hive sql(常用版)

#常规建表语句
create table tv_corpus
(device_id  string,
eposide_id  string,
channel_id  string)
partitioned by(
dt string,
scene string);

#显示字段名 
set hive.cli.print.header=true;
set hive.resultset.use.unique.column.names=false;

#查看表的建立语句
show create table tv_corpus;

#建立一张临时表存储查询结果
create temporary table  tv_corpus select ... from 

#将存储查询结果插入某表
insert overwirte(into) table tv_corpus partition (dt='${bizdate}')
select ... from 

#with..as子查询
with t1 as (select .. from tv_corpus),
t2 as (slect .. from falls_corpus)
select t1.*, t2.* from t1,t2 where...

# not in的表达(hive sql不支持not in)
select a.* from 
(select * from t1)a
left join 
(select * from t2)b
on a.uid = b.uid where b.uid is null;

#concat cnocat_ws...
concat(a,b,c)  #连接abc字段
concat_ws('-',a,b)  #以-分隔符连接字段
group_concat(a).. group by b #返回以b聚合后的a值

#split 
select split(device_id,'#')[0] as device_id from tv_corpus;

#explode 将分割后的字符打散成多行
select explode(split(device_id,'#')) as device_id from tv_corpus;

#lateral view
select myTable.r_source, cnt(1) from
(select r_source  from tv_corpus where dt = '${bizdate}' 
lateral view explode(split(r_source,'@')) myTable as r_source  
group by myTable.r_source

#get_json_object :json的解析函数
对于[{"name":"王二狗","sex":"男","age":"25"},{"name":"李狗嗨","sex":"男","age":"47"}]
#取出第一个json对象
SELECT get_json_object(json,"$.[0]") FROM person;
#返回
{"name":"王二狗","sex":"男","age":"25"}

#列转行
collect_set : 去重
collect_list: 不去重

Coalesce   取指定内容(列)中第一个不为空的值 可以理解为 ifnull() 是其简化版
https://www.cnblogs.com/yanglang/p/10081181.html

union 并集  
intersect 交集 
except 差集   https://www.cnblogs.com/kissdodog/archive/2013/06/24/3152743.html

regexp_replace   正则替换  https://blog.csdn.net/qq_20989105/article/details/77894949

array_contains  ARRAY_CONTAINS(pages_sns, "a") AS .. 判断是否包含‘a’   
!array_contains是不包含的

substr   substr(string,1,3) 得到str 从左往右取3字长  从右往左取的话 substr(string,-1,3) 得到ing
 
round()函数遵循四舍五入原则,用于把数值字段舍入为指定的小数位数
floor(value)函数返回小于或等于指定值(value)的最小整数
ceiling(value)函数返回大于或等于指定值(value)的最小整数

trim(device_id)  移除字符首尾空格。 还有 ltrim rtrim https://www.1keydata.com/cn/sql/sql-trim.php


最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,193评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,306评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,130评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,110评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,118评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,085评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,007评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,844评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,283评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,508评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,667评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,395评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,985评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,630评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,797评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,653评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,553评论 2 352

推荐阅读更多精彩内容