select m.ag,count(*) as nct from
(select (2015-age) as ag ,sex from car_1 where age !=null or sex !="")
m group by m.ag;
--------------------------------------------------------------------------------------

=============================
自定义Hive文件和记录格式
=============================

hive三种文件格式:textfile sequencefile rcfile
前两种一行存储 rcfile以列存储
他们影响整个文件格式

sequencefile 与 textfile 文件格式在读取效率上
testfile更高些

默认分隔符格式/001 即是Ctr+A
stored as textfile 表文件的存储格式

99 创建sequencefile格式的表
hive>create external table sogou_20111230_seq(ts string,
uid string,keyword string,rank int,order int
,url string) row format delimited fields
terminated by '\t' stored as sequencefile;

100 向该表中插入数据
hive>insert table sogou_20111230_seq select
ts,uid,keyword,rank,order,url from
sogou_20111230 limit 50000;

101 创建rcfile格式的表:基于列式存储
hive>create table sogou_20111230_rc(ts string,
uid string, keyword string,rank int, order
int, url string) row format delimited fields
terminated by '\t' stored as rcfile;

102 向该表中插入数据
hive>insert overwrite table sogou_20111230_rc
select ts, uid,keyword,rank,order,url
from ext_sogou_20111230 limit 50000;

103 记录格式 SerDe是序列化/反序列化的简写

104 CSV和TSV SerDe(csv内部实现各式逗号分割\n换行)

hive 记录格式:影响文件内部数据存储格式
105 XPath相关的函数
hive>SELECT xpath ('
      <a><b id="foo">bl</b>
      <b id="bar">b2</b></a>','//@id' )
      FROM car_1 LIMIT 1;

106 计算北京市的每种农产品的价格波动趋势，即计算每天价格均值，并按照时间先后顺序排列该值。
某种农产品的价格均值计算公式：
PAVG = (PM1+PM2+...+PMn-max(P)-min(P))/(N-2)
其中， P 表示价格， Mn 表示 market，即农产品市场。 PM1 表示 M1 农产品市场的该产品价
格， max(P)表示价格最大值， min(P)价格最小值。

思路:

第一步:筛选出1-5天内时间熟菜名称两个字段
第二步:用if三目运算,判断各种熟菜波动次数是否大于2次,
第三步:求平均值

hive>select m.date,m.name,if(count(*)>2,
round((sum(m.price)-max(m.price)-min(m.price))/(count(*)-2),2),
round(sum(m.price)/count(*),2))
from (
select * from product_20140101 where province='北京'
union all
select * from product_20140102 where province='北京'
union all
select * from product_20140103 where province='北京'
union all
select * from product_20140104 where province='北京'
union all
select * from product_20140105 where province='北京'
) m
group by m.date,m.name;

107 使用简单时间序列算法，设置 N=3，预测 1.4、 1.5 日的平均价格
hive>create table price_hg_pre0104(ptime TIMESTAMP,name STRING,price FLOAT);

hive>insert overwrite table price_hg_pre0104
select * from price_hg where day(cast(ptime as string)) < 4
union all
select cast('2014-01-04 00:00:00' as timestamp) as ptime,'黄瓜' as name,sum(price)/3 as price from price_hg where day(cast(ptime as string)) < 4

108 并计算与实际数据的平方误差和
hive>create table price_hg_pre0105(ptime TIMESTAMP,name STRING,price FLOAT);

hive>insert overwrite table price_hg_pre0105
select cast('2014-01-05 00:00:00' as timestamp) as ptime,'黄瓜'
as name,sum(price)/3 as price from price_hg_pre where day(cast(ptime as string)) < 5
and day(cast(ptime as string)) > 1

109 表添加一列：
hive> ALTER TABLE pokes ADD COLUMNS (new_col INT);

110 添加一列并增加列字段注释

hive> ALTER TABLE invites ADD COLUMNS (new_col2 INT COMMENT 'a comment');

111 更改表名：
hive> ALTER TABLE events RENAME TO 3koobecaf;
112 删除列：hive> DROP TABLE pokes;

113增加、删除分区

•增加

ALTER TABLE table_name ADD [IF NOT EXISTS] partition_spec [ LOCATION 'location1' ] partition_spec [ LOCATION 'location2' ] ...
partition_spec:
: PARTITION (partition_col = partition_col_value, partition_col = partiton_col_value, ...)

•删除

ALTER TABLE table_name DROP partition_spec, partition_spec,...

REPLACE则是表示替换表中所有字段。

114 重命名表•

ALTER TABLE table_name RENAME TO new_table_name

115 修改列的名字、类型、位置、注释：

ALTER TABLE table_name CHANGE [COLUMN] col_old_name col_new_name column_type [COMMENT col_comment] [FIRST|AFTER column_name]

•这个命令可以允许改变列名、数据类型、注释、列位置或者它们的任意组合

116 表添加一列：

hive> ALTER TABLE pokes ADD COLUMNS (new_col INT);

117 添加一列并增加列字段注释

hive> ALTER TABLE invites ADD COLUMNS (new_col2 INT COMMENT 'a comment');

118增加/更新列

ALTER TABLE table_name ADD|REPLACE COLUMNS (col_name data_type [COMMENT col_comment], ...)

复制代码

• ADD是代表新增一字段，字段位置在所有列后面(partition列前)

119 create external table logs (ip string ,name1 string,name2 string,name3 string ,name4 string ,name5 string, name6 string, name7 string, name8 string,name9 string,name10 string,name11 string) row format delimited fields terminated by ' ';

select name1 from (select as c from logs where ip ='58.214.255.146';

数据格式：

183.166.128.178 - - [09/Apr/2016:07:58:33 +0800] "POST /boss/service/newCode.htm HTTP/1.1" 200 227 "-" "-"
120正序：
select ip ,sum(name9) as c from logs where name3 like '[09/Apr/2016:07:55%' group by ip order by c desc;

121 逆序：
select name6,count(1) as b from logs where name3 like '[09/Apr/2016:07:5%' group by name6 order by b asc;
122 逆序：
select name6,count(1) as b from logs where name3 like '[09/Apr/2016:07:5%' group by name6 sort by b asc;

123取前一千行放到一个新表里

hive> insert into table hivecontain_small
> select * from hivecontain limit 1000;

124 更新表字段

hive>insert overwrite table province_city_scenic_per_nums select spot_name, spot_city, substring(round(per,4),0,6) ,nums from province_city_scenic_per_nums ;

125 截取表字段部分值并插入新表

hive> insert table province_city_scenic_per_nums select spot_name, spot_city, substring(round(per,4),0,6) ,nums from province_city_scenic_per_nums ;

126.tourist_consume_details 用户消费信息（金额、订单数、游玩人次）

select link_name, sex, city ,tel, certificate_no ,sum(close_total_price) as total_price ,sum(popnum) as popnum,count(tourname) as tournum from order_raw_info
group by link_name,sex,city ,tel,certificate_no;

127.bucketed_user 分桶查询随机id

select * from bucketed_user TABLESAMPLE(BUCKET 1 OUT OF 4 ON rand())

128.bucketed_user 创建带桶的外部表

create external table if not exists bucketed_user2(id int,name string) clustered by (id) sorted by(name) into 4
buckets row format delimited fields terminated by ',' stored as textfile location '/kafka/' ;

129.province_city_scenic_per_nums 表字段的截取

select spot_name, spot_city, substring(round(per,4),0,6) ,nums from province_city_scenic_per_nums ;

130.province_city_scenic_per_nums 表字段更新(如0.001242更新为0.001)

insert overwrite table province_city_scenic_per_nums select spot_name, spot_city, substring(round(per,4),0,6) ,nums from province_city_scenic_per_nums ;

131.改表字段

alter table scenic_tour_info change `spotname` spot_name string;

132.split使用

select split("13901888346","1390188")[1] from quyu_visit_info limit 10;

133.quyu_visit_info 按条件插入表数据

insert into table quyu_visit_info select u.visitor_id, u.tel, u.city from solo_mobile_quyu u limit 100;

134.tourt_ype_date_total (new) 景区类型（按时间分组）游客量统计

select * from(
select p.date, p.tour_type,count(p.date) total
from (
select tour_type, substr(occ_date, 0,4) as date
from scenic_tour_info ) p
where p.date like '201%'
group by p.tour_type, p.date
order by p.date desc ) t
where t.date='2013' or t.date='2014' or t.date='2015' or t.date='2016';

135.date_spotprovince_type_total 按省份统计景区类型（按时间分组）游客量统计

select * from(
select p.date, p.spot_province, p.tour_type as scenic_type,count(p.date) total
from (
select spot_province, tour_type, substr(occ_date, 0,4) as date
from scenic_tour_info ) p
where p.date like '201%'
group by p.spot_province,p.tour_type, p.date
order by p.date desc ) t
where t.date='2013' or t.date='2014' or t.date='2015' or t.date='2016' ;

136.scenic_city_province_per_nums 统计某省各景区客流量的比重（占该省比重）及其客流量

select distinct p.spot_name, p.spot_city, (p.nums/5358582) per ,p.nums
from province_city_scenic_nums p join province_tour_nums c
on p.spot_province='浙江省'
order by per desc

137.表重命名

ALTER TABLE tour_info_detail RENAME TO new_name; scenic_info_detail ;

138.rename_ziduan 重命名表字段名

alter table scenic_info_detail change `proname` spotprovince string;

下面引用：http://blog.csdn.NET/wisgood/article/details/17376393；感谢作者：wisgood

常用函数：

一、关系运算：

1. 等值比较: =

语法：A=B

操作类型：所有基本类型

描述:如果表达式A与表达式B相等，则为TRUE；否则为FALSE

举例：

Hive>select 1 from lxw_dual where 1=1;

2. 不等值比较: <>

语法: A <> B

操作类型:所有基本类型

描述:如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A与表达式B不相等，则为TRUE；否则为FALSE

举例：

hive> select1 from lxw_dual where 1 <> 2;

3.小于比较: <

语法: A < B

操作类型:所有基本类型

描述:如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A小于表达式B，则为TRUE；否则为FALSE

举例：

hive> select1 from lxw_dual where 1 < 2;

4. 小于等于比较: <=

语法: A <= B

操作类型:所有基本类型

描述:如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A小于或者等于表达式B，则为TRUE；否则为FALSE

举例：

hive> select1 from lxw_dual where 1 <= 1;

5. 大于比较: >

语法: A > B

操作类型:所有基本类型

描述:如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A大于表达式B，则为TRUE；否则为FALSE

举例：

hive> select1 from lxw_dual where 2 > 1;

6. 大于等于比较: >=

语法: A >= B

操作类型:所有基本类型

描述:如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A大于或者等于表达式B，则为TRUE；否则为FALSE

举例：

hive> select1 from lxw_dual where 1 >= 1;

注意：String的比较要注意(常用的时间比较可以先to_date之后再比较)

hive> select* from lxw_dual;

201111120900:00:00 2011111209

hive> selecta,b,a<b,a>b,a=b from lxw_dual;

201111120900:00:00 2011111209 false true false

7. 空值判断: IS NULL

语法: A IS NULL

操作类型:所有类型

描述:如果表达式A的值为NULL，则为TRUE；否则为FALSE

举例：

hive> select1 from lxw_dual where null is null;

8. 非空判断: IS NOTNULL

语法: A IS NOT NULL

操作类型:所有类型

描述:如果表达式A的值为NULL，则为FALSE；否则为TRUE

举例：

hive> select1 from lxw_dual where 1 is not null;

9. LIKE比较: LIKE

语法: A LIKE B

操作类型: strings

描述:如果字符串A或者字符串B为NULL，则返回NULL；如果字符串A符合表达式B 的正则语法，则为TRUE；否则为FALSE。B中字符”_”表示任意单个字符，而字符”%”表示任意数量的字符。

举例：

hive> select1 from lxw_dual where 'football' like 'foot%';

hive> select1 from lxw_dual where 'football' like 'foot____';

注意：否定比较时候用NOT ALIKE B

hive> select1 from lxw_dual where NOT 'football' like 'fff%';

10. JAVA的LIKE操作: RLIKE

语法: A RLIKE B

操作类型: strings

描述: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FALSE。

举例：

hive> select1 from lxw_dual where 'footbar’ rlike '^f.*r$’;

注意：判断一个字符串是否全为数字：

hive>select 1from lxw_dual where '123456' rlike '^\\d+$';

hive> select1 from lxw_dual where '123456aa' rlike '^\\d+$';

11. REGEXP操作: REGEXP

语法: A REGEXP B

操作类型: strings

描述:功能与RLIKE相同

举例：

hive> select1 from lxw_dual where 'footbar' REGEXP '^f.*r$';

二、数学运算：

1. 加法操作: +

语法: A + B

操作类型：所有数值类型

说明：返回A与B相加的结果。结果的数值类型等于A的类型和B的类型的最小父类型（详见数据类型的继承关系）。比如，int + int 一般结果为int类型，而int + double一般结果为double类型

举例：

hive> select1 + 9 from lxw_dual;

hive> createtable lxw_dual as select 1 + 1.2 from lxw_dual;

hive> describelxw_dual;

_c0 double

2. 减法操作: -

语法: A– B

操作类型：所有数值类型

说明：返回A与B相减的结果。结果的数值类型等于A的类型和B的类型的最小父类型（详见数据类型的继承关系）。比如，int– int 一般结果为int类型，而int– double 一般结果为double类型

举例：

hive> select10 – 5 from lxw_dual;

hive> createtable lxw_dual as select 5.6 – 4 from lxw_dual;

hive>describe lxw_dual;

_c0 double

3. 乘法操作: *

语法: A * B

操作类型：所有数值类型

说明：返回A与B相乘的结果。结果的数值类型等于A的类型和B的类型的最小父类型（详见数据类型的继承关系）。注意，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

举例：

hive> select40 * 5 from lxw_dual;

200

4. 除法操作: /

语法: A / B

操作类型：所有数值类型

说明：返回A除以B的结果。结果的数值类型为double

举例：

hive> select40 / 5 from lxw_dual;

8.0

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，在做除法运算的时候要特别注意

hive>select ceil(28.0/6.999999999999999999999) from lxw_duallimit 1;

结果为4

hive>select ceil(28.0/6.99999999999999) from lxw_dual limit1;

结果为5

5. 取余操作: %

语法: A % B

操作类型：所有数值类型

说明：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（详见数据类型的继承关系）。

举例：

hive> select 41 % 5 from lxw_dual;

hive> select 8.4 % 4 from lxw_dual;

0.40000000000000036

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 lxw_dual;

0.4

6. 位与操作: &

语法: A & B

操作类型：所有数值类型

说明：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（详见数据类型的继承关系）。

举例：

hive> select 4 & 8 from lxw_dual;

hive> select 6 & 4 from lxw_dual;

7. 位或操作: |

语法: A | B

操作类型：所有数值类型

说明：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（详见数据类型的继承关系）。

举例：

hive> select 4 | 8 from lxw_dual;

hive> select 6 | 8 from lxw_dual;

8. 位异或操作: ^

语法: A ^ B

操作类型：所有数值类型

说明：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（详见数据类型的继承关系）。

举例：

hive> select 4 ^ 8 from lxw_dual;

hive> select 6 ^ 4 from lxw_dual;

9．位取反操作: ~

语法: ~A

操作类型：所有数值类型

说明：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。

举例：

hive> select ~6 from lxw_dual;

-7

hive> select ~4 from lxw_dual;

-5

三、逻辑运算：

1. 逻辑与操作: AND

语法: A AND B

操作类型：boolean

说明：如果A和B均为TRUE，则为TRUE；否则为FALSE。如果A为NULL或B为NULL，则为NULL

举例：

hive> select 1 from lxw_dual where 1=1 and 2=2;

2. 逻辑或操作: OR

语法: A OR B

操作类型：boolean

说明：如果A为TRUE，或者B为TRUE，或者A和B均为TRUE，则为TRUE；否则为FALSE

举例：

hive> select 1 from lxw_dual where 1=2 or 2=2;

3. 逻辑非操作: NOT

语法: NOT A

操作类型：boolean

说明：如果A为FALSE，或者A为NULL，则为TRUE；否则为FALSE

举例：

hive> select 1 from lxw_dual where not 1=2;

四、数值计算

1. 取整函数: round

语法: round(double a)

返回值: BIGINT

说明:返回double类型的整数值部分（遵循四舍五入）

举例：

hive> select round(3.1415926) from lxw_dual;

hive> select round(3.5) from lxw_dual;

hive> create table lxw_dual as select round(9542.158) fromlxw_dual;

hive> describe lxw_dual;

_c0 bigint

2. 指定精度取整函数: round

语法: round(double a, int d)

返回值: DOUBLE

说明:返回指定精度d的double类型

举例：

hive> select round(3.1415926,4) from lxw_dual;

3.1416

3. 向下取整函数: floor

语法: floor(double a)

返回值: BIGINT

说明:返回等于或者小于该double变量的最大的整数

举例：

hive> select floor(3.1415926) from lxw_dual;

hive> select floor(25) from lxw_dual;

4. 向上取整函数: ceil

语法: ceil(double a)

返回值: BIGINT

说明:返回等于或者大于该double变量的最小的整数

举例：

hive> select ceil(3.1415926) from lxw_dual;

hive> select ceil(46) from lxw_dual;

5. 向上取整函数: ceiling

语法: ceiling(double a)

返回值: BIGINT

说明:与ceil功能相同

举例：

hive> select ceiling(3.1415926) from lxw_dual;

hive> select ceiling(46) from lxw_dual;

6. 取随机数函数: rand

语法: rand(),rand(int seed)

返回值: double

说明: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

举例：

hive> select rand() from lxw_dual;

0.5577432776034763

hive> select rand() from lxw_dual;

0.6638336467363424

hive> select rand(100) from lxw_dual;

0.7220096548596434

hive> select rand(100) from lxw_dual;

0.7220096548596434

7. 自然指数函数: exp

语法: exp(double a)

返回值: double

说明:返回自然对数e的a次方

举例：

hive> select exp(2) from lxw_dual;

7.38905609893065

自然对数函数: ln

语法: ln(double a)

返回值: double

说明:返回a的自然对数

举例：

hive> select ln(7.38905609893065) from lxw_dual;

2.0

8. 以10为底对数函数: log10

语法: log10(double a)

返回值: double

说明:返回以10为底的a的对数

举例：

hive> select log10(100) from lxw_dual;

2.0

9. 以2为底对数函数: log2

语法: log2(double a)

返回值: double

说明:返回以2为底的a的对数

举例：

hive> select log2(8) from lxw_dual;

3.0

10. 对数函数: log

语法: log(double base, double a)

返回值: double

说明:返回以base为底的a的对数

举例：

hive> select log(4,256) from lxw_dual;

4.0

11. 幂运算函数: pow

语法: pow(double a, double p)

返回值: double

说明:返回a的p次幂

举例：

hive> select pow(2,4) from lxw_dual;

16.0

12. 幂运算函数: power

语法: power(double a, double p)

返回值: double

说明:返回a的p次幂,与pow功能相同

举例：

hive> select power(2,4) from lxw_dual;

16.0

13. 开平方函数: sqrt

语法: sqrt(double a)

返回值: double

说明:返回a的平方根

举例：

hive> select sqrt(16) from lxw_dual;

4.0

14. 二进制函数: bin

语法: bin(BIGINT a)

返回值: string

说明:返回a的二进制代码表示

举例：

hive> select bin(7) from lxw_dual;

111

15. 十六进制函数: hex

语法: hex(BIGINT a)

返回值: string

说明: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

举例：

hive> select hex(17) from lxw_dual;

hive> select hex(‘abc’) from lxw_dual;

616263

16. 反转十六进制函数: unhex

语法: unhex(string a)

返回值: string

说明:返回该十六进制字符串所代码的字符串

举例：

hive> select unhex(‘616263’) from lxw_dual;

abc

hive> select unhex(‘11’) from lxw_dual;

hive> select unhex(616263) from lxw_dual;

abc

17. 进制转换函数: conv

语法: conv(BIGINT num, int from_base, int to_base)

返回值: string

说明:将数值num从from_base进制转化到to_base进制

举例：

hive> select conv(17,10,16) from lxw_dual;

hive> select conv(17,10,2) from lxw_dual;

10001

18. 绝对值函数: abs

语法: abs(double a) abs(int a)

返回值: double int

说明:返回数值a的绝对值

举例：

hive> select abs(-3.9) from lxw_dual;

3.9

hive> select abs(10.9) from lxw_dual;

10.9

19. 正取余函数: pmod

语法: pmod(int a, int b),pmod(double a, double b)

返回值: int double

说明:返回正的a除以b的余数

举例：

hive> select pmod(9,4) from lxw_dual;

hive> select pmod(-9,4) from lxw_dual;

20. 正弦函数: sin

语法: sin(double a)

返回值: double

说明:返回a的正弦值

举例：

hive> select sin(0.8) from lxw_dual;

0.7173560908995228

21. 反正弦函数: asin

语法: asin(double a)

返回值: double

说明:返回a的反正弦值

举例：

hive> select asin(0.7173560908995228) from lxw_dual;

0.8

22. 余弦函数: cos

语法: cos(double a)

返回值: double

说明:返回a的余弦值

举例：

hive> select cos(0.9) from lxw_dual;

0.6216099682706644

23. 反余弦函数: acos

语法: acos(double a)

返回值: double

说明:返回a的反余弦值

举例：

hive> select acos(0.6216099682706644) from lxw_dual;

0.9

24. positive函数: positive

语法: positive(int a), positive(double a)

返回值: int double

说明:返回a

举例：

hive> select positive(-10) from lxw_dual;

-10

hive> select positive(12) from lxw_dual;

25. negative函数: negative

语法: negative(int a), negative(double a)

返回值: int double

说明:返回-a

举例：

hive> select negative(-5) from lxw_dual;

hive> select negative(8) from lxw_dual;

-8

五、日期函数

1. UNIX时间戳转日期函数:from_unixtime

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

返回值: string

说明: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

举例：

hive> select from_unixtime(1323308943,'yyyyMMdd') fromlxw_dual;

20111208

2. 获取当前UNIX时间戳函数:unix_timestamp

语法: unix_timestamp()

返回值: bigint

说明:获得当前时区的UNIX时间戳

举例：

hive> select unix_timestamp() from lxw_dual;

1323309615

3. 日期转UNIX时间戳函数:unix_timestamp

语法: unix_timestamp(string date)

返回值: bigint

说明:转换格式为"yyyy-MM-ddHH:mm:ss"的日期到UNIX时间戳。如果转化失败，则返回0。

举例：

hive> select unix_timestamp('2011-12-07 13:01:03') from lxw_dual;

1323234063

4. 指定格式日期转UNIX时间戳函数:unix_timestamp

语法: unix_timestamp(string date, string pattern)

返回值: bigint

说明:转换pattern格式的日期到UNIX时间戳。如果转化失败，则返回0。

举例：

hive> select unix_timestamp('20111207 13:01:03','yyyyMMddHH:mm:ss') from lxw_dual;

1323234063

5. 日期时间转日期函数:to_date

语法: to_date(string timestamp)

返回值: string

说明:返回日期时间字段中的日期部分。

举例：

hive> select to_date('2011-12-08 10:03:01') from lxw_dual;

2011-12-08

6. 日期转年函数: year

语法: year(string date)

返回值: int

说明:返回日期中的年。

举例：

hive> select year('2011-12-08 10:03:01') from lxw_dual;

2011

hive> select year('2012-12-08') from lxw_dual;

2012

7. 日期转月函数: month

语法: month (string date)

返回值: int

说明:返回日期中的月份。

举例：

hive> select month('2011-12-08 10:03:01') from lxw_dual;

hive> select month('2011-08-08') from lxw_dual;

8. 日期转天函数: day

语法: day (string date)

返回值: int

说明:返回日期中的天。

举例：

hive> select day('2011-12-08 10:03:01') from lxw_dual;

hive> select day('2011-12-24') from lxw_dual;

9. 日期转小时函数: hour

语法: hour (string date)

返回值: int

说明:返回日期中的小时。

举例：

hive> select hour('2011-12-08 10:03:01') from lxw_dual;

10. 日期转分钟函数: minute

语法: minute (string date)

返回值: int

说明:返回日期中的分钟。

举例：

hive> select minute('2011-12-08 10:03:01') from lxw_dual;

11. 日期转秒函数: second

语法: second (string date)

返回值: int

说明:返回日期中的秒。

举例：

hive> select second('2011-12-08 10:03:01') from lxw_dual;

12. 日期转周函数:weekofyear

语法: weekofyear (string date)

返回值: int

说明:返回日期在当前的周数。

举例：

hive> select weekofyear('2011-12-08 10:03:01') from lxw_dual;

13. 日期比较函数: datediff

语法: datediff(string enddate, string startdate)

返回值: int

说明:返回结束日期减去开始日期的天数。

举例：

hive> select datediff('2012-12-08','2012-05-09') from lxw_dual;

213

14. 日期增加函数: date_add

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。

举例：

hive> select date_add('2012-12-08',10) from lxw_dual;

2012-12-18

15. 日期减少函数: date_sub

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。

举例：

hive> select date_sub('2012-12-08',10) from lxw_dual;

2012-11-28

六、条件函数

1. If函数: if

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

举例：

hive> select if(1=2,100,200) from lxw_dual;

200

hive> select if(1=1,100,200) from lxw_dual;

100

2. 非空查找函数: COALESCE

语法: COALESCE(T v1, T v2,…)

返回值: T

说明: 返回参数中的第一个非空值；如果所有值都为NULL，那么返回NULL

举例：

hive> select COALESCE(null,'100','50′) from lxw_dual;

100

3. 条件判断函数：CASE

语法: 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

举例：

hive> Select case 100 when 50 then 'tom' when 100 then 'mary'else 'tim' end from lxw_dual;

mary

hive> Select case 200 when 50 then 'tom' when 100 then 'mary'else 'tim' end from lxw_dual;

tim

4. 条件判断函数：CASE

语法: 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

举例：

hive> select case when 1=2 then 'tom' when 2=2 then 'mary' else'tim' end from lxw_dual;

mary

hive> select case when 1=1 then 'tom' when 2=2 then 'mary' else'tim' end from lxw_dual;

tom

七、字符串函数

1. 字符串长度函数：length

语法: length(string A)

返回值: int

说明：返回字符串A的长度

举例：

hive> select length('abcedfg') from lxw_dual;

2. 字符串反转函数：reverse

语法: reverse(string A)

返回值: string

说明：返回字符串A的反转结果

举例：

hive> select reverse(abcedfg’) from lxw_dual;

gfdecba

3. 字符串连接函数：concat

语法: concat(string A, string B…)

返回值: string

说明：返回输入字符串连接后的结果，支持任意个输入字符串

举例：

hive> select concat(‘abc’,'def’,'gh’) from lxw_dual;

abcdefgh

4. 带分隔符字符串连接函数：concat_ws

语法: concat_ws(string SEP, string A, string B…)

返回值: string

说明：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

举例：

hive> select concat_ws(',','abc','def','gh') from lxw_dual;

abc,def,gh

5. 字符串截取函数：substr,substring

语法: substr(string A, int start),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

举例：

hive> select substr('abcde',3) from lxw_dual;

cde

hive> select substring('abcde',3) from lxw_dual;

cde

hive> selectsubstr('abcde',-1) from lxw_dual; （和Oracle相同）

6. 字符串截取函数：substr,substring

语法: substr(string A, int start, int len),substring(string A, intstart, 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

举例：

hive> select substr('abcde',3,2) from lxw_dual;

hive> select substring('abcde',3,2) from lxw_dual;

hive>select substring('abcde',-2,2) from lxw_dual;

7. 字符串转大写函数：upper,ucase

语法: upper(string A) ucase(string A)

返回值: string

说明：返回字符串A的大写格式

举例：

hive> select upper('abSEd') from lxw_dual;

hive> select ucase('abSEd') from lxw_dual;

8. 字符串转小写函数：lower,lcase

语法: lower(string A) lcase(string A)

返回值: string

说明：返回字符串A的小写格式

举例：

hive> select lower('abSEd') from lxw_dual;

absed

hive> select lcase('abSEd') from lxw_dual;

absed

9. 去空格函数：trim

语法: trim(string A)

返回值: string

说明：去除字符串两边的空格

举例：

hive> select trim(' abc ') from lxw_dual;

abc

10. 左边去空格函数：ltrim

语法: ltrim(string A)

返回值: string

说明：去除字符串左边的空格

举例：

hive> select ltrim(' abc ') from lxw_dual;

abc

11. 右边去空格函数：rtrim

语法: rtrim(string A)

返回值: string

说明：去除字符串右边的空格

举例：

hive> select rtrim(' abc ') from lxw_dual;

abc

12. 正则表达式替换函数：regexp_replace

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,类似Oracle中的regexp_replace函数。

举例：

hive> select regexp_replace('foobar', 'oo|ar', '') from lxw_dual;

13. 正则表达式解析函数：regexp_extract

语法: regexp_extract(string subject, string pattern, int index)

返回值: string

说明：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。

举例：

hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 1) fromlxw_dual;

the

hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 2) fromlxw_dual;

bar

hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 0) fromlxw_dual;

foothebar

注意，在有些情况下要使用转义字符，下面的等号要用双竖线转义，这是java正则表达式的规则。

select data_field,

regexp_extract(data_field,'.*?bgStart\\=([^&]+)',1) as aaa,

regexp_extract(data_field,'.*?contentLoaded_headStart\\=([^&]+)',1) as bbb,

regexp_extract(data_field,'.*?AppLoad2Req\\=([^&]+)',1) as ccc

from pt_nginx_loginlog_st

where pt = '2012-03-26'limit 2;

14. URL解析函数：parse_url

语法: parse_url(string urlString, string partToExtract [, stringkeyToExtract])

返回值: string

说明：返回URL中指定的部分。partToExtract的有效值为：HOST, PATH, QUERY, REF, PROTOCOL, AUTHORITY, FILE, and USERINFO.

举例：

hive> selectparse_url('http://facebook.com/path1/p.PHP?k1=v1&k2=v2#Ref1', 'HOST') fromlxw_dual;

facebook.com

hive> selectparse_url('http://facebook.com/path1/p.PHP?k1=v1&k2=v2#Ref1', 'QUERY','k1') from lxw_dual;

15. json解析函数：get_json_object

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。

举例：

hive> 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 lxw_dual;

amy

16. 空格字符串函数：space

语法: space(int n)

返回值: string

说明：返回长度为n的字符串

举例：

hive> select space(10) from lxw_dual;

hive> select length(space(10)) from lxw_dual;

17. 重复字符串函数：repeat

语法: repeat(string str, int n)

返回值: string

说明：返回重复n次后的str字符串

举例：

hive> select repeat('abc',5) from lxw_dual;

abcabcabcabcabc

18. 首字符ascii函数：ascii

语法: ascii(string str)

返回值: int

说明：返回字符串str第一个字符的ascii码

举例：

hive> select ascii('abcde') from lxw_dual;

19. 左补足函数：lpad

语法: lpad(string str, int len, string pad)

返回值: string

说明：将str进行用pad进行左补足到len位

举例：

hive> select lpad('abc',10,'td') from lxw_dual;

tdtdtdtabc

注意：与GP，oracle不同，pad不能默认

20. 右补足函数：rpad

语法: rpad(string str, int len, string pad)

返回值: string

说明：将str进行用pad进行右补足到len位

举例：

hive> select rpad('abc',10,'td') from lxw_dual;

abctdtdtdt

21. 分割字符串函数: split

语法: split(string str, stringpat)

返回值: array

说明:按照pat字符串分割str，会返回分割后的字符串数组

举例：

hive> select split('abtcdtef','t') from lxw_dual;

["ab","cd","ef"]

22. 集合查找函数:find_in_set

语法: find_in_set(string str, string strList)

返回值: int

说明: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0

举例：

hive> select find_in_set('ab','ef,ab,de') from lxw_dual;

hive> select find_in_set('at','ef,ab,de') from lxw_dual;

八、集合统计函数

1. 个数统计函数: count

语法: count(*), count(expr), count(DISTINCT expr[, expr_.])

返回值: int

说明: 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

举例：

hive> select count(*) from lxw_dual;

hive> select count(distinct t) from lxw_dual;

2. 总和统计函数: sum

语法: sum(col), sum(DISTINCT col)

返回值: double

说明: 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

举例：

hive> select sum(t) from lxw_dual;

100

hive> select sum(distinct t) from lxw_dual;

3. 平均值统计函数: avg

语法: avg(col), avg(DISTINCT col)

返回值: double

说明: 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

举例：

hive> select avg(t) from lxw_dual;

hive> select avg (distinct t) from lxw_dual;

4. 最小值统计函数: min

语法: min(col)

返回值: double

说明:统计结果集中col字段的最小值

举例：

hive> select min(t) from lxw_dual;

5. 最大值统计函数: max

语法: maxcol)

返回值: double

说明:统计结果集中col字段的最大值

举例：

hive> select max(t) from lxw_dual;

120

6. 非空集合总体变量函数:var_pop

语法: var_pop(col)

返回值: double

说明:统计结果集中col非空集合的总体变量（忽略null）

举例：

7. 非空集合样本变量函数:var_samp

语法: var_samp (col)

返回值: double

说明:统计结果集中col非空集合的样本变量（忽略null）

举例：

8. 总体标准偏离函数:stddev_pop

语法: stddev_pop(col)

返回值: double

说明: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

举例：

9. 样本标准偏离函数:stddev_samp

语法: stddev_samp (col)

返回值: double

说明:该函数计算样本标准偏离

举例：

10．中位数函数:percentile

语法: percentile(BIGINT col, p)

返回值: double

说明: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

举例：

11. 中位数函数:percentile

语法: percentile(BIGINT col, array(p1 [, p2]…))

返回值: array<double>

说明: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<double>，其中为对应的百分位数。

举例：

select percentile(score,<0.2,0.4>) from lxw_dual；取0.2，0.4位置的数据

12. 近似中位数函数:percentile_approx

语法: percentile_approx(DOUBLE col, p [, B])

返回值: double

说明: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

举例：

13. 近似中位数函数:percentile_approx

语法: percentile_approx(DOUBLE col, array(p1 [, p2]…) [, B])

返回值: array<double>

说明: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<double>，其中为对应的百分位数。

举例：

14. 直方图:histogram_numeric

语法: histogram_numeric(col, b)

返回值: array<struct {‘x’,‘y’}>

说明:以b为基准计算col的直方图信息。

举例：

hive> select histogram_numeric(100,5) from lxw_dual;

[{"x":100.0,"y":1.0}]

九、复合类型构建操作

1. Map类型构建: map

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

说明：根据输入的key和value对构建map类型

举例：

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"}

2. Struct类型构建: struct

语法: struct(val1, val2, val3,…)

说明：根据输入的参数构建结构体struct类型

举例：

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 from lxw_test;

{"col1":"tom","col2":"mary","col3":"tim"}

3. array类型构建: array

语法: array(val1, val2,…)

说明：根据输入的参数构建数组array类型

举例：

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"]

十、复杂类型访问操作

1. array类型访问: A[n]

语法: A[n]

操作类型: A为array类型，n为int类型

说明：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'

举例：

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

2. map类型访问: M[key]

语法: M[key]

操作类型: M为map类型，key为map中的key值

说明：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'

举例：

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

3. struct类型访问: S.x

语法: S.x

操作类型: S为struct类型

说明：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

举例：

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

十一、复杂类型长度统计函数

1. Map类型长度函数: size(Map<K.V>)

语法: size(Map<K.V>)

返回值: int

说明:返回map类型的长度

举例：

hive> select size(map('100','tom','101','mary')) from lxw_dual;

2. array类型长度函数: size(Array<T>)

语法: size(Array<T>)

返回值: int

说明:返回array类型的长度

举例：

hive> select size(array('100','101','102','103')) from lxw_dual;

3. 类型转换函数

类型转换函数: cast

语法: cast(expr as <type>)

返回值: Expected "=" to follow "type"

说明:返回array类型的长度

举例：

hive> select cast(1 as bigint) from lxw_dual;