Hive(8)-常用查询函数

一. 空字段赋值

1. 函数说明

NVL：给值为NULL的数据赋值，它的格式是NVL( value，default_value)。它的功能是如果value为NULL，则NVL函数返回default_value的值，否则返回value的值，如果两个参数都为NULL ，则返回NULL。

2. 案例

-- 如果员工的comm为NULL，则用-1代替select comm,nvl(comm, -1) from emp;

-- 如果员工的comm为NULL，则用领导id代替select comm, nvl(comm,mgr) from emp;

 

回到顶部

二. case when

1. 函数说明

2. 案例

-- 求出不同部门男女各多少人select dept_id,sum(case sex when '男' then 1 else 0 end) male_sum,sum(case sex when '女' then 1 else 0 end) female_sumfrom emp_sexgroup by dept_id;

 

回到顶部

三. 行转列(concat)

1. 函数说明

CONCAT(string A/col, string B/col…)：返回输入字符串连接后的结果，支持任意个输入字符串;

CONCAT_WS(separator, str1, str2,...)：它是一个特殊形式的 CONCAT()。第一个参数是剩余参数间的分隔符。分隔符可以是与剩余参数一样的字符串。如果分隔符是 NULL，返回值也将为 NULL。这个函数会跳过分隔符参数后的任何 NULL 和空字符串。分隔符将被加到被连接的字符串之间;

COLLECT_SET(col)：函数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。

 2.案例

将血型和星座一样的归类到一起

select tmp_t.base, concat_ws("|",collect_set(tmp_t.name)) name 
from(select concat(constellation,",",blood_type) base, name from person_info
) tmp_tgroup by tmp_t.base;

 

 

回到顶部

四. 列转行(explode)

1.函数说明

EXPLODE(col)：将hive一列中复杂的array或者map结构拆分成多行。

LATERAL VIEW : 

用法：LATERAL VIEW udtf(expression) tableAlias AS columnAlias

解释：用于和split, explode等UDTF一起使用，它能够将一列数据拆成多行数据，在此基础上可以对拆分后的数据进行聚合。

2.案例

将电影分类中的数组数据展开

select movie, cat_namefrommovie_info lateral view explode(category) exp_tbl as cat_name;

 

回到顶部

五. 窗口函数(开窗函数)

1. 语法

UDAF() over (PARTITION By col1，col2 order by col3 窗口子句（rows between .. and ..）) AS 列别名

注意：PARTITION By后可跟多个字段，order By只跟一个字段。

2. 函数说明

over()决定了聚合函数的聚合范围，默认对整个窗口中的数据进行聚合，聚合函数对每一条数据调用一次。

partition by子句：使用Partiton by子句对数据进行分区，可以用paritition by对区内的进行聚合。

order by子句作用：对分区中的数据进行排序；确定聚合哪些行（默认从起点到当前行的聚合）

窗口子句
CURRENT ROW：当前行
n PRECEDING：往前n行数据
n FOLLOWING：往后n行数据
UNBOUNDED：起点，UNBOUNDED PRECEDING 表示从前面的起点， UNBOUNDED FOLLOWING表示到后面的终点

LAG(col,n,default_val)：往前第n行数据

LEAD(col,n, default_val)：往后第n行数据

NTILE(n)：把有序分区中的行分发到指定数据的组中，各个组有编号，编号从1开始，对于每一行，NTILE返回此行所属的组的编号。注意：n必须为int类型。

 

tips:

通过使用partition by子句将数据进行了分区。如果想要对窗口进行更细的动态划分，就要引入窗口子句。

order by必须跟在partition by后;Rows必须跟在Order by子；（partition by .. order by）可替换为（distribute by .. sort by ..）

什么时候用开窗函数？
开窗函数常结合聚合函数使用，一般来讲聚合后的行数要少于聚合前的行数，但是有时我们既想显示聚集前的数据,
又要显示聚集后的数据,这时我们便引入了窗口函数.

3.案例

 

1). 查询在2017年4月份购买过的顾客及总人数

select name, count(1) over()from businesswhere orderdate like "2017-04-%"group by name;

 

2). 查询顾客的购买明细及月购买总额

select name, orderdate, cost, sum(cost) over(partition by month(orderdate)) from business;

 

3). 将每个顾客的cost按照日期进行累加

select name,orderdate,cost, 
sum(cost) over() as sample1,--所有行相加 sum(cost) over(partition by name) as sample2,--按name分组，组内数据相加 sum(cost) over(partition by name order by orderdate) as sample3,--按name分组，组内数据累加 sum(cost) over(partition by name order by orderdate rows between UNBOUNDED PRECEDING and current row ) as sample4 ,--和sample3一样,由起点到当前行的聚合 sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING and current row) as sample5, --当前行和前面一行做聚合 sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING AND 1 FOLLOWING ) as sample6,--当前行和前边一行及后面一行 sum(cost) over(partition by name order by orderdate rows between current row and UNBOUNDED FOLLOWING ) as sample7 --当前行及后面所有行 from business;

 

4). 查看顾客上次的购买时间

select name,orderdate,cost, 
lag(orderdate,1,'first_buy') over(partition by name order by orderdate ) 
from business;

 

5). 查询前20%时间的订单信息

select * from (    select name,orderdate,cost, ntile(5) over(order by orderdate) sorted    from business
) twhere sorted = 1;

 

回到顶部

六. Rank

1.函数说明

RANK() 排序相同时会重复，总数不会变

DENSE_RANK() 排序相同时会重复，总数会减少

ROW_NUMBER() 会根据顺序计算

2. 案例

计算每门学科成绩排名

select name, subject, score, 
rank() over(partition by subject order by score desc) rk,
dense_rank() over(partition by subject order by score desc) drk,
row_number() over(partition by subject order by score desc) r_numberfrom score;

原文出处：https://www.cnblogs.com/duoduotouhenying/p/10149414.html