Hive高级操作

1 Hive的数据类型

1.1 原子数据类型

（1）Hive 是用 Java 开发的，Hive 里的基本数据类型和 java 的基本数据类型也是一一对应的，除了 String 类型。

（2）有符号的整数类型：TINYINT、SMALLINT、INT 和 BIGINT 分别等价于 Java 的 Byte（1 字节）、Short（2 字节）、 Int （4 字节）和 Long （8 字节）有符号整数。

（3）Hive 的浮点数据类型 FLOAT 和 DOUBLE,对应于 Java 的基本类型 Float 和 Double 类型。

（4）Hive 的 BOOLEAN 类型相当于 Java 的基本数据类型 Boolean。

（5）Hive 的 String 类型相当于数据库的 Varchar 类型，该类型是一个可变的字符串，不能声明其中最多能存储多少个字符，理论上它可以存储 2GB 的字符数。

（6）TIMESTAMP支持Unix timesstamp，可达纳秒级别

1.2 复杂数据类型

复杂数据类型包括数组（ARRAY）、映射（MAP）和结构体（STRUCT）。

ARRAY：是由一系列相同数据类型的元素组成，通过下标访问。如有一个 ARRAY 类型的变量 letter，它是由['aa','bb','cc']组成，那么我们可以通过 letter[1]来访问元素 bb，下标是从 0 开始的

MAP： key->value 键值对，可以通过 key 来访问元素。如”users”是一个 map 类型，其中 username 是 key ， password 是 value ；那么我们可以通过 userlist['username']来得到这个用户对应的 password

STRUCT：可以包含不同数据类型的元素。这些元素可以通过”点语法”的方式来得到所需要的元素，比如 user 是一个 STRUCT 类型，那么可以通过 user.address 得到这个用户的地址。

CREATE TABLE user( name STRING, hobby ARRAY, scores MAP, address STRUCT )

ROW FORMAT DELIMITED

FIELDS TERMINATED BY '\t'

COLLECTION ITEMS TERMINATED BY ';'

MAP KEYS TERMINATED BY ':' ;

2 Hive函数

2.1 内置函数

查看内置函数： show functions;

显示函数的详细信息： desc function abs;

显示函数的扩展信息： desc function extended concat;

内置函数的详细相关使用及介绍见：https://blog.csdn.net/weixin_43786255/article/details/99642835

2.2 自定义UDF函数

当Hive提供的内置函数无法满足我们的需求时就需要自定函数

函数分类：

（1）UDF（user-defined function）作用于单个数据行，产生一个数据行作为输出。如：substr,round等

（2）UDAF（User- Defined Aggregation Funcation）用户定义聚集函数：接收多个输入数据行，并产生一个输出数据行。如count，max等

（3）UDTF（User-Defined Table Functions）表格生成函数：接收一行输入，输出多行，如：explode

在工作当中我们一般较多的是自定义UDF函数，聚合函数Hive提供的一般够用，下面介绍自定义UDF函数步骤：

①自定义一个类承 org.apache.hadoop.hive.ql.exec.UDF，重载 evaluate 方法

②在自定义类的evaluate 方法中实现逻辑，注意参数与返回值

③打成 jar 包上传到服务器

④将jar添加到hive的classpath下：add jar “jar包在服务器上的路径”

⑤创建一个临时函数并关联udf （自定义的class类）：craete temporary function name as "自定义的class类的全类名";

3 Hive特殊分割符处理与Json解析

hive 读取数据的机制：首先用 InputFormat的一个具体实现类读入文件数据，返回一条一条的记录；然后利用SerDe的一个具体实现类，对上面返回的一条一条的记录进行字段切割。

Hive 对文件中字段的分隔符默认情况下只支持单字节分隔符。

3.1 RegexSerDe

RegexSerDe是SerDe的一个具体实现类，通过正则表达式来抽取字段。现有如下数据：

01||小明::18

02||小红::20

创表语句如下

create table regex_test(id string,name string,age int)

row format serde 'org.apache.hadoop.hive.serde2.RegexSerDe'

with serdeproperties('input.regex'='(.*)\\|\\|(.*)::(.*)','output.format.string'='%1$s %2$s%3$s') stored as textfile;

也可以通过自定义inputstream类实现分割

3.3 Json解析

(1)解析json中的单个属性 get_json_object(json_str,’$.xxx’/‘$[xxx]’)

get_json_object函数第一个参数填写json对象变量(string)，第二个参数使用$表示json变量标识，然后用 . 或 [] 读取对象或数组.

如：select get_json_object('{"name":"zs","age":"18"}',’$.name’) from table;

但是使用get_json_object()的时候只能一次访问一个json对象里的字段

(2)解析json中多个属性 json_tuple(json_str,’xxx1’,’xxx2’)

json_tuple函数第一个参数是json对象变量,以后参数是用单引号引起来的字段名字

如：select json_tuple('{"name":"zs","age":"18"}','name','age') from table;

如果要与原来数据进行合并使用

　　select id from table lateral view json_tuple(property,'tag_id','tag_type’);

4 视图

Hive 的视图和关系型数据库的数据是不一样的：

（1）只有逻辑视图，没有物化视图；

（2）视图只能查询，不能 Load/Insert/Update/Delete 数据；

（3）视图在创建时候，只是保存了一份元数据，当查询视图的时候，才开始执行视图对应的那些子查询