Hive语法及其进阶(二)

  • Z时代
  • 2024-01-10
  • 分类：综合

database

1、使用JDBC连接Hive

 1import java.sql.Connection;
 2import java.sql.DriverManager;
 3import java.sql.PreparedStatement;
 4import java.sql.ResultSet;
 5
 6publicclass HiveDemo {
 7publicstaticvoid 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();
14while (rs.next()){
15int id = rs.getInt(1);
16             String name = rs.getString(2);
17int 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<=>B

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<B

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<=B

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 where ename 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 where ename 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

 

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

3select from_unixtime(unix_timestamp(),"YYYY/MM/dd HH:mm:ss"); 

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

 3)substring字符串的截取

 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

createtable 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 groupby 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 orderby score desc)as s from new_score)tt where tt.s<=3;

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 orderby score desc)as s,
> dense_rank()  over(partition by clazz orderby 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 orderby score desc)as s,
> dense_rank()  over(partition by clazz orderby score desc),
> rank() over(partition by clazz orderby 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 orderby score desc)as s,
> rank() over(partition by clazz orderby score desc),
> percent_rank() over(partition by clazz orderby score desc),
> cume_dist() over(partition by clazz orderby 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)

 

以上是 Hive语法及其进阶(二) 的全部内容， 来源链接： utcz.com/z/535980.html

回到顶部