hive 高级查询

hadoop hive 高级查询

Hive聚合运算 - Group by

（基本内置聚合函数）nmax, min, count, sum, avg

1）Hive基本内置聚合函数与group by 一起使用

2）支持按位置编号分组

set hive.groupby.orderby.position.alias=true;

select name，sum(score) from table_name group by name;——>使用表达式

Hive聚合运算-hiving

1）对group by聚合结果的条件过滤

2）可以避免在Group by 之后使用子查询(where )

select name from table_name group by name having count(*)<1——>having使用

select name from table_name group by name where count(*)<1——>where使用

产生的问题：having 和 where有什么不同?

having是先分组在进行筛选

where是可以先帅选在进行分组

Hive聚合运算-基础聚合

1）与group by 一起使用，应用于列或者表达式

max	寻找最大的一个数
min	寻找最小的一个数
count	整个列的个数
sum	统计总数
avg	计算某个列的平均数
collect_set	将某个列数据形成数组（可以去重）
collect_list	将某个列数据形成数组（不可以去重）

Hive聚合运算-高级聚合

1）grouping sets:

SELECT a, b, SUM( c ) FROM tab1

GROUP BY a, b

GROUPING SETS ( (a, b), a, b, ( ) )(相当于将a,b出现的所有情况都显示出来)

2）GROUP BY WITH CUBE|ROLLUP

​ CUBE：对分组列进行所有可能组合的聚合

​ ROLLUP：计算维度层次级别上的聚合

SELECT a, b, SUM( c ) FROM tab1 

GROUP BY a, b, c WITH CUBE
//相当于将（a,b,c），(null,b,c)（a,null,c）,(null,bull,c)出现的所有情况都显示出来

SELECT 
a, b, SUM( c )
FROM tab1 
GROUP BY a, b, c WITH ROLLUP
//相当于将（a,b,c）,(a,null,c),(null,null,c)
出现的所有情况都显示出来

窗口函数-概述

语法：

Function (arg1,..., arg n) OVER (PARTITION BY <...> [<window_clause>]) 

over关键字 指出我们作用在什么范围

通过更细节的的window clause把窗口函数更细节的映射

窗口函数-排序

row_number() over

实例一：

1）row_number()

将一个分好组里面的一个分区的所有数据进行排序；

select userid,username,dept,score,
row_number() over(partition by username order by score)
from ccc;

2）rank()

对于相同的分区里面的数据显示一样的排名

select userid,username,dept,score,
rank() over(partition by username order by score)
from ccc;

3）dense_rank()

相当于在分区里面有排名一样的，接下来的排序接着排

select userid,username,dept,score,
dense_rank() over(partition by username order by score)
from ccc;

4）percent_rank()

select userid,username,dept,score,
percent_rank() over(partition by username order by score)
from ccc;(得出的数值比列)

计算方式：当前（行号-1）除以（总行数-1）

窗口函数-聚合

sum:	分组以后在按照总成绩进行排序
min()	分组以后在按照最小成绩进行排序
avg()	分组以后在按照平均成绩进行排序
count	分组以后在按照个数成绩进行排序

实例：

select userid,username,dept,score,
sum(score) over(partition by dept order by score)
from userinfos group by dept;

窗口函数-分析

lead(score,1)	根据给出数，生成从后面开始数第几个数的值
lag(score,1)	根据给出数，生成从前开始数第几个数的值
first_value(salary)	根据给出的列值，都将生成第一个数值
last_value(salary)	根据给出的列值，都将生成最后一个数值

实例：

select username,dept,score,
first_value(score) over(partition by username order by score)
from ccc;

窗口函数-窗口定义-2

2 preceding	前两行
current row	当前行
2 following	最后两行
unbounded	无限

作用：用于进一步细分结果并应用分析函数

支持两类窗口定义

1）行类型窗口

2）范围类型窗口

当前指针的所在行，

select username,dept,score,
max(score)over(partition by dept order by username rows
between 1 preceding and current row)//设定当前行和当前前一行的数据做对比，取最大的
from userinfos;
取得是分区里面的最大的数

范围类型窗口实例：

select username,dept,score,
max(score)over(partition by dept order by username rows
between 1000 preceding and current row)//设定当前行和当前前一行的数据做对比，取最大的
from userinfos;
取得是分区里面的最大的数

Hive UDf

当数据为map list 继承UDF /数据为string 继承GennericUDF

实例一：

首先我们打开idea

导入如下架包

<dependency>
  <groupId>org.apache.hive</groupId>
  <artifactId>hive-common</artifactId>
  <version>2.3.5</version>
</dependency>
<dependency>
  <groupId>org.apache.hive</groupId>
  <artifactId>hive-exec</artifactId>
  <version>2.3.5</version>
</dependency>

新建一个类并继承UDF

编写一个方法打包并储存到hdfs

执行下面语句，即可使用自定义函数

create function hello as 'com.njbd.tools.SayHello' using jar 'hdfs:///myfun/fcu.jar';