您的位置：首页 > 游戏 > 游戏 > 掌握Hive函数[3]：从基础到高级应用

掌握Hive函数[3]：从基础到高级应用

2024/10/6 6:40:39 来源：https://blog.csdn.net/qq_45115959/article/details/142030367  浏览:  次   关键词：掌握Hive函数[3]：从基础到高级应用

目录

窗口函数（开窗函数）

 概述

 常用窗口函数

1）聚合函数

2）跨行取值函数

（1）LEAD 和 LAG

（2）FIRST_VALUE 和 LAST_VALUE

3）排名函数

 案例演示

1. 数据准备

1）表结构

2）建表语句

3）装载语句

2. 需求

1）统计每个用户截至每次下单的累积下单总额

（1）期望结果

（2）需求实现

2）统计每个用户截至每次下单的当月累积下单总额

（1）期望结果

（2）需求实现

3）统计每个用户每次下单距离上次下单相隔的天数（首次下单按0天算）

（1）期望结果

（2）需求实现

4）查询所有下单记录以及每个用户的每个下单记录所在月份的首/末次下单日期

（1）期望结果

（2）需求实现

5）为每个用户的所有下单记录按照订单金额进行排名

（1）期望结果

（2）需求实现

 自定义函数

自定义UDF函数

窗口函数（开窗函数）

 概述

窗口函数是一种在SQL中处理数据的强大工具，它允许用户在结果集的一个特定窗口或范围内执行计算，而不是在整个查询结果上进行操作。

 常用窗口函数

按照功能，常用窗口函数可以划分为以下几类：聚合函数、跨行取值函数、排名函数。

1）聚合函数
  • MAX：最大值。
  • MIN：最小值。
  • SUM：求和。
  • AVG：平均值。
  • COUNT：计数。
2）跨行取值函数
（1）LEAD 和 LAG
  • LEAD：向前查看，即获取当前行之后的某一行的值。
  • LAG：向后查看，即获取当前行之前的一行的值。

 

（2）FIRST_VALUE 和 LAST_VALUE
  • FIRST_VALUE：返回窗口中第一个行的表达式的值。
  • LAST_VALUE：返回窗口中最后一个行的表达式的值。

 

3）排名函数
  • RANK：根据一个或多个列的值对行进行排序，并跳过中间的空位。
  • DENSE_RANK：与 RANK 类似，但是不会跳过任何排名。
  • ROW_NUMBER：给每一行分配一个唯一的整数。

 案例演示

1. 数据准备
1）表结构
order_iduser_iduser_nameorder_dateorder_amount
11001小元2022-01-0110
21002小海2022-01-0215
31001小元2022-02-0323
41002小海2022-01-0429
51001小元2022-01-0546
61001小元2022-04-0642
71002小海2022-01-0750
81001小元2022-01-0850
91003小辉2022-04-0862
101003小辉2022-04-0962
111004小猛2022-05-1012
121003小辉2022-04-1175
131004小猛2022-06-1280
141003小辉2022-04-1394
2）建表语句
CREATE TABLE order_info (order_id   STRING, --订单iduser_id    STRING, -- 用户iduser_name  STRING, -- 用户姓名order_date STRING, -- 下单日期order_amount INT    -- 订单金额
);
3）装载语句
INSERT OVERWRITE TABLE order_info
VALUES 
('1', '1001', '小元', '2022-01-01', '10'),
('2', '1002', '小海', '2022-01-02', '15'),
('3', '1001', '小元', '2022-02-03', '23'),
('4', '1002', '小海', '2022-01-04', '29'),
('5', '1001', '小元', '2022-01-05', '46'),
('6', '1001', '小元', '2022-04-06', '42'),
('7', '1002', '小海', '2022-01-07', '50'),
('8', '1001', '小元', '2022-01-08', '50'),
('9', '1003', '小辉', '2022-04-08', '62'),
('10', '1003', '小辉', '2022-04-09', '62'),
('11', '1004', '小猛', '2022-05-10', '12'),
('12', '1003', '小辉', '2022-04-11', '75'),
('13', '1004', '小猛', '2022-06-12', '80'),
('14', '1003', '小辉', '2022-04-13', '94');
2. 需求
1）统计每个用户截至每次下单的累积下单总额
（1）期望结果
order_iduser_iduser_nameorder_dateorder_amountsum_so_far
11001小元2022-01-011010
51001小元2022-01-054656
81001小元2022-01-0850106
31001小元2022-02-0323129
61001小元2022-04-0642171
21002小海2022-01-021515
41002小海2022-01-042944
71002小海2022-01-075094
91003小辉2022-04-086262
101003小辉2022-04-0962124
121003小辉2022-04-1175199
141003小辉2022-04-1394293
111004小猛2022-05-101212
131004小猛2022-06-128092
（2）需求实现
SELECTorder_id,user_id,user_name,order_date,order_amount,SUM(order_amount) OVER (PARTITION BY user_id ORDER BY order_date ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) sum_so_far
FROM order_info;
2）统计每个用户截至每次下单的当月累积下单总额
（1）期望结果
order_iduser_iduser_nameorder_dateorder_amountsum_so_far
11001小元2022-01-011010
51001小元2022-01-054656
81001小元2022-01-0850106
31001小元2022-02-032323
61001小元2022-04-064242
21002小海2022-01-021515
41002小海2022-01-042944
71002小海2022-01-075094
91003小辉2022-04-086262
101003小辉2022-04-0962124
121003小辉2022-04-1175199
141003小辉2022-04-1394293
111004小猛2022-05-101212
131004小猛2022-06-128080
（2）需求实现
SELECTorder_id,user_id,user_name,order_date,order_amount,SUM(order_amount) OVER (PARTITION BY user_id, SUBSTRING(order_date, 1, 7) ORDER BY order_date ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) sum_so_far
FROM order_info;
3）统计每个用户每次下单距离上次下单相隔的天数（首次下单按0天算）
（1）期望结果
order_iduser_iduser_nameorder_dateorder_amountdiff
11001小元2022-01-01100
51001小元2022-01-05464
81001小元2022-01-08503
31001小元2022-02-032326
61001小元2022-04-064262
21002小海2022-01-02150
41002小海2022-01-04292
71002小海2022-01-07503
91003小辉2022-04-08620
101003小辉2022-04-09621
121003小辉2022-04-11752
141003小辉2022-04-13942
111004小猛2022-05-10120
131004小猛2022-06-128033
（2）需求实现
SELECTorder_id,user_id,user_name,order_date,order_amount,NVL(DATEDIFF(order_date, last_order_date), 0) diff
FROM
(SELECTorder_id,user_id,user_name,order_date,order_amount,LAG(order_date, 1, NULL) OVER (PARTITION BY user_id ORDER BY order_date) last_order_dateFROM order_info
) t1;
4）查询所有下单记录以及每个用户的每个下单记录所在月份的首/末次下单日期
（1）期望结果
order_iduser_iduser_nameorder_dateorder_amountfirst_datelast_date
11001小元2022-01-01102022-01-012022-01-08
51001小元2022-01-05462022-01-012022-01-08
81001小元2022-01-08502022-01-012022-01-08
31001小元2022-02-03232022-02-032022-02-03
61001小元2022-04-06422022-04-062022-04-06
21002小海2022-01-02152022-01-022022-01-07
41002小海2022-01-04292022-01-022022-01-07
71002小海2022-01-07502022-01-022022-01-07
91003小辉2022-04-08622022-04-082022-04-13
101003小辉2022-04-09622022-04-082022-04-13
121003小辉2022-04-11752022-04-082022-04-13
141003小辉2022-04-13942022-04-082022-04-13
111004小猛2022-05-10122022-05-102022-05-10
131004小猛2022-06-12802022-06-122022-06-12
（2）需求实现
SELECTorder_id,user_id,user_name,order_date,order_amount,FIRST_VALUE(order_date) OVER (PARTITION BY user_id, SUBSTRING(order_date, 1, 7) ORDER BY order_date) first_date,LAST_VALUE(order_date) OVER (PARTITION BY user_id, SUBSTRING(order_date, 1, 7) ORDER BY order_date ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) last_date
FROM order_info;
5）为每个用户的所有下单记录按照订单金额进行排名
（1）期望结果
order_iduser_iduser_nameorder_dateorder_amountrkdrkrn
81001小元2022-01-0850111
51001小元2022-01-0546222
61001小元2022-04-0642333
31001小元2022-02-0323444
11001小元2022-01-0110555
71002小海2022-01-0750111
41002小海2022-01-0429222
21002小海2022-01-0215333
141003小辉2022-04-1394111
121003小辉2022-04-1175222
91003小辉2022-04-0862333
101003小辉2022-04-0962334
131004小猛2022-06-1280111
111004小猛2022-05-1012222
（2）需求实现
SELECTorder_id,user_id,user_name,order_date,order_amount,RANK() OVER (PARTITION BY user_id ORDER BY order_amount DESC) rk,DENSE_RANK() OVER (PARTITION BY user_id ORDER BY order_amount DESC) drk,ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY order_amount DESC) rn
FROM order_info;

 自定义函数

1）Hive自带了一些函数，比如：max/min等，但是数量有限，自己可以通过自定义UDF来方便地扩展。

2）当Hive提供的内置函数无法满足你的业务处理需要时，此时就可以考虑使用用户自定义函数（UDF：user-defined function）。

3）根据用户自定义函数类别分为以下三种：

  • UDF（User-Defined-Function）
    • 一进一出。
  • UDAF（User-Defined Aggregation Function）
    • 用户自定义聚合函数，多进一出。
    • 类似于：count/max/min。
  • UDTF（User-Defined Table-Generating Functions）
    • 用户自定义表生成函数，一进多出。
    • 如 lateral view explode()。

4）官方文档地址

HivePlugins - Apache Hive - Apache Software Foundationicon-default.png?t=O83Ahttps://cwiki.apache.org/confluence/display/Hive/HivePlugins

5）编程步骤

  • （1）继承Hive提供的类
    • org.apache.hadoop.hive.ql.udf.generic.GenericUDF
    • org.apache.hadoop.hive.ql.udf.generic.GenericUDTF;
  • （2）实现类中的抽象方法
  • （3）在hive的命令行窗口创建函数
    • 添加jar。 
      ADD JAR linux_jar_path;
    • 创建function。 
      CREATE [TEMPORARY] FUNCTION [dbname.]function_name AS class_name;
  • （4）在hive的命令行窗口删除函数 
    DROP [TEMPORARY] FUNCTION [IF EXISTS] [dbname.]function_name;

自定义UDF函数

0）需求

自定义一个UDF实现计算给定基本数据类型的长度，例如：

hive(default)> SELECT my_len("abcd");

输出结果应为4。

1）创建一个Maven工程Hive

2）导入依赖

<dependencies><dependency><groupId>org.apache.hive</groupId><artifactId>hive-exec</artifactId><version>3.1.3</version></dependency>
</dependencies>

3）创建一个类

package com.lzl.hive.udf;import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
import org.apache.hadoop.hive.ql.exec.UDFArgumentLengthException;
import org.apache.hadoop.hive.ql.exec.UDFArgumentTypeException;
import org.apache.hadoop.hive.ql.metadata.HiveException;
import org.apache.hadoop.hive.ql.udf.generic.GenericUDF;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory;/*** 我们需计算一个给定基本数据类型的长度*/
public class MyUDF extends GenericUDF {/*** 判断传进来的参数的类型和长度* 约定返回的数据类型*/@Overridepublic ObjectInspector initialize(ObjectInspector[] arguments) throws UDFArgumentException {if (arguments.length != 1) {throw new UDFArgumentLengthException("Please give me only one arg.");}if (!arguments[0].getCategory().equals(ObjectInspector.Category.PRIMITIVE)) {throw new UDFArgumentTypeException(1, "I need primitive type arg.");}return PrimitiveObjectInspectorFactory.javaIntObjectInspector;}/*** 解决具体逻辑的*/@Overridepublic Object evaluate(DeferredObject[] arguments) throws HiveException {Object o = arguments[0].get();if (o == null) {return 0;}return o.toString().length();}@Override// 用于获取解释的字符串public String getDisplayString(String[] children) {return "";}
}

4）创建临时函数

  • （1）打成jar包上传到服务器 /opt/module/hive/datas/myudf.jar。
  • （2）将jar包添加到hive的classpath，临时生效 
    hive (default)> ADD JAR /opt/module/hive/datas/myudf.jar;
  • （3）创建临时函数与开发好的java class关联 
    hive (default)> 
CREATE TEMPORARY FUNCTION my_len 
AS "com.lzl.hive.udf.MyUDF";
  • （4）即可在HQL中使用自定义的临时函数 
    hive (default)> 
SELECT ename,my_len(ename) ename_len 
FROM emp;
    • （5）删除临时函数 
      hive (default)> DROP TEMPORARY FUNCTION my_len;
      注意：临时函数只跟会话有关系，跟库没有关系。只要创建临时函数的会话不断，在当前会话下，任意一个库都可以使用，其他会话全都不能使用。

5）创建永久函数

  • （1）创建永久函数 注意：因为ADD JAR本身也是临时生效，所以在创建永久函数的时候，需要指定路径（并且因为元数据的原因，这个路径还得是HDFS上的路径）。 
    hive (default)> 
CREATE FUNCTION my_len2 
AS "com.lzl.hive.udf.MyUDF" 
USING JAR "hdfs://hadoop12:8020/udf/myudf.jar";
  • （2）即可在HQL中使用自定义的永久函数 
    hive (default)> 
SELECT ename,my_len2(ename) ename_len 
FROM emp;
  • （3）删除永久函数 
    hive (default)> DROP FUNCTION my_len2;
    注意：永久函数跟会话没有关系，创建函数的会话断了以后，其他会话也可以使用。 永久函数创建的时候，在函数名之前需要自己加上库名，如果不指定库名的话，会默认把当前库的库名给加上。 永久函数使用的时候，需要在指定的库里面操作，或者在其他库里面使用的话加上 库名.函数名。

 

版权声明:

本网仅为发布的内容提供存储空间，不对发表、转载的内容提供任何形式的保证。凡本网注明“来源：XXX网络”的作品，均转载自其它媒体，著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处。

我们尊重并感谢每一位作者，均已注明文章来源和作者。如因作品内容、版权或其它问题，请及时与我们联系，联系邮箱：809451989@qq.com，投稿邮箱：809451989@qq.com

最新新闻

热搜词

S2B2b2C模式什么意思？有相关的商城源码吗？ 盛世昊通打造一站式B2B2C消费商城，助力实体零售数智化转型 计算机专业近几年的参考文献,近几年计算机系本科参考文献 计算机系本科参考文献怎么写... Java基础及API总结 吉林大学计算机学院校区环境,吉林大学，6个校区7个校园，占地面积最大，学生数量最多！... 基于keras的停车场车位识别

声明：本站所有新闻及新闻图片来源于其他网站，如有侵权，请及时联系我们！

客户服务 | 关于我们 | 版权声明

版权所有：

Copyright 2024 尧图网 All Rights Reserved.QQ:809451989