1 系统内置函数

1）查看系统自带的函数

hive> show functions;

2）显示自带的函数的用法

hive> desc function upper;

3）详细显示自带的函数的用法

hive> desc function extended upper;
UDF:一进一出 UDAF:多进一出 UDTF:一进多出 一，多：指的是输入数据行数

2 常用内置函数

2.1 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）查询：如果员工的 comm 为 NULL，则用-1 代替
hive (default)> select comm,nvl(comm, -1) from emp;
3）查询：如果员工的 comm 为 NULL，则用领导 id 代替
hive (default)> select comm, nvl(comm,mgr) from emp;

2.2 CASE WHEN THEN ELSE END （case when then else end）

按需求查询数据
select dept_id,
sum(case sex when ‘男’ then 1 else 0 end) male_count,
sum(case sex when ‘女’ then 1 else 0 end) female_count
from emp_sex
group by dept_id;

2.3 行转列

1）相关函数说明

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 select concat（字段名（或字符串），”/t”,字段名）from 表名
CONCAT_WS(separator, str1, str2,…)：它是一个特殊形式的 CONCAT()。第一个参数剩余参
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;
注意: CONCAT_WS must be “string or array
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。
collect_list(col): 不去重
2）数据准备
name constellation blood_type
孙悟空 白羊座 A
大海 射手座 A
宋宋 白羊座 B
猪八戒 白羊座 A
凤姐 射手座 A
苍老师 白羊座 B
3）需求
把星座和血型一样的人归类到一起。结果如下：
射手座,A 大海|凤姐
白羊座,A 孙悟空|猪八戒
白羊座,B 宋宋|苍老师
6）按需求查询数据
select
t1.c_b,
concat_ws(“|”,collect_set(t1.name))
from (select name,
concat_ws(‘,’,constellation,blood_type) c_b
from person_info)t1
group by t1.c_b

2.4 列转行

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 lateral view
用法：LATERAL VIEW udtf(expression) tableAlias（表字段名） AS columnAlias（列字段名）
例·： lateral view explode(split(cateory,”,”)) mi as cn;
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。

6）按需求查询数据
select movie,category_name from movie_info
lateral VIEW explode(split(category,”,”)) movie_info_tmp AS category_name;

2.5 窗口函数（开窗函数）

1）相关函数说明

over()：指定分析函数工作的数据窗口大小，这个数据窗口大小可能会随着行的变而变化
CURRENT ROW：当前行 curent row
n PRECEDING：往前 n 行数据 n preceding
n FOLLOWING：往后 n 行数据 n following
UNBOUNDED：起点， unbounded
UNBOUNDED PRECEDING 表示从前面的起点， unbounded preceding
UNBOUNDED FOLLOWING 表示到后面的终点 unbounded following
LAG(col,n,default_val)：往前第 n 行数据 lag(col,n,default_val)
LEAD(col,n, default_val)：往后第 n 行数据 lead(col,n, default_val)
NTILE(n)：把有序窗口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。 ntile(n)

1.2 开窗函数语法

开窗函数语法：其中[]中的内容可以省略

<开窗函数> over ([partition by <列清单>]
order by <排序用列清单>)

1.3 开窗函数分类

开窗函数大体可以分为以下两种：

1.能够作为开窗函数的聚合函数（sum，avg，count，max，min）
2.rank，dense_rank。row_number等专用开窗函数。

6）按需求查询数据

（1） 查询在 2017 年 4 月份购买过的顾客及总人数

select name,count(*) over ()
from business
where substring(orderdate,1,7) = ‘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;
rows 必须跟在 order by 子句之后，对排序的结果进行限制，使用固定的行数来限制分
区中的数据行数量

（4） 查看顾客上次的购买时间

select name,orderdate,cost,
lag(orderdate,1,’1900-01-01’) over(partition by name order by orderdate )
as time1, lag(orderdate,2) over (partition by name order by orderdate) as
time2
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
) t
where sorted = 1;

2.6 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

6）按需求查询数据

select name,
subject,
score,
rank() over(partition by subject order by score desc) rp,
dense_rank() over(partition by subject order by score desc) drp,
row_number() over(partition by subject order by score desc) rmp
from score;