Hive语法及其进阶(二)

1、使用JDBC连接Hive

1 import java.sql.Connection;
 2 import java.sql.DriverManager;
 3 import java.sql.PreparedStatement;
 4 import java.sql.ResultSet;
 5
 6 public class HiveDemo {
 7     public static void main(String[] args) throws Exception {
 8         Class.forName("org.apache.hive.jdbc.HiveDriver");
 9         //"jdbc:hive2://master:10000/test3"
10         Connection connection = DriverManager.getConnection("jdbc:hive2://master:10000/myhive");
11         String sql="select * from students";
12         PreparedStatement ps = connection.prepareStatement(sql);
13         ResultSet rs = ps.executeQuery();
14         while (rs.next()){
15             int id = rs.getInt(1);
16             String name = rs.getString(2);
17             int age = rs.getInt(3);
18             String gender = rs.getString(4);
19             String clazz = rs.getString(5);
20             System.out.println(id + "," + name + "," + age + "," + gender + "," + clazz);
21         }
22         rs.close();
23         ps.close();
24         connection.close();
25     }
26 }

2、Hive常用函数

1.关系运算

// 等值比较 = ==
// 不等值比较 != <>
// 区间比较： select * from default.students where id between 1500100001 and 1500100010;
// 空值/非空值判断：is null、is not null、nvl()、isnull()

操作符

支持的数据类型

描述

A=B

基本数据类型

如果A 等于B 则返回TRUE ，反之返回FALSE

A

基本数据类型

如果A 和B 都为NULL ，则返回TRUE ，如果一边为NULL ，返回False

A<>B, A!=B

基本数据类型

A 或者B 为NULL 则返回NULL ；如果A 不等于B ，则返回TRUE ，反之返回FALSE

A

基本数据类型

A 或者B 为NULL ，则返回NULL ；如果A 小于B ，则返回TRUE ，反之返回FALSE

A

基本数据类型

A 或者B 为NULL ，则返回NULL ；如果A 小于等于B ，则返回TRUE ，反之返回FALSE

A>B

基本数据类型

A 或者B 为NULL ，则返回NULL ；如果A 大于B ，则返回TRUE ，反之返回FALSE

A>=B

基本数据类型

A 或者B 为NULL ，则返回NULL ；如果A 大于等于B ，则返回TRUE ，反之返回FALSE

A [NOT] BETWEEN B AND C

基本数据类型

如果A ，B 或者C 任一为NULL ，则结果为NULL 。如果A 的值大于等于B 而且小于或等于C ，则结果为TRUE ，反之为FALSE 。如果使用NOT 关键字则可达到相反的效果。

A IS NULL

所有数据类型

如果A 等于NULL ，则返回TRUE ，反之返回FALSE

A IS NOT NULL

所有数据类型

如果A 不等于NULL ，则返回TRUE ，反之返回FALSE

IN(数值1,数值2)

所有数据类型

使用 IN 运算显示列表中的值

A [NOT] LIKE B

STRING 类型

B 是一个SQL 下的简单正则表达式，也叫通配符模式，如果A 与其匹配的话，则返回TRUE ；反之返回FALSE 。B 的表达式说明如下：’x%’表示A 必须以字母’x ‘开头，’%x ‘表示A 必须以字母’x ‘结尾，而’%x%’表示A 包含有字母’x ‘,可以位于开头，结尾或者字符串中间。如果使用NOT 关键字则可达到相反的效果。

A RLIKE B, A REGEXP B

STRING 类型

B 是基于java 的正则表达式，如果A 与其匹配，则返回TRUE ；反之返回FALSE 。匹配使用的是JDK 中的正则表达式接口实现的，因为正则也依据其中的规则。例如，正则表达式必须和整个字符串A 相匹配，而不是只需与其字符串匹配。

2 .数值计算

取整函数(四舍五入)：round
向上取整：ceil
向下取整：floor

like、rlike、

（1 ）查找名字以A 开头的员工信息

hive (default)> select * from emp whereename LIKE ‘A %’;

（2 ）查找名字中第二个字母为A 的员工信息

hive (default)> select * from emp whereename LIKE ‘_A %’;

（3 ）查找名字中带有A 的员工信息

hive (default)> select * from emp where ename RLIKE ‘[A ]’;

3.日期函数

1 select from_unixtime(1610611142,'YYYY/MM/dd HH:mm:ss');
2unix_timestamp(),获取当前时间的时间戳3 select from_unixtime(unix_timestamp(),'YYYY/MM/dd HH:mm:ss');

4 // '2021年01月14日' -> '2021-01-14' 6 select from_unixtime(unix_timestamp('2021年01月14日','yyyy年MM月dd日'),'yyyy-MM-dd');8 select from_unixtime(unix_timestamp("04-2021-16","MM-yyyy-dd"),"yyyy/MM/dd");

4.字符串函数

1）cancat（）字符串拼接 当有空值则为NULL

2）cancat_ws()指定可以指定分隔符，并且会自动忽略NULL

4)split字符串的切分

5）explode列转行

解析json格式的数据

select get_json_object('{"name":"zhangsan","age":18,"score":[{"course_name":"math","score":100},{"course_name":"english","score":60}]}',"$.score[0].score");

6) Hive中的wordcount

create table words(
    words string
)row format delimited fields terminated by '|';

// 数据
hello,java,hello,java,scala,python
hbase,hadoop,hadoop,hdfs,hive,hive
hbase,hadoop,hadoop,hdfs,hive,hive

select word,count(*) from (select explode(split(words,',')) word from words) a group by a.word;

4.开窗函数

row_number：无并列排名

分组求TOPN

select * from (select  *, row_number() over(partition by clazz order by score desc)as s from new_score)tt where tt.s3;

用法： select xxxx, row_number() over(partition by 分组字段 order by 排序字段 desc) as rn from tb group by xxxx

dense_rank：有并列排名，并且依次递增

hive> select  *, row_number() over(partition by clazz order by score desc)as s,
    > dense_rank()  over(partition by clazz order by score desc)as s from new_score;

rank：有并列排名，不依次递增

hive> select  *, row_number() over(partition by clazz order by score desc)as s,
    > dense_rank()  over(partition by clazz order by score desc),
    > rank() over(partition by clazz order by score desc)from new_score;

percent_rank：(rank的结果-1)/(分区内数据的个数-1)

select *, row_number() over(partition by clazz order by score desc)as s,

rank() over(partition by clazz order by score desc),
percent_rank() over(partition by clazz order by score desc)from new_score;

cume_dist：计算某个窗口或分区中某个值的累积分布。

select *, row_number() over(partition by clazz order by score desc)as s,
> rank() over(partition by clazz order by score desc),
> percent_rank() over(partition by clazz order by score desc),
> cume_dist() over(partition by clazz order by score desc) from new_score;

假定升序排序，则使用以下公式确定累积分布： 小于等于当前值x的行数 / 窗口或partition分区内的总行数。其中，x 等于 order by 子句中指定的列的当前行中的值。

NTILE(n)：对分区内数据再分成n组，然后打上组号

max、min、avg、count、sum：基于每个partition分区内的数据做对应的计算

5.窗口帧格式
格式1:按照行的记录取值

ROWS BETWEEN (UNBOUNDED | [num]) PRECEDING AND ([num] PRECEDING | CURRENT ROW | (UNBOUNDED | [num]) FOLLOWING)

格式2:当前所指定值的范围取值

RANGE BETWEEN (UNBOUNDED | [num]) PRECEDING AND ([num] PRECEDING | CURRENT ROW | (UNBOUNDED | [num]) FOLLOWING)
注意:
UNBOUNDED:无界限

CURRENT ROW:当前行

rows格式1:前2行+当前行+后两行

sum(score) over (partition by clazz order by score desc rows between 2 PRECEDING and 2 FOLLOWING)

rows格式2:前记录到最末尾的总和

sum(score) over (partition by clazz order by score desc rows between CURRENT ROW and UNBOUNDED FOLLOWING)

range格式1: 如果当前值在80,取值就会落在范围在80-2=78和80+2=82组件之内的行

max(score) over (partition by clazz order by score desc range between 2 PRECEDING and 2 FOLLOWING)

Original: https://www.cnblogs.com/lmandcc/p/15354363.html
Author: lmandcc
Title: Hive语法及其进阶(二)