HIVE作为数据仓库处理常用工具，如同RDBMS关系型数据库中标准SQL语法一样，Hive SQL也内置了不少系统函数，满足于用户在不同场景下的数据分析需求，以提高开发SQL数据分析的效率。
我们可以使用show functions查看当下版本支持的函数，并且可以通过describe function extended funcname来查看函数对应的使用方式和方法，下面我们将描述HIVE SQL中常用函数的高阶使用场景。
1、行转列(explode)
如下活动列表：tb_activities
| 活动ID | 活动名称列表 |
|---|---|
| 1 | 双111,国庆,元旦 |
| 2 | 黄金周,国庆,元旦 |
希望转换为列类型活动表：tb_activitity
| 活动ID | 活动名称 |
|---|---|
| 1 | 双11 |
| 1 | 国庆 |
| 1 | 元旦 |
| 2 | 黄金周 |
| 2 | 国庆 |
| 2 | 元旦 |
使用到Hive内置一个非常著名的UDTF函数，名字叫做explode函数，中文戏称为“爆炸函数”，可以炸开数据转换为多行。
insert into table tb_activitity select id,activity from tb_activities
lateral view explode(split(activities,','))enum_tmp as activity;
2、列转行
如上1所示，希望从tb_activity转换为tb_activities，通过collect_set()方法和group by id 将列转换为行，实现如下：
select id, concat_ws(',',collect_set(activity)) as activities from tb_activity group by id;
3、排名(rank())
可以通过rank() 方法的使用，实现对指定列进行排名，输出排名结果。例如商品总数表：t_item_sum，需要实现排名功能：
| item_id | item_sum |
|---|---|
| 1001 | 20 |
| 1002 | 12 |
| 1003 | 62 |
| 1004 | 15 |
期望得到：
| item_id | item_sum | rank |
|---|---|---|
| 1003 | 62 | 1 |
| 1001 | 20 | 2 |
| 1004 | 15 | 3 |
| 1002 | 12 | 4 |
代码实现如下：
select item_id,item_sum,rank()over(order by item_sum desc) as rank from t_item_sum;
4、分组去重
在查询数据时如果有重复，我们可以使用用distinct 去除重复值，但使用 distinct 只能去除所有查询列都相同的记录，如果某个字段不同，distinct 就无法去重。这时我们可以用 row_number()over(partitioon by column1 order by column2) 先进行分组。
例如：有活动表数据列“活动id，用户id，活动名称，客户群组，过期时间”，希望按照”活动id，活动名称，客户群组”去重，取最新一条数据。
| id | user_id | activity | cust_group | expired_at |
|---|---|---|---|---|
| BCP015 | 1001 | 春节活动A | 高价值 | 2023-10-05 |
| BCP015 | 1001 | 春节活动A | 高价值 | 2023-10-15 |
| BCP015 | 1001 | 春节活动A | 高价值 | 2023-10-28 |
| BCP025 | 1002 | 春节活动B | 中价值 | 2023-10-05 |
| BCP025 | 1002 | 春节活动B | 中价值 | 2023-10-25 |
| BCP030 | 1003 | 春节活动C | 中价值 | 2023-10-25 |
期望得到：
| id | user_id | activity | cust_group | expired_at |
|---|---|---|---|---|
| BCP015 | 1001 | 春节活动A | 高价值 | 2023-10-28 |
| BCP025 | 1002 | 春节活动B | 中价值 | 2023-10-25 |
| BCP030 | 1003 | 春节活动C | 中价值 | 2023-10-25 |
使用row_number()over(partitioon by) 分组去重。
select tt1.* from(select id, user_id, activity,cust_group,row_number() over(partition by concat(id,activity,cust_group)order by expired_at desc)as row_num from tb_acitivity_full)tt1 where tt1.row_num=1;
5、指标统计
GROUPING SETS,GROUPING__ID,CUBE,ROLLUP，这几个hive分析函数通常用于OLAP中，不能累加，而且需要根据不同维度上钻（ roll up ）和下钻（ drill down ）的指标统计，比如，分小时、天、月的UV数。上钻是沿着维度的层次向上聚集汇总数据，下钻是在分析时加深维度，对数据进行层层深入的查看。通过逐层下钻，数据更加一目了然，更能充分挖掘数据背后的价值，及时做出更加正确的决策。
| OLAP函数 | 使用说明 |
|---|---|
| GROUPING SETS | 根据不同的维度组合进行聚合，等价于将不同维度的GROUP BY结果集进行UNION ALL |
| GROUPING__ID | 表示结果属于哪一个分组集合，属于虚字段 |
| CUBE | 可根据GROUP BY的维度的所有组合进行聚合 |
| ROLLUP | 作为CUBE的子集，以最左侧的维度为主，从该维度进行层级聚合 |
如4所示，希望对指标值进行统计，期望结果：
| indicator | enum_value | count |
|---|---|---|
| id | BCP015 | 3 |
| id | BCP025 | 2 |
| id | BCP030 | 1 |
| activity | 春节活动A | 3 |
| activity | 春节活动B | 2 |
| activity | 春节活动C | 1 |
| cust_group | 高价值 | 3 |
| cust_group | 中价值 | 3 |
通过grouping__id 内层SQL处理结果,表2：
| groupId | id | activity | cust_group | uv |
|---|---|---|---|---|
| 1728 | id_BCP015 | NULL | NULL | 3 |
| 1724 | id_BCP025 | NULL | NULL | 2 |
| 1723 | id_BCP030 | NULL | NULL | 1 |
| 2728 | NULL | activity_春节活动A | NULL 3 | |
| 2724 | NULL | activity_春节活动B | NULL 2 | |
| 2723 | NULL | activity_春节活动C | NULL 1 | |
| 3723 | NULL | NULL | cust_group_高价值 | 3 |
| 3724 | NULL | NULL | cust_group_中价值 | 3 |
select split(coalesce(id,activity,cust_group),'\\_')[0] as indicator,coalesce(split(id, '\\_')[1],split(activity, '\\_')[1],split(cust_group, '\\_')[1],) as enum_valuesum(uv) as countfrom (-- 内层SQL处理结果，对应上表2select grouping__id as groupId,concat('id|',id) as id,concat('activity|', activity) as activity,concat('cust_group|',cust_group) as cust_group,count(*) as uvfrom tb_acitivity_fullgroup by concat('id|',id),concat('activity|', activity),concat('cust_group|',cust_group)grouping sets(concat('id|',id),concat('activity|', activity),concat('cust_group|',cust_group))as tt1group by split(coalesce(id,activity,cust_group),'\\_')[0],coalesce(split(id, '\\_')[1],split(activity, '\\_')[1],split(cust_group, '\\_')[1],);
6、JSON数据处理
JSON数据作为数据存储和数据处理中最常见的结构化数据格式之一，许多场景下都会将数据以JSON格式存储在文件系统(HDFS/MINIO等)中，当构建数据仓库时，对JSON格式的数据进行处理和分析，就需要在Hive中使用对应函数对JSON格式的数据进行解析读取。
例如，JSON格式的数据如下：
| 商品ID | 商品名称 | 额外信息 |
|---|---|---|
| 1001 | IP15 | “fixedIntegral”:200, “source”:“wechat”,“stages”:12} |
获取商品可使用的固定积分：
select get_json_object(extra_json, '$fixedIntegral) as integral
from t_items;
7、替换
7.1 translate 函数用法
select translate('abcdef', 'adc', '19') tb_translate_exe
输出：
1b9ef
- translate(input,from,to)
- input：输入字符串
- from：需要匹配的字符
- to ：用哪些字符来替换被匹配到的字符
注意点：这里from的字符与to字符在位置上存在一 一对应关系，也就是from中每个位置上的字符用to中对应位置的字符替换。
7.1 regexp_replace 函数
正则替换
SELECT aa,REGEXP_REPLACE(aa, '[a-z]', '') -- 替换所有字母,REGEXP_REPLACE(aa, '[abc]', '') -- 替换指定字母,REGEXP_REPLACE(aa, '[^abc]', '') -- 替换所有非字母,REGEXP_REPLACE(aa, '[0-9]', '') -- 替换所有数字,REGEXP_REPLACE(aa, '[\\s\\S]', '') -- 替换空白符、换行，\\s：是匹配所有空白符，包括换行，\\S：非空白符，不包括换行。,REGEXP_REPLACE(aa, '\\w', '') -- 替换所有字母、数字、下划线。等价于 [A-Za-z0-9_],REGEXP_REPLACE(aa, '[-8+]', '') -- 只替换-8这个字符,REGEXP_REPLACE(aa, '[-8*]', '') -- 替换-8、-、8这几个字符
FROM (SELECT '5e40b2b8-0916-42c0-899a-eaf4b2df 5268' AS aaUNION ALLSELECT 'c81b5906-38d7-482c-8b66-be5d3359cbf6' AS aaUNION ALLSELECT '8856fd0a-2337-4605-963f-0d0d059b1937' AS aa) t
;
)
)
)