Hive內置函數和自定義函數

目錄

1.內置運算符

2.內置函數

3.內置的聚合函數（UDAF）

4.內置表生成函數（UDTF）

5.自定義函數(UDF) 

---

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關係運算符

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，因爲無效的語法。 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值爲”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值爲”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值爲”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值爲”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值爲”NULL”，結果返回”NULL”。
A IS NULL	所有類型	如果A值爲”NULL”，返回TRUE,否則返回FALSE
A IS NOT NULL	所有類型	如果A值不爲”NULL”，返回TRUE,否則返回FALSE
A LIKE B	字符串	如 果A或B值爲”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值爲”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餘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爲1時，則結果的該位爲 1。否則，結果的該位爲 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爲 1，則結果的該位爲 1。否則，結果的該位爲 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爲 1 時，結果的該位才爲 1。否則結果的該位爲 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值爲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值同時爲NULL，返回NULL。
A | B	布爾值	與”A OR B”相同
NOT A	布爾值	如果A爲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複雜類型函數

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對複雜類型函數操作

函數	類型	說明
A[n]	A是一個數組，n爲int型	返回數組A的第n個元素，第一個元素的索引爲0。如果A數組爲['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爲 {‘f’ -> ‘foo’, ‘b’ -> ‘bar’, ‘all’ -> ‘foobar’}，則M['all'] 返回’foobar’。
S.x	S爲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)	四捨五入
DOUBLE	round(double a, int d)	小數部分d位之後數字四捨五入，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)	將參數向上舍入爲最接近的整數。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的平均分佈隨機數（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爲底自然對數
double	log2(double a)	返回給定數值的以2爲底自然對數
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)	將整數或字符轉換爲十六進制格式
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爲指定的試題體系。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的餘數的絕對值
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)	返回餘弦
double	acos(double a)	返回X的反餘弦，即餘弦是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<T>)	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 <type>)	類型轉換。例如將字符”1″轉換爲整數: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）爲無符號整數。
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，範圍在1000到9999，或爲”零”日期的0。
int	month(string date)	返回指定時間的月份，範圍爲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，範圍爲0到23。
int	minute(string date)	返回指定時間的分鐘，範圍爲0到59。
int	second(string date)	返回指定時間的秒，範圍爲0到59。
int	weekofyear(string date)	返回指定日期所在一年中的星期號，範圍爲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，第一個不爲NULL的值，如果均爲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	當值爲a時返回b,當值爲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，合併爲一個字符串，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後的字符。
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)	重複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)	將字符串轉換爲數組。
int	find_in_set(string str, string strList)	返回字符串str第一次在strlist出現的位置。如果任一參數爲NULL,返回NULL；如果第一個參數包含逗號，返回0。
array<array<string>>	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，最後返回數組。 例如sentences(‘Hello there! How are you?’) 返回：( (“Hello”, “there”), (“How”, “are”, “you”) )
array<struct<string,double>>	ngrams(array<array<string>>, int N, int K, int pf)	SELECT ngrams(sentences(lower(tweet)), 2, 100 [, 1000]) FROM twitter;
array<struct<string,double>>	context_ngrams(array<array<string>>, array<string>, int K, int pf)	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係數
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<double>	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<double>	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)	返回無重複記錄

4.內置表生成函數（UDTF）

返回類型	函數	說明
數組	explode(array<TYPE> a)	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(UDF) 

(1) 編寫自定義函數

package com.bd.hiveudf;

import org.apache.hadoop.hive.ql.exec.UDF;

/**
* hive自定義函數,類需要繼承UDF或者Generic UDF,且必須重寫evaluate方法,自定義的函數方法一定要有返回,可以返回爲null
*/
public class MyToUpperCase extends UDF {
    public String evaluate(String str){
        return "str的大寫爲:" + str.toUpperCase();
    }
}

pom文件:

<build>
    <plugins>
        <plugin>
            <groupId>org.apache.maven.plugins</groupId>
            <artifactId>maven-compiler-plugin</artifactId>
            <configuration>
                <source>1.6</source>
                <target>1.6</target>
            </configuration>
        </plugin>
    </plugins>
</build>
<repositories>
    <repository>
        <id>Sonatype-public</id>
        <name>SnakeYAML repository</name>
        <url>http://oss.sonatype.org/content/groups/public/</url>
    </repository>
</repositories>
<dependencies>
    <dependency>
        <groupId>junit</groupId>
        <artifactId>junit</artifactId>
        <version>3.8.2</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hive</groupId>
        <artifactId>hive-exec</artifactId>
        <version>1.1.0</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-core</artifactId>
        <version>1.1.1</version>
        <scope>provided</scope>
    </dependency>
    <dependency>
        <groupId>commons-lang</groupId>
        <artifactId>commons-lang</artifactId>
        <version>2.4</version>
    </dependency>
</dependencies>

(2) 打包,上傳到服務器

[root@cdh-001 udf_jar]# ll
total 74
-rw-r--r-- 1 root root   2560 Apr  7 21:02 hiveudf-1.0-SNAPSHOT.jar
[root@cdh-001 udf_jar]# pwd
/home/hive/udf_jar

(3) 引入jar包

//引入jar包
hive> add jar /home/hive/udf_jar/hiveudf-1.0-SNAPSHOT.jar;
INFO  : Added [/home/hive/udf_jar/hiveudf-1.0-SNAPSHOT.jar] to class path
INFO  : Added resources: [/home/hive/udf_jar/hiveudf-1.0-SNAPSHOT.jar]
No rows affected (0.007 seconds)
--已經引入jar包

(4) 查看jar包

hive> list jars;

(5) 創建臨時自定義函數

hive> create temporary function myToUpperCase as 'com.bd.hiveudf.MyToUpperCase';

(6) 查看函數

//查看所有的系統內置函數
hive> show functions;

//查看該函數的解釋
hive> desc function myToUpperCase;

//查看該函數的解釋以及示例
hive> desc function extended myToUpperCase;

(7) 測試(臨時自定義函數，只在當前session有用)

hive> select myToUpperCase('aa');
str的大寫爲:AA     //函數應用成功!

(8) 刪除臨時函數

hive> drop temporary function myToUpperCase;

(9) 創建永久自定義函數

先將jar包上傳到hdfs：

[root@cdh-001 udf_jar]# hadoop fs -put hiveudf-1.0-SNAPSHOT.jar /home/data/user/hive/warehouse/udfjar/

創建永久自定義函數 ：

hive> create function myToUpperCase as 'com.bd.hiveudf.MyToUpperCase' using jar 'hdfs://cdh-001/home/data/user/hive/warehouse/udfjar/hiveudf-1.0-SNAPSHOT.jar'

//切換數據庫函數依然可以使用

(10) 刪除永久自定義函數

drop function myToUpperCase;