Hive中的復(fù)合數(shù)據(jù)結(jié)構(gòu)以及函數(shù)的用法說明是什么

本篇文章為大家展示了Hive中的復(fù)合數(shù)據(jù)結(jié)構(gòu)以及函數(shù)的用法說明是什么，內(nèi)容簡明扼要并且容易理解，絕對(duì)能使你眼前一亮，通過這篇文章的詳細(xì)介紹希望你能有所收獲。

目前 hive 支持的復(fù)合數(shù)據(jù)類型有以下幾種：

map
(key1, value1, key2, value2, ...) Creates a map with the given key/value pairs
struct  
(val1, val2, val3, ...) Creates a struct with the given field values. Struct field names will be col1, col2, ...
named_struct  
(name1, val1, name2, val2, ...) Creates a struct with the given field names and values. (as of Hive 0.8.0)
array  
(val1, val2, ...) Creates an array with the given elements
create_union  
(tag, val1, val2, ...) Creates a union type with the value that is being pointed to by the tag parameter

一、map、struct、array 這3種的用法：

1、Array的使用

創(chuàng)建數(shù)據(jù)庫表，以array作為數(shù)據(jù)類型
create table  person(name string,work_locations array<string>)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
COLLECTION ITEMS TERMINATED BY ',';
數(shù)據(jù)
biansutao beijing,shanghai,tianjin,hangzhou
linan changchu,chengdu,wuhan
入庫數(shù)據(jù)
LOAD DATA LOCAL INPATH '/home/hadoop/person.txt' OVERWRITE INTO TABLE person;
查詢
hive> select * from person;
biansutao       ["beijing","shanghai","tianjin","hangzhou"]
linan   ["changchu","chengdu","wuhan"]
Time taken: 0.355 seconds
hive> select name from person;
linan
biansutao
Time taken: 12.397 seconds
hive> select work_locations[0] from person;
changchu
beijing
Time taken: 13.214 seconds
hive> select work_locations from person;   
["changchu","chengdu","wuhan"]
["beijing","shanghai","tianjin","hangzhou"]
Time taken: 13.755 seconds
hive> select work_locations[3] from person;
NULL
hangzhou
Time taken: 12.722 seconds
hive> select work_locations[4] from person;
NULL
NULL
Time taken: 15.958 seconds

2、Map 的使用

創(chuàng)建數(shù)據(jù)庫表
create table score(name string, score map<string,int>)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
COLLECTION ITEMS TERMINATED BY ','
MAP KEYS TERMINATED BY ':';
要入庫的數(shù)據(jù)
biansutao '數(shù)學(xué)':80,'語文':89,'英語':95
jobs '語文':60,'數(shù)學(xué)':80,'英語':99
入庫數(shù)據(jù)
LOAD DATA LOCAL INPATH '/home/hadoop/score.txt' OVERWRITE INTO TABLE score;
查詢
hive> select * from score;
biansutao       {"數(shù)學(xué)":80,"語文":89,"英語":95}
jobs    {"語文":60,"數(shù)學(xué)":80,"英語":99}
Time taken: 0.665 seconds
hive> select name from score;
jobs
biansutao
Time taken: 19.778 seconds
hive> select t.score from score t;
{"語文":60,"數(shù)學(xué)":80,"英語":99}
{"數(shù)學(xué)":80,"語文":89,"英語":95}
Time taken: 19.353 seconds
hive> select t.score['語文'] from score t;
60
89
Time taken: 13.054 seconds
hive> select t.score['英語'] from score t;
99
95
Time taken: 13.769 seconds

3、Struct 的使用

創(chuàng)建數(shù)據(jù)表
CREATE TABLE test(id int,course struct<course:string,score:int>)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
COLLECTION ITEMS TERMINATED BY ',';
數(shù)據(jù)
1 english,80
2 math,89
3 chinese,95
入庫
LOAD DATA LOCAL INPATH '/home/hadoop/test.txt' OVERWRITE INTO TABLE test;
查詢
hive> select * from test;
OK
1       {"course":"english","score":80}
2       {"course":"math","score":89}
3       {"course":"chinese","score":95}
Time taken: 0.275 seconds
hive> select course from test;
{"course":"english","score":80}
{"course":"math","score":89}
{"course":"chinese","score":95}
Time taken: 44.968 seconds
select t.course.course from test t; 
english
math
chinese
Time taken: 15.827 seconds
hive> select t.course.score from test t;
80
89
95
Time taken: 13.235 seconds

4、數(shù)據(jù)組合 （不支持組合的復(fù)雜數(shù)據(jù)類型）

LOAD DATA LOCAL INPATH '/home/hadoop/test.txt' OVERWRITE INTO TABLE test;
create table test1(id int,a MAP<STRING,ARRAY<STRING>>)
row format delimited fields terminated by '\t' 
collection items terminated by ','
MAP KEYS TERMINATED BY ':';
1 english:80,90,70
2 math:89,78,86
3 chinese:99,100,82
LOAD DATA LOCAL INPATH '/home/hadoop/test1.txt' OVERWRITE INTO TABLE test1;

二、hive中的一些不常見函數(shù)的用法：

常見的函數(shù)就不廢話了，和標(biāo)準(zhǔn)sql類似，下面我們要聊到的基本是HQL里面專有的函數(shù)，

hive里面的函數(shù)大致分為如下幾種：Built-in、Misc.、UDF、UDTF、UDAF

我們就挑幾個(gè)標(biāo)準(zhǔn)SQL里沒有，但是在HIVE SQL在做統(tǒng)計(jì)分析常用到的來說吧。

1、array_contains （Collection Functions）

這是內(nèi)置的對(duì)集合進(jìn)行操作的函數(shù)，用法舉例：

create EXTERNAL table IF NOT EXISTS userInfo (id int,sex string, age int, name string, email string,sd string, ed string)  ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' location '/hive/dw';

select * from userinfo where sex='male' and (id!=1 and id !=2 and id!=3 and id!=4 and id!=5) and age < 30;
select * from (select * from userinfo where sex='male' and !array_contains(split('1,2,3,4,5',','),cast(id as string))) tb1 where tb1.age < 30;

其中建表所用的測(cè)試數(shù)據(jù)你可以用如下鏈接的腳本自動(dòng)生成：

http://my.oschina.net/leejun2005/blog/76631

2、get_json_object （Misc. Functions）

測(cè)試數(shù)據(jù)：

first {"store":{"fruit":[{"weight":8,"type":"apple"},{"weight":9,"type":"pear"}],"bicycle":{"price":19.951,"color":"red1"}},"email":"amy@only_for_json_udf_test.net","owner":"amy1"} third
first {"store":{"fruit":[{"weight":9,"type":"apple"},{"weight":91,"type":"pear"}],"bicycle":{"price":19.952,"color":"red2"}},"email":"amy@only_for_json_udf_test.net","owner":"amy2"} third
first {"store":{"fruit":[{"weight":10,"type":"apple"},{"weight":911,"type":"pear"}],"bicycle":{"price":19.953,"color":"red3"}},"email":"amy@only_for_json_udf_test.net","owner":"amy3"} third

create external table if not exists t_json(f1 string, f2 string, f3 string) row format delimited fields TERMINATED BY ' ' location '/test/json'
select get_json_object(t_json.f2, '$.owner') from t_json;
SELECT * from t_json where get_json_object(t_json.f2, '$.store.fruit[0].weight') = 9;
SELECT get_json_object(t_json.f2, '$.non_exist_key') FROM t_json;

這里尤其要注意UDTF的問題，官方文檔有說明：

json_tuple
A new json_tuple() UDTF is introduced in hive 0.7. It takes a set of names (keys) and a JSON string, and returns a tuple of values using one function. This is much more efficient than calling GET_JSON_OBJECT to retrieve more than one key from a single JSON string. In any case where a single JSON string would be parsed more than once, your query will be more efficient if you parse it once, which is what JSON_TUPLE is for. As JSON_TUPLE is a UDTF, you will need to use the LATERAL VIEW syntax in order to achieve the same goal.

For example,

select a.timestamp, get_json_object(a.appevents, '$.eventid'), get_json_object(a.appenvets, '$.eventname') from log a;

should be changed to

select a.timestamp, b.*
from log a lateral view json_tuple(a.appevent, 'eventid', 'eventname') b as f1, f2;

UDTF(User-Defined Table-Generating Functions)  用來解決 輸入一行輸出多行(On-to-many maping) 的需求。  

通過Lateral view可以方便的將UDTF得到的行轉(zhuǎn)列的結(jié)果集合在一起提供服務(wù)，因?yàn)橹苯釉赟ELECT使用UDTF會(huì)存在限制，即僅僅能包含單個(gè)字段，不光是多個(gè)UDTF，僅僅單個(gè)UDTF加上其他字段也是不可以，hive提示在UDTF中僅僅能有單一的表達(dá)式。如下：
hive> select my_test(“abcef:aa”) as qq,’abcd’ from sunwg01;
FAILED: Error in semantic analysis: Only a single expression in the SELECT clause is supported with UDTF’s

使用Lateral view可以實(shí)現(xiàn)上面的需求，Lateral view語法如下：
lateralView: LATERAL VIEW udtf(expression) tableAlias AS columnAlias (‘,’ columnAlias)*
fromClause: FROM baseTable (lateralView)*
hive> create table sunwg ( a array, b array )
> ROW FORMAT DELIMITED
> FIELDS TERMINATED BY ‘\t’
> COLLECTION ITEMS TERMINATED BY ‘,’;
OK
Time taken: 1.145 seconds
hive> load data local inpath ‘/home/hjl/sunwg/sunwg.txt’ overwrite into table sunwg;
Copying data from file:/home/hjl/sunwg/sunwg.txt
Loading data to table sunwg
OK
Time taken: 0.162 seconds
hive> select * from sunwg;
OK
[10,11] ["tom","mary"]
[20,21] ["kate","tim"]
Time taken: 0.069 seconds
hive>
> SELECT a, name
> FROM sunwg LATERAL VIEW explode(b) r1 AS name;
OK
[10,11] tom
[10,11] mary
[20,21] kate
[20,21] tim
Time taken: 8.497 seconds

hive> SELECT id, name
> FROM sunwg LATERAL VIEW explode(a) r1 AS id
> LATERAL VIEW explode(b) r2 AS name;
OK
10 tom
10 mary
11 tom
11 mary
20 kate
20 tim
21 kate
21 tim
Time taken: 9.687 seconds

3、parse_url_tuple

測(cè)試數(shù)據(jù)：

url1 http://facebook.com/path2/p.php?k1=v1&k2=v2#Ref1
url2 https://cwiki.apache.org/confluence/display/Hive/LanguageManual+UDF#LanguageManualUDF-getjsonobject
url3 https://www.google.com.hk/#hl=zh-CN&newwindow=1&safe=strict&q=hive+translate+example&oq=hive+translate+example&gs_l=serp.3...10174.11861.6.12051.8.8.0.0.0.0.132.883.0j7.7.0...0.0...1c.1j4.8.serp.0B9C1T_n0Hs&bav=on.2,or.&bvm=bv.44770516,d.aGc&fp=e13e41a6b9dab3f6&biw=1241&bih=589

create external table if not exists t_url(f1 string, f2 string) row format delimited fields TERMINATED BY ' ' location '/test/url';
SELECT f1, b.* FROM t_url LATERAL VIEW parse_url_tuple(f2, 'HOST', 'PATH', 'QUERY', 'QUERY:k1') b as host, path, query, query_id;

結(jié)果：

url1 facebook.com /path2/p.php k1=v1&k2=v2 v1
url2 cwiki.apache.org /confluence/display/Hive/LanguageManual+UDF NULL NULL
url3 www.google.com.hk / NULL NULL

4、explode

explode 是一個(gè) hive 內(nèi)置的表生成函數(shù)：Built-in Table-Generating Functions (UDTF)，主要是解決 1 to N 的問題，即它可以把一行輸入拆成多行，比如一個(gè) array 的每個(gè)元素拆成一行，作為一個(gè)虛表輸出。它有如下需要注意的地方：

Using the syntax "SELECT udtf(col) AS colAlias..." has a few limitations:
No other expressions are allowed in SELECT
SELECT pageid, explode(adid_list) AS myCol... is not supported
UDTF's can't be nested
SELECT explode(explode(adid_list)) AS myCol... is not supported
GROUP BY / CLUSTER BY / DISTRIBUTE BY / SORT BY is not supported
SELECT explode(adid_list) AS myCol ... GROUP BY myCol is not supported

從上面的原理與語法上可知，

• select 列中不能 udtf 和其它非 udtf 列混用，

• udtf 不能嵌套，

• 不支持 GROUP BY / CLUSTER BY / DISTRIBUTE BY / SORT BY

• 還有 select 中出現(xiàn)的 udtf 一定需要列別名，否則會(huì)報(bào)錯(cuò)：

SELECT explode(myCol) AS myNewCol FROM myTable;
SELECT explode(myMap) AS (myMapKey, myMapValue) FROM myMapTable;
SELECT posexplode(myCol) AS pos, myNewCol FROM myTable;

5、lateral view

lateral view 是Hive中提供給UDTF的conjunction，它可以解決UDTF不能添加額外的select列的問題。當(dāng)我們想對(duì)hive表中某一列進(jìn)行split之后，想對(duì)其轉(zhuǎn)換成1 to N的模式，即一行轉(zhuǎn)多列。hive不允許我們?cè)赨DTF函數(shù)之外，再添加其它select語句。

如下，我們想將登錄某個(gè)游戲的用戶id放在一個(gè)字段user_ids里，對(duì)每一行數(shù)據(jù)用UDTF后輸出多行。

select game_id, explode(split(user_ids,'\\[\\[\\[')) as user_id   from login_game_log  where dt='2014-05-15' ;
FAILED: Error in semantic analysis: UDTF's are not supported outside the SELECT clause, nor nested in expressions。

提示語法分析錯(cuò)誤，UDTF不支持函數(shù)之外的select 語句，如果我們想支持怎么辦呢？接下來就是Lateral View 登場(chǎng)的時(shí)候了。

Lateral view 其實(shí)就是用來和像類似explode這種UDTF函數(shù)聯(lián)用的。lateral view 會(huì)將UDTF生成的結(jié)果放到一個(gè)虛擬表中，然后這個(gè)虛擬表（1 to N）會(huì)和輸入行即每個(gè)game_id進(jìn)行join 來達(dá)到連接UDTF外的select字段的目的（源表和拆分的虛表按行做行內(nèi) 1 join N 的直接連接），這也是為什么 LATERAL VIEW udtf(expression) 后面需要表別名和列別名的原因。

Lateral View Syntax

lateralView: LATERAL VIEW udtf(expression) tableAlias AS columnAlias (',' columnAlias)*

fromClause: FROM baseTable (lateralView)*

可以看出，可以在2個(gè)地方用Lateral view：

• 在udtf前面用

• 在from baseTable后面用

例如：

pageid adid_list

front_page   [1, 2, 3]

contact_page [3, 4, 5]

SELECT pageid, adid
FROM pageAds LATERAL VIEW explode(adid_list) adTable AS adid;

pageid               adid

front_page         1

front_page         2

front_page         3

contact_page     3

contact_page     4

contact_page     5

From語句后可以跟多個(gè)Lateral View。

A FROM clause can have multiple LATERAL VIEW clauses. Subsequent LATERAL VIEWS can reference columns from any of the tables appearing to the left of the LATERAL VIEW.

給定數(shù)據(jù)：

Array<int> col1     Array<string> col2

[1, 2]                       [a", "b", "c"]

[3, 4]                       [d", "e", "f"]

轉(zhuǎn)換目標(biāo)：

想同時(shí)把第一列和第二列拆開，類似做笛卡爾乘積。

我們可以這樣寫：

SELECT myCol1, myCol2 FROM baseTable
LATERAL VIEW explode(col1) myTable1 AS myCol1
LATERAL VIEW explode(col2) myTable2 AS myCol2;

還有一種情況，如果UDTF轉(zhuǎn)換的Array是空的怎么辦呢？

在Hive0.12里面會(huì)支持outer關(guān)鍵字，如果UDTF的結(jié)果是空，默認(rèn)會(huì)被忽略輸出。

如果加上outer關(guān)鍵字，則會(huì)像left outer join 一樣，還是會(huì)輸出select出的列，而UDTF的輸出結(jié)果是NULL。

Lateral View通常和UDTF一起出現(xiàn)，為了解決UDTF不允許在select字段的問題。

Multiple Lateral View可以實(shí)現(xiàn)類似笛卡爾乘積。

Outer關(guān)鍵字可以把不輸出的UDTF的空結(jié)果，輸出成NULL，防止丟失數(shù)據(jù)。

上述內(nèi)容就是Hive中的復(fù)合數(shù)據(jù)結(jié)構(gòu)以及函數(shù)的用法說明是什么，你們學(xué)到知識(shí)或技能了嗎？如果還想學(xué)到更多技能或者豐富自己的知識(shí)儲(chǔ)備，歡迎關(guān)注億速云行業(yè)資訊頻道。