Hive总结-常用函数

1. Hive总结-常用函数

学习书目：https://zhuanlan.zhihu.com/p/82601425

1.1. 基础无脑型：

1.1.1. 字符串长度函数：length

hive> select length('abced') from dual;
          5

1.1.2. 字符串反转函数：reverse

hive> select reverse('abcedfg') from dual;
        gfdecba

1.1.3. 字符串转大写函数：upper,ucase

hive> select ucase('abCd') from dual;
    ABCD

1.1.4. 字符串连接函数：concat。

hive> select concat('abc','def') from dual;
        abcdef

支持任意个输入字符串

1.1.5. 字符串转小写函数：lower,lcase

hive> select lcase('abCd') from dual;
        abcd

1.1.6. 去空格函数：trim；

hive> select trim(' abc ') from dual;
        abc

说明：去除字符串两边的空格

hive> select ltrim(' abc ') from dual;
        abc

1.1.6.1. 左边去空格函数：ltrim；

hive> select rtrim(' abc ') from dual;
        abc

1.1.6.2. 右边去空格函数：rtrim

带分隔符字符串连接函数：concat_ws

hive> select concat_ws(',','abc','def','gh') from dual;
        abc,def,gh

1.1.7. 空格字符串函数：space

说明：返回长度为n的空字符串

hive> select space(10) from dual;
hive> select length(space(10)) from dual;
        10

1.1.8. 重复字符串函数：repeat

hive> select repeat('abc',5) from dual;
        abcabcabcabcabc

1.2. 查找替换截取

1.2.1. 字符串截取函数：substr,substring

hive> select substr('abcde',3) from dual;
        cde
hive> select substring('abcde',3) from dual;
        cde
hive>  select substr('abcde',-1) from dual; 
        e

说明：返回字符串A从start位置到结尾的字符串

1.2.2. 字符串截取函数：substr,substring

hive> select substr('abcde',3,2) from dual;
        cd
hive> select substring('abcde',3,2) from dual;
        cd
hive>select substring('abcde',-2,2) from dual;
        de

说明：返回字符串A从start位置开始，长度为len的字符串

1.2.3. 正则表达式替换函数：regexp_replace

hive> select regexp_replace('foobar', 'oo|ar', '') from dual;
        fb

hive> select regexp_replace(split(labels,'\\.')[0], '\\.|\\{|\\}|\\"', '') as labels;

(此处使用了转移字符：双\,)

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。

1.2.4. 正则表达式解析函数：regexp_extract

hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 1) from dual;
          the
hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 2) from dual;
         bar
hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 0) from dual;
        foothebar
hive> select regexp_extract('中国abc123!','[\\u4e00-\\u9fa5]+',0) from dual; //实用：只匹配中文
hive> select regexp_replace('中国abc123','[\\u4e00-\\u9fa5]+','') from dual; //实用：去掉中文

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。

第三个参数:

0 是显示与之匹配的整个字符串

1 是显示第一个括号里面的

2 是显示第二个括号里面的字段

注意，在有些情况下要使用转义字符，等号要用双竖线转义，这是java正则表达式的规则。

1.3. 字符串内容解析

1.3.1. URL解析函数：parse_url

语法: parse_url(string urlString, string partToExtract [, string keyToExtract])

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.

hive> select parse_url('http://facebook.com/path1/p.php?k1=v1&k2=v2#Ref1', 'HOST') from dual;
        facebook.com
hive> select parse_url('http://facebook.com/path1/p.php?k1=v1&k2=v2#Ref1', 'QUERY', 'k1') from dual;
        v1

1.3.2. 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。

hive>select  get_json_object('{"nation":"china"}','$.nation') from dual;
china

1.3.3. 首字符ascii函数：ascii ；返回值: int

hive> select ascii('abcde') from dual;
        97

说明：返回字符串str第一个字符的ascii码

1.3.4. 左补足函数：lpad（常用来不足长度不足的字符串，然后进行截取）

hive> select lpad('abc',10,'td') from dual;
tdtdtdtabc

1.3.4.1. 右补足函数：rpad

hive> select rpad('abc',10,'td') from dual;
        abctdtdtdt

1.3.5. 分割字符串函数: split，跟底层MR中的split方法功能一样。返回值: array

hive> select split('abtcdtef','t') from dual;
        ["ab","cd","ef"]

1.3.6. 集合查找函数: find_in_set ；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

hive> select find_in_set('ab','ef,ab,de') from dual;
        2
hive> select find_in_set('at','ef,ab,de') from dual;
        0

1.3.7. 在一个字符串中搜索指定的字符,返回发现指定的字符的位置: INSTR(string C1,string C2,int I,int J)；

sql hive> select instr("abcde",'b') from dual; 2

1.3.8. 使用两个分隔符将文本拆分为键值对：str_to_map(text[, delimiter1, delimiter2]) 返回：map

Delimiter1将文本分成K-V对，Delimiter2分割每个K-V对。对于delimiter1默认分隔符是','，对于delimiter2默认分隔符是'='

sql hive> select str_to_map('aaa:123&bbb:456', '&', ':') from dual; {"bbb":"456","aaa":"123"}

1.4. 时间函数

1.4.1. unix_timestamp() 返回当前时间戳。另外，current_timestamp() 也有同样作用。

hive> select unix_timestamp();
1568552090
hive> select unix_timestamp('2020-01-01 01:01:01');
1577811661
hive> select unix_timestamp('2020-01-01','yyyy-MM-dd');
1577808000

1.4.2. from_unixtime(int/bigint timestamp)

返回 timestamp 时间戳对应的日期，格式为 yyyy-MM-dd HH:mm:ss。

hive> select from_unixtime(1577811661);
2020-01-01 01:01:01
hive> select from_unixtime(1577811661,'yyyy/MM/dd HH');
2020/01/01 01

1.4.3.current_date() ，当前日期时间

hive> select current_date();
2021-04-25

hive> select current_timestamp();
2021-04-25 16:56:49.274

hive> select unix_timestamp();
1619341037

hive> select from_unixtime(unix_timestamp(),'yyyy-MM-dd');
2021-04-25

hive> select from_unixtime(unix_timestamp(),'yyyyMMdd');
20210425

hive> select from_unixtime(unix_timestamp(),'yyyy-MM-dd HH:dd:ss');
2021-04-25 17:25:51

1.4.4. date_add()

hive> select date_sub(from_unixtime(unix_timestamp(),'yyyy-MM-dd'),1);
2021-04-24
hive> select date_add(current_date,-1);
2021-04-24

1.4.5. date_format()

时间戳<互转>日期：from_unixtime(), to_unix_timestamp

hive> select from_unixtime(1517725479,'yyyy-MM-dd HH:dd:ss');
2018-02-04 14:04:39

hive> select to_unix_timestamp('2017-01-01 12:12:12','yyyy-MM-dd HH:dd:ss');
1484193612

date_format 输出标准时间格式：

select from_unixtime(unix_timestamp());
hive> select to_date('2017-01-01 12:12:12');
2017-01-01

hive> select date_format(current_timestamp(),'yyyy-MM-dd HH:mm:ss');
2021-04-25 17:21:26

hive> select date_format(current_date(),'yyyyMMdd');
20210425

utc时间转换:

hive> select to_utc_timestamp(current_timestamp(),8);
2021-04-25 17:22:52.29

hive> select from_utc_timestamp(current_timestamp(),8);