Hive資料類型、 explode、自定義UDF
一、基本類型
![](https://img.laitimes.com/img/__Qf2AjLwojIjJCLyojI0JCLiAzNfRHLGZkRGZkRfJ3bs92YsYTMfVmepNHLxUlaOVTRE1ENNpHW4Z0MMBjVtJWd0ckW65UbM5WOHJWa5kHT20ESjBjUIF2X0hXZ0xCMx81dvRWYoNHLrdEZwZ1Rh5WNXp1bwNjW1ZUba9VZwlHdssmch1mclRXY39CXldWYtlWPzNXZj9mcw1ycz9WL49zZuBnL3cTMxMDMwcTM5ATMxgTMwIzLc52YucWbp5GZzNmLn9Gbi1yZtl2Lc9CX6MHc0RHaiojIsJye.png)
二、複雜類型
三、數組類型 array
案例一、
中繼資料:
100,200,300
200,300,500
建表語句:create external table ex(vals array) row format delimited fields terminated by ‘\t’ collection items terminated by ‘,’ location ‘/ex’;
查詢語句:
查詢每行數組的個數 select size(vals) from ex;
select vals[0] from ex;查詢的是第一行的資料。
注:hive 内置函數不具備查詢某個具體行的數組元素。需要自定義函數來實作
案例二、
中繼資料:
100,200,300 tom,jary
200,300,500 rose,jack
建表語句:create external table ex1(info1 array,info2 array) row format delimited fields terminated by ‘\t’ collection items terminated by ‘,’ location
‘/ex’;
四、map類型
案例一、
中繼資料:
tom,23
rose,25
jary,28
建表語句:
create external table m1 (vals map<string,int>) row format delimited fields terminated by ‘\t’ map keys terminated by ‘,’ location ‘/map’;
如果是map類型,列分隔符必須是\t
查詢語句:select vals[‘tom’] from ex;
五、struct 類型(對象類型)
中繼資料:
tom 23
rose 22
jary 26
建表語句:
create external table ex (vals structname:string,age:int)row format delimited collection items terminated by ‘,’ location ‘/m1’;
查詢語句:select vals.age from s1 where vals.name=‘tom’;
六、collect_set
collect_set 函數用于資料去重,并将結果形成數組傳回
七、 explode
explode 指令可以将行資料,按指定規則切分出多行
原資料:
100,200,300
200,300,500
建立表::create external table ex1 (num string) location ‘/ex’;
注:用explode做行切分,注意表裡隻有一列,并且行資料是string類型,因為隻有字元類型才能做切分。
通過explode指令來做行切分:執行:select explode(split(num,’,’)) from ex1;
八、UDF
如果hive的内置函數不夠用,我們也可以自己定義函數來使用,這樣的函數稱為hive的使用者自定義函數,簡稱UDF。
實作步驟:
1.建立java工程,導入hive相關包,導入hive相關的lib。
2.建立類繼承UDF
3.自己編寫一個evaluate方法,傳回值和參數任意
import org.apache.hadoop.hive.ql.exec.UDF;
public class ToUpper extends UDF{
public String evaluate(String str){
return str.toUpperCase();
}
}
4.為了能讓mapreduce處理,String要用Text處理。
5.将寫好的類打成jar包,上傳到linux中
6.在hive指令行下,向hive注冊UDF:add jar /xxxx/xxxx.jar
7.在hive指令行下,為目前udf起一個名字:create temporary function fname as ‘類的全路徑名’;
8.之後就可以在hql中使用該自定義函數了。