常用的hive sql

时间：2021-06-20 00:39:28

正则匹配函数的，要注意转义符号

因为在不同语言下正则匹配规则是否需要加转义符号是不同的，举例，regexp_replace 函数，在hive sql的正则匹配规则的 \d+ 需要前面给它加上转义符号\，而在java中可能不用，在Presto sql 就是不用加转义符号\的。

☺ 思路：不用特意去记哪一种语言需要加转义符号，哪种语言不需要，只需要记住正则匹配规则，报错的一个原因，可能是转义符号的问题即可。

 regexp_replace(`date`, '\\d+ 小时前', '${DateUtil.addDays(dt, 1)}')

1、拆解 json 字段/json 解析函数 get_json_object

(1) 语法：get_json_object(string json_string, string path)

  • json_string：必填。STRING类型。标准的JSON格式对象，格式为{Key:Value, Key:Value,...}。如果遇到英文双引号（"），需要用两个反斜杠（\）进行转义。如果遇到英文单引号（'），需要用一个反斜杠（\）进行转义。
  • path：必填。STRING类型。以$开头。
  • $：表示根节点。
  • .或['']：表示子节点。MaxCompute支持用这两种字符解析JSON对象，当JSON的Key本身包含.时，可以用['']来替代。
  • []：表示数组下标，从0开始。
  • *：返回整个数组。*不支持转义。

(2) 例子：

-- json字符串数据如下：
json_string:
{
	"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" 
} 

-- 获取owner字段信息，返回amy。
  select get_json_object(json_string, '$.owner') from json_string;

-- 提取store.fruit字段第一个数组信息，返回{"weight":8,"type":"apple"}。
  select get_json_object(json_string, '$.store.fruit[0]') from json_string;

2、截取字符串

(1) 符合正则表达式方式，截取字符串 regexp_extract

  • 语法：regexp_extract(string subject, string pattern, int index)
  • 抽取字符串subject 中符合正则表达式pattern 的第index 个部分的子字符串
index是返回结果取表达式的哪一部分
  • 0 表示把整个正则表达式对应的结果全部返回
  • 1 表示返回正则表达式中第一个()对应的结果，以此类推。
select regexp_extract('histry','(i)(.*?)(e)',0);

(2) 按字符位置截取字符串 substr

  • 语法：substr(string|binary A, int start) substr(string|binary A, int start, int len)
substr(title,1,10)

3、替换字符串中的字符 regexp_replace

(1) 语法：

regexp_replace(string INITIAL_STRING, string PATTERN, string REPLACEMENT)

(2) 作用：

按照正则表达式pattern 将字符串INTIAL_STRING 中符合条件的部分替换成REPLACEMENT 指定的字符串

(3) 例子：

-- 举例：替换字符
regexp_replace(get_json_object(map_col,'$.title'), '\n|\t|\r', '') title,-- 去掉空格等特殊符号，以防存储是出现数据错行
regexp_replace(get_json_object(map_col,'$.date'),'\/ ', '') `date`, -- 去掉时间前面的/

4、拼接字符串 concat/concat_ws

(1) concat 拼接字符串

  • 语法：concat_ws(字符串1,字符串2)
-- 举例：拼接字段
concat('https://developer.unity.cn/projects/',get_json_object(map_col,'$.id')) url

(2) concat_ws 带分割符的拼接字符串

  • 语法：concat_ws('分隔符',字符串1,字符串2)
-- 举例：带分割符的拼接字段
concat_ws('/','https://t.bilibili.com',dynamic_id) note_url

5、时间格式相关

(1) 规定时间输出格式 date_format

-- 举例：规定时间输出格式，默认格式 yyyy-MM-dd HH:mm:ss
date_format(get_json_object(map_col,'$.create_time'),'yyyy-MM-dd HH:00:00')

细节：date_format 无法识别/的时间格式，例如：select date_format('2023/01/17', 'y'); 结果是null

解决：先通过字符串替换函数，将/ 替换成 -，然后再使用date_format 函数，获取指定格式的时间

select date_format(regexp_replace('2023/01/17', '/', '-'), 'yyyy-MM-dd');

(2) 和时间戳相关

unix_timestamp(string date) 获取当前时间戳

  • unix_timestamp(string timestame) 输入的时间戳格式必须为'yyyy-MM-dd HH:mm:ss',如不符合则返回null

unix_timestamp(string date, string pattern) 指定格式将时间字符串转化成时间戳

  • select unix timestamp('2023-1-6''yyyy-MM-dd');

from_unixtime(bigint unixtime[, string format]) 将时间戳转成国际协调时间


6、排序/排名/窗口函数 ROW_NUMBER

  • 语法：ROW_NUMBER() OVER(PARTITION BY 分区的字段 ORDER BY 升序/降序字段 [DESC])
-- 举例：根据标题分区后根据创建时间降序展示自然数排名
ROW_NUMBER() OVER(PARTITION BY get_json_object(map_col,'$.title') ORDER BY get_json_object(map_col,'$.create_time') DESC)AS rn

7、炸裂函数explode + 侧视图函数LATERAL VIEW

(1) 作用：

炸裂函数，实现将一行转换成多列，然后侧视图函数进行聚合

(2) 例子：

  • 原数据结果：

常用的hive sql

  • 试试炸裂函数explode 效果：
SELECT
    explode(split(regexp_replace(get_json_object(map_col,'$.genre'), '\\[|\\]', ''), ","))  genre 
FROM
	ods_crawler_table                         
WHERE
	dt = '2023-02-26'       
AND get_json_object(map_col,'$.code') = 'xxx'

▷ explode(genre) 和其他字段一起查询

  • 实际业务，字段game_name，genre 都要查询
SELECT
    get_json_object(map_col,'$.game_name') game_name,
    explode(split(regexp_replace(get_json_object(map_col,'$.genre'), '\\[|\\]', ''), ","))  genre 
FROM
	ods_crawler_table                           
WHERE
	dt = '2023-02-26'       
AND get_json_object(map_col,'$.code') = 'xxx'
报错：UDTF's are not supported outside the SELECT clause, nor nested in expressions
分析：原因是因为这个字段genre，炸裂之后，转换成多列(3列)，而game_name 字段依然是1列，列数不匹配
解决：侧视图(表)的聚合
ods_crawler_table -- 原先的表
LATERAL VIEW -- 聚合（本质上就是笛卡尔乘积）
explode(split(regexp_replace(get_json_object(map_col,'$.genre'), '\\[|\\]', ''), ",")) v -- 炸裂后作为一个表，两个表聚合之后成v表
as genre -- 是炸裂函数explode(split(regexp_replace(get_json_object(map_col,'$.genre'), '\\[|\\]', ''), ","))的别名


------------------------------------------------------------------------------------------------------------------------
SELECT
    get_json_object(map_col,'$.game_name') game_name,
    genre 
FROM
	ods_crawler_table      
LATERAL VIEW explode(split(regexp_replace(get_json_object(map_col,'$.genre'), '\\[|\\]', ''), ",")) v as genre		
WHERE
	dt = '2023-02-26'       
    AND get_json_object(map_col,'$.code') = 'xxx'
聚合效果：

常用的hive sql


8、去掉json多余的字段 json2map + map_remove + map_values

  • 先将json转换成map，然后使用方法map_remove删除，最后使用map_values取出来
-- 举例：
map_values(map_remove(json2map(map_col),'code','create_time')) AS datas

9、条件判断，判断是否为空 nvl、IF

  • nvl(valueExp1, valueExp2)：根据第一个表达式的值是否为空，不为空则返回第一个表达式的值，若为空则返回第二个表达式的值
nvl(IF(gap>120, null, gap), 0) gap

10、提高查询性能，相当于临时表、视图 with...as

(1) 作用：

with as短语，也叫做子查询部分，是用来定义一个SQL片断，该SQL片断会被整个SQL语句所用到。其中，SQL片段产生的结果集保存在内存中,
后续的sql均可以访问这个结果集，作用与视图或临时表类似。

(2) 语法：

with temp as (
    select xx字段 from xx表
)
select xx字段 from temp;

(3) 本质:

with...as 子查询部分，和直接用子查询效率上没有什么区别，只是这种写法增加了sql可读性。

(4) 小细节：

  • with...as 特点：是一次性的，例如下面的例子，定义的"临时表"temp1，在第一次查询name 之后，就不可以再查看id了。

常用的hive sql


11、类型强转 cast

(1) 语法：

cast(expr as <type>) 将表达式 expr 的结果转换为 <type>

Cast(字段名 as 转换的类型)

(2) 例子：

  • 举例1：cast('1' as BIGINT) 将字符串 '1' 转换为其整数表示形式

  • 举例2：表tableA 有一个时间字段 release_time：2018-11-03 15:31:26

select cast(release_time as date) as release_time from tableA;
  • 结果：release_time：2018-11-03




如果本文对你有帮助的话记得给一乐点个赞哦，感谢！

标签：

相关文章