Hive語法及其進階(二)

1、使用JDBC連線Hive

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.PreparedStatement;
import java.sql.ResultSet;

public class HiveDemo {
    public static void main(String[] args) throws Exception {
        Class.forName("org.apache.hive.jdbc.HiveDriver");
        //"jdbc:hive2://master:10000/test3"
        Connection connection = DriverManager.getConnection("jdbc:hive2://master:10000/myhive");
        String sql="select * from students";
        PreparedStatement ps = connection.prepareStatement(sql);
        ResultSet rs = ps.executeQuery();
        while (rs.next()){
            int id = rs.getInt(1);
            String name = rs.getString(2);
            int age = rs.getInt(3);
            String gender = rs.getString(4);
            String clazz = rs.getString(5);
            System.out.println(id + "," + name + "," + age + "," + gender + "," + clazz);
        }
        rs.close();
        ps.close();
        connection.close();
    }
}

 

2、Hive常用函式

1.關係運算

 

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

操作符	支援的資料型別	描述
A=B	基本資料型別	如果A等於B則返回TRUE，反之返回FALSE
A<=>B	基本資料型別	如果A和B都為NULL，則返回TRUE，如果一邊為NULL，返回False
A<>B, A!=B	基本資料型別	A或者B為NULL則返回NULL；如果A不等於B，則返回TRUE，反之返回FALSE
A<B	基本資料型別	A或者B為NULL，則返回NULL；如果A小於B，則返回TRUE，反之返回FALSE
A<=B	基本資料型別	A或者B為NULL，則返回NULL；如果A小於等於B，則返回TRUE，反之返回FALSE
A>B	基本資料型別	A或者B為NULL，則返回NULL；如果A大於B，則返回TRUE，反之返回FALSE
A>=B	基本資料型別	A或者B為NULL，則返回NULL；如果A大於等於B，則返回TRUE，反之返回FALSE
A [NOT] BETWEEN B AND C	基本資料型別	如果A，B或者C任一為NULL，則結果為NULL。如果A的值大於等於B而且小於或等於C，則結果為TRUE，反之為FALSE。如果使用NOT關鍵字則可達到相反的效果。
A IS NULL	所有資料型別	如果A等於NULL，則返回TRUE，反之返回FALSE
A IS NOT NULL	所有資料型別	如果A不等於NULL，則返回TRUE，反之返回FALSE
IN(數值1, 數值2)	所有資料型別	使用 IN運算顯示列表中的值
A [NOT] LIKE B	STRING 型別	B是一個SQL下的簡單正規表示式，也叫萬用字元模式，如果A與其匹配的話，則返回TRUE；反之返回FALSE。B的表示式說明如下：‘x%’表示A必須以字母‘x’開頭，‘%x’表示A必須以字母’x’結尾，而‘%x%’表示A包含有字母’x’,可以位於開頭，結尾或者字串中間。如果使用NOT關鍵字則可達到相反的效果。
A RLIKE B, A REGEXP B	STRING 型別	B是基於java的正規表示式，如果A與其匹配，則返回TRUE；反之返回FALSE。匹配使用的是JDK中的正規表示式介面實現的，因為正則也依據其中的規則。例如，正規表示式必須和整個字串A相匹配，而不是隻需與其字串匹配。

 

 

 

2 .數值計算

取整函式(四捨五入)：round
向上取整：ceil
向下取整：floor

 like、rlike、

（1）查詢名字以A開頭的員工資訊

hive (default)> select * from emp where ename LIKE 'A%';

（2）查詢名字中第二個字母為A的員工資訊

hive (default)> select * from emp where ename LIKE '_A%';

（3）查詢名字中帶有A的員工資訊

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

.

 

 3.日期函式

 

select from_unixtime(1610611142,'YYYY/MM/dd HH:mm:ss');
unix_timestamp(),獲取當前時間的時間戳

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

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

 

4.字串函式

1）cancat（）字串拼接 當有空值則為NULL

2）cancat_ws()指定可以指定分隔符，並且會自動忽略NULL

 3)substring字串的擷取

 4)split字串的切分

 

 

 5）explode列轉行

 

 

 解析json格式的資料

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 '|';

// 資料
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.開窗函式

 

##### row_number：無並列排名

 

分組求TOPN

select * from (select  *, row_number() over(partition by clazz order by score desc)as s from new_score)tt where tt.s<=3;

用法： select xxxx, row_number() over(partition by 分組欄位 order by 排序欄位 desc) as rn from tb group by xxxx

 

##### dense_rank：有並列排名，並且依次遞增

 

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：有並列排名，不依次遞增

 

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的結果-1)/(分割槽內資料的個數-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：計算某個視窗或分割槽中某個值的累積分佈。

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，則使用以下公式確定累積分佈： 小於等於當前值x的行數 / 視窗或partition分割槽內的總行數。其中，x 等於 order by 子句中指定的列的當前行中的值。

 

##### NTILE(n)：對分割槽內資料再分成n組，然後打上組號

 

##### max、min、avg、count、sum：基於每個partition分割槽內的資料做對應的計算

 

5.視窗幀格式
　　格式1:按照行的記錄取值

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

　　格式2:當前所指定值的範圍取值

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

　　　　CURRENT ROW:當前行

 

rows格式1:前2行+當前行+後兩行

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

rows格式2:前記錄到最末尾的總和

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

 

range格式1: 如果當前值在80,取值就會落在範圍在80-2=78和80+2=82元件之內的行

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