hive支持sql大全（7-8：字符串函数、集合统计函数）

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

2. 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

3. 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

4. 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

5. 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

6. 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

7. 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; absed hive> select ucase('absed') from lxw_dual; absed

8. 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

9. 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

10. 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

11. 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

12. 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

13. 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;

14. 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('https://facebook.com/path1/p.php?k1=v1&k2=v2#ref1', 'host') fromlxw_dual; facebook.com hive> selectparse_url('https://facebook.com/path1/p.php?k1=v1&k2=v2#ref1', 'query','k1') from lxw_dual; v1 15. 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

16. 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

17. 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

18. 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

19. 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

20. 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

21. 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"]

22. 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

2. 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

3. 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

4. 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

5. 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

6. 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：

7. 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：

8. 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：

9. 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：

11. 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

12. 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： 13. 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：

14. 直方图:histogram_numeric 语法: histogram_numeric(col, b) 返回值: array 说明: 以b为基准计算col的直方图信息。 举例： hive> select histogram_numeric(100,5) from lxw_dual; [{"x":100.0,"y":1.0}]