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/zkpk/student.txt' into table student ;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/zkpk/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：
hive -e "selcte * from mytable limit 3" ;13、
hive -f 1.hql14、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');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/zkpk/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;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/zkpk/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); [zkpk@master ~]$ vi test [zkpk@master ~]$ cat test 1 张三 20 0921 2 李四 22 0922 3 Jarrey 25 092340 加载数据：
hive> load data local inpath '/home/zkpk/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/zkpk/ 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e66 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 ' 11' 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 ;
================================
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;
=======================
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 93 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
========================================
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/zkpk/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 !=”“)
=============================
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 (’ bl b2’,’//@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 1. ALTER TABLE table_name ADD [IF NOT EXISTS] partition_spec [ LOCATION ‘location1’ ] partition_spec [ LOCATION ‘location2’ ] … 2. partition_spec: 3. : 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_name115 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 ;
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; 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; 1 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; 1
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; 1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; 1
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; 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
hive> select unhex(616263) from lxw_dual; abc
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; 11 hive> select conv(17,10,2) from lxw_dual; 10001
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
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; 1 hive> select pmod(-9,4) from lxw_dual; 3
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
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
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
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
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; 12negative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; 5 hive> select negative(8) from lxw_dual; -8 五、日期函数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
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
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; 12 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; 8 hive> select day(‘2011-12-24’) from lxw_dual; 24
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; 3
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; 1
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; 49
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
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
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
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
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
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; 7
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
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
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
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） e
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; cd hive> select substring(‘abcde’,3,2) from lxw_dual; cd hive>select substring(‘abcde’,-2,2) from lxw_dual; de
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;
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
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
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
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
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; fb
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;
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; v1
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
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; 10
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
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; 97
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
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
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”]
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; 2 hive> select find_in_set(‘at’,’ef,ab,de’) from lxw_dual; 0
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; 20 hive> select count(distinct t) from lxw_dual; 10
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; 70
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; 50 hive> select avg (distinct t) from lxw_dual; 30
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; 20
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
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：
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：
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：
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：
中位数函数:percentile 语法: percentile(BIGINT col, array(p1 [, p2]…)) 返回值: array 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，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
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：
近似中位数函数:percentile_approx 语法: percentile_approx(DOUBLE col, array(p1 [, p2]…) [, B]) 返回值: array 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，其中为对应的百分位数。 举例：
直方图:histogram_numeric 语法: histogram_numeric(col, b) 返回值: array
