HiveSQL题——炸裂函数(explode/posexplode)

2024-02-01 07:20

本文主要是介绍HiveSQL题——炸裂函数(explode/posexplode),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

一、炸裂函数的知识点

1.1 炸裂函数

 explode 

posexplode

1.2 lateral view 侧写视图

二、实际案例

2.1 每个学生及其成绩

0 问题描述

1 数据准备

2 数据分析

3 小结

2.2 日期交叉问题

0 问题描述

1 数据准备

2 数据分析

3 小结

2.3 用户消费金额

0 问题描述

1 数据准备

2 数据分析

3 小结


一、炸裂函数的知识点

           炸裂函数(一行变多行)本质属于UDTF函数(接收一行数据,输出一行或者多行数据)。

1.1 炸裂函数

  •  explode 

 (1)explode(array<T> a) --> explode针对数组进行炸裂语法:lateral view explode(split(a,',')) tmp  as new_column返回值:string说明:按照分隔符切割字符串,并将数组中内容炸裂成多行字符串举例:select student_score from test lateral view explode(split(student_score,',')) tmp as item; 输出结果为:student_score        item[a,b,c]        =>     abc(2)explode(map<k,v> m) --> explode针对map键值对进行炸裂举例:select explode(map('a',1,'b',2,'c',3)) as (key,value); 输出结果为:得到                 key value{a:1,b:2,c:3} =>   a   1b   2c   3
  • posexplode

 (1)posexplode(array<T> a)  --> posexplode和explode之间的区别:posexplode除了返回数据,还会返回该值的下角标。语法:lateral view posexploed(split(a,',')) tmp as pos,item 返回值:string说明:按照分隔符切割字符串,并将数组中内容炸裂成多行字符串(炸裂具备下角标 0,1,2,3)举例1:select posexplode (array('a','b','c')) as pos,item; 输出结果为:pos  item[a,b,c] =>   0     a1     b2     c---------------------------------举例2:对student_name进行炸裂,同时也对student_score进行炸裂,且需要保证炸裂后,学生和成绩一一对应,不能错乱。lateral view posexplode(split(student_name,',')) tmp1 as student_name_index,student_namelateral view posexplode(split(student_score,',')) tmp2 as student_score_index,student_score;

1.2 lateral view 侧写视图

  • 定义:lateral view 通常与UDTF配合使用,lateral view 可以将UDTF应用到源表的每行数据, 将每行数据转换成一行或者多行,并将源表中每行的输出结果与该行连接起来,形成一个虚拟表
  • 举例:select id, name,  hobbies, hobby  from   person  lateral view explode(hobbies) tmp as hobby;  分析: 对源表person中的hobbies列 进行炸裂(一行变多行),新字段命名hobby, 利用侧视图lateral view 将源表person的每行与hobby连接起来,形成一个虚拟表,命名为tmp。

二、实际案例

2.1 每个学生及其成绩

0 问题描述

   根据学生成绩表,计算学生的成绩。

1 数据准备

create table if not exists table10
(class    string comment '班级名称',student string comment '学生名称',score   string comment '学生分数'
)comment '学生成绩表';
INSERT overwrite table table10
VALUES ("1班","小A,小B,小C","80,92,70"),("2班","小D,小E","88,62"),("3班","小F,小G,小H","90,97,85");

2 数据分析

-- 思路一:lateral view + explode
selectclass,student,score,student_name,student_score
from table10 lateral view explode(split(student, ',')) tmp1 as student_namelateral view explode(split(score, ',')) tmp2 as student_score;
-- bug:上面逻辑能跑通,但是学生姓名和学生成绩对应不上,出现错乱,弃用。

    正确的代码如下:

-- 思路二: lateral view + posexplode
selectclass,student,score,student_name,student_score
from table10 lateral view posexplode(split(student, ',')) tmp3 as student_index_st, student_namelateral view posexplode(split(score, ',')) tmp4 as student_index_sc, student_score
where student_index_st = student_index_sc;-- student_index_st = student_index_sc 的作用:下角标对齐,实现学生和成绩一一对应

3 小结

  上述案例的学生成绩表中,【学生姓名】字段和【学生成绩】都是数组类型的字符串,我们需要对两个字段分别炸裂后,实现每个学生与其成绩一一对应,因此需要借助posexlode函数的index下角标进行约束。(用explode函数无法实现)

2.2 日期交叉问题

0 问题描述

   统计每个品牌的总营销天数(营销日期有重叠的地方需要去重

1 数据准备

create table promotion_info
(promotion_id string comment '优惠活动id',brand        string comment '优惠品牌',start_date   string comment '优惠活动开始日期',end_date     string comment '优惠活动结束日期'
) comment '各品牌活动周期表';insert overwrite table promotion_info
values (1, 'oppo', '2021-06-05', '2021-06-09'),(2, 'oppo', '2021-06-11', '2021-06-21'),(3, 'vivo', '2021-06-05', '2021-06-15'),(4, 'vivo', '2021-06-09', '2021-06-21'),(5, 'redmi', '2021-06-05', '2021-06-21'),(6, 'redmi', '2021-06-09', '2021-06-15'),(7, 'redmi', '2021-06-17', '2021-06-26'),(8, 'huawei', '2021-06-05', '2021-06-26'),(9, 'huawei', '2021-06-09', '2021-06-15'),(10, 'huawei', '2021-06-17', '2021-06-21');

2 数据分析

--思路一:用带有下标的炸裂函数posexplode将活动区间炸裂成具体的每一天的日期
-- 即:将同一个品牌的所有活动日期都有列出来,再对重叠的日期进行统一去重select brand,count(distinct event_date)from
(selectpromotion_id,brand,start_date,-- 用 start_date + 下角标pos date_add(start_date,pos) as event_date,pos
from (selectpromotion_id,brand,start_date,end_date,split(space(datediff(end_date, start_date)), '') as arfrom promotion_info) tmp1lateral view posexplode(ar) tmp2 as pos, item
)tmp2
group by brand;

    思路一的代码拆解分析:

--以一条数据为例,promotion_id      brand       start_date       end_date1             'oppo'     '2021-06-05'    '2021-06-09'
(1)  split(space(datediff(end_date, start_date)), '') as diff 的结果:根据[9-5]=4,利用space函数生成长度是4的空格字符串,再利用split函数切割1 (promotion_id) , 'oppo'(brand) , '2021-06-05'(start_date) ,'2021-06-09'(end_date) ,  diff ["","","","",""](2)用posexplode经过转换增加行(列转行,炸裂),通过下角标pos来获取 event_date,根据数组["","","","",""],得到pos的取值是0,1,2,3,4炸裂得出下面五行数据(一行变五行)1,oppo,2021-06-05(start_date),2021-06-05= date_add(2021-06-05,0) (event_date= start_date+pos)1,oppo,2021-06-05(start_date),2021-06-06= date_add(2021-06-05,1) (event_date= start_date+pos)1,oppo,2021-06-05(start_date),2021-06-07 = date_add(2021-06-05,2) (event_date= start_date+pos)1,oppo,2021-06-05(start_date),2021-06-07 = date_add(2021-06-05,3) (event_date= start_date+pos)1,oppo,2021-06-05(start_date),2021-06-08 = date_add(2021-06-05,4) (event_date= start_date+pos)1,oppo,2021-06-05(start_date),2021-06-09 = date_add(2021-06-05,5) (event_date= start_date+pos)炸裂的目的:活动的优惠时间段[ '2021-06-05' ,  '2021-06-09' ] 拆分成具体的每一天event_date: '2021-06-05','2021-06-06','2021-06-07','2021-06-08','2021-06-09'
(3)根据品牌brand进行分组,求count(distinct event_date) ,从而得到每品牌的总营销天数(营销日期有重叠的地方已经去重了)

      思路二的代码逻辑如下:

-- 思路二:用带有下标的炸裂函数posexplode
select brand,count(distinct event_date)from
(selectpromotion_id,brand,start_date,date_add(start_date,pos) as event_date,pos
from (selectpromotion_id,brand,start_date,end_date,split(repeat(',',datediff(end_date, start_date)),',') as arfrom promotion_info) tmp1lateral view posexplode(ar) tmp2 as pos, item
)tmp2
group by brand;

     思路二的代码拆解分析:跟思路一的逻辑基本是一样的 ,区别仅在于:用函数        split(repeat(',',datediff(end_date, start_date)),',') as ar 去替换 split(space(datediff(end_date, start_date)), '') as ar

     思路三的代码逻辑如下:

-- 思路三:
selectbrand,--对品牌brand分组求sum的原因:同一个用户可能对应多段不交叉的活动sum(datediff(end_date, new_start_date) + 1) days 
from (selectbrand,new_start_date,end_datefrom (selectbrand,--判断逻辑:1.如果max_end_date是null(意味着当前行就是首行,不存在上一行了),直接取start_date--2.如果max_end_date不是null,进一步判断【当前行】的start_date与max_end_date的大小,如果start_date小,那用max_date+ 1的值作为【当前行】的新new_start_dateif(max_end_date is null, start_date,if(start_date > max_end_date, start_date, date_add(max_end_date, 1))) new_start_date,end_datefrom (selectbrand,start_date,end_date,-- 开窗范围:同一个品牌内部:上无边界到截止到上一行-- 开窗的计算逻辑:max(end_date)  --> 对【上无边界到截止到上一行】的最大结束时间end_date进行标记,再与当前行的起始时间start_date进行比对max(end_date)over (partition by brand order by start_date rows between unbounded preceding and 1 preceding) max_end_datefrom promotion_info) t1) t2-- 需要保证每行数据新的起始时间new_start_date 是比 结束时间end_date 小的where new_start_date < end_date) t3
group by brand;

     思路三:没有用到炸裂函数,关键思想是:当上一个活动的日期区间A 与 当前活动的日期区间B出现重叠(日期交叉,有重复数据)时,需要将区间B的起始时间改成区间A的结束时间。

3 小结

    上述代码中用到的函数有:

一、字符串函数1、空格字符串函数:space语法:space(int n)返回值:string说明:返回值是n的空格字符串举例:select length (space(10)) --> 10一般space函数和split函数结合使用:select split(space(3),'');  -->   ["","","",""]2、split函数(分割字符串)语法:split(string str,string pat)返回值:array说明:按照pat字符串分割str,会返回分割后的字符串数组举例:select split ('abcdf','c') from test; -> ["ab","df"]3、repeat:重复字符串语法:repeat(string A, int n)返回值:string说明:将字符串A重复n遍。举例:select repeat('123', 3); -> 123123123一般repeat函数和split函数结合使用:select split(repeat(',',4),',');  -->  ["","","","",""]二、炸裂函数explode 语法:lateral view explode(split(a,',')) tmp  as new_column返回值:string说明:按照分隔符切割字符串,并将数组中内容炸裂成多行字符串举例:select student_score from test lateral view explode(split(student_score,',')) 
tmp as student_scoreposexplode语法:lateral view posexploed(split(a,',')) tmp as pos,item 返回值:string说明:按照分隔符切割字符串,并将数组中内容炸裂成多行字符串(炸裂具备瞎下角标 0,1,2,3)举例:select student_name, student_score from testlateral view posexplode(split(student_name,',')) tmp1 as student_name_index,student_namelateral view posexplode(split(student_score,',')) tmp2 as student_score_index,student_scorewhere student_score_index = student_name_index

2.3 用户消费金额

0 问题描述

  变更需求:table11表的第1,4列不表,第2列需要变更为连续日期,第3列需要变更成当日累积消费额

1 数据准备

create table if not exists table11
(user_id  string comment '用户标识',dt       string comment '消费日期',price    string comment '消费金额',qs       int comment '用户应存期数'
)comment '用户消费详情表';
INSERT overwrite table table11
VALUES ("A","2018-12-21","9439.30",12),("A","2019-03-21","9439.30",12),("A","2019-06-21","9439.30",12),("A","2019-09-21","9439.30",12),("B","2018-12-02","9439.30",10),("B","2019-02-02","9439.30",10),("B","2019-06-02","9439.30",10);

2 数据分析

-- 思路一:利用posexplode的下角标pos进行炸裂,消费区间生成对应的每天的消费日期
selecttmp3.user_id,tmp3.event_dt,-- sum() over(partition by .. order by .. ) 窗口计算的范围是:上无边界到当前行,求消费金额的累积值cast(sum(tmp4.price) over (partition by tmp3.user_id order by tmp3.event_dt) as decimal(18, 2)) as price,tmp3.max_qs
from (selectuser_id,add_months(min_dt, pos) as event_dt,max_qs,posfrom (selectuser_id,min(dt ) as min_dt,max(price) max_price,max(qs)    max_qsfrom table11group by user_id) tmp1 lateral view posexplode(split(space(max_qs), '')) tmp2 as pos, item) tmp3left join (selectuser_id,ds,pricefrom table11) tmp4on tmp3.user_id = tmp4.user_id and tmp3.new_ds = tmp4.ds;

3 小结

   利用posexplode的下角标pos进行填补连续。利用sum(price)over(partition by ..order by)进行消费金额的累积值统计(截止到当日)

(1)lateral view posexplode(split(space(max_qs), '')) tmp2 as pos, item;-->对字段 期数ds进行posexplode炸裂,一行变多行,且生成对应的下角标pos

(2)add_months(min_ds, pos) as new_ds; --> 基于min_dt + pos对消费日期 进行填补,组成连续的消费日期区间。

 待补充:炸裂的弊端是可能会发生数据膨胀,当数据集小的时候,用炸裂方便,当时数据集大时,需慎用。

这篇关于HiveSQL题——炸裂函数(explode/posexplode)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/666503

相关文章

shell编程之函数与数组的使用详解

《shell编程之函数与数组的使用详解》:本文主要介绍shell编程之函数与数组的使用,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录shell函数函数的用法俩个数求和系统资源监控并报警函数函数变量的作用范围函数的参数递归函数shell数组获取数组的长度读取某下的

MySQL高级查询之JOIN、子查询、窗口函数实际案例

《MySQL高级查询之JOIN、子查询、窗口函数实际案例》:本文主要介绍MySQL高级查询之JOIN、子查询、窗口函数实际案例的相关资料,JOIN用于多表关联查询,子查询用于数据筛选和过滤,窗口函... 目录前言1. JOIN(连接查询)1.1 内连接(INNER JOIN)1.2 左连接(LEFT JOI

MySQL中FIND_IN_SET函数与INSTR函数用法解析

《MySQL中FIND_IN_SET函数与INSTR函数用法解析》:本文主要介绍MySQL中FIND_IN_SET函数与INSTR函数用法解析,本文通过实例代码给大家介绍的非常详细,感兴趣的朋友一... 目录一、功能定义与语法1、FIND_IN_SET函数2、INSTR函数二、本质区别对比三、实际场景案例分

C++ Sort函数使用场景分析

《C++Sort函数使用场景分析》sort函数是algorithm库下的一个函数,sort函数是不稳定的,即大小相同的元素在排序后相对顺序可能发生改变,如果某些场景需要保持相同元素间的相对顺序,可使... 目录C++ Sort函数详解一、sort函数调用的两种方式二、sort函数使用场景三、sort函数排序

C语言函数递归实际应用举例详解

《C语言函数递归实际应用举例详解》程序调用自身的编程技巧称为递归,递归做为一种算法在程序设计语言中广泛应用,:本文主要介绍C语言函数递归实际应用举例的相关资料,文中通过代码介绍的非常详细,需要的朋... 目录前言一、递归的概念与思想二、递归的限制条件 三、递归的实际应用举例(一)求 n 的阶乘(二)顺序打印

C/C++错误信息处理的常见方法及函数

《C/C++错误信息处理的常见方法及函数》C/C++是两种广泛使用的编程语言,特别是在系统编程、嵌入式开发以及高性能计算领域,:本文主要介绍C/C++错误信息处理的常见方法及函数,文中通过代码介绍... 目录前言1. errno 和 perror()示例:2. strerror()示例:3. perror(

Kotlin 作用域函数apply、let、run、with、also使用指南

《Kotlin作用域函数apply、let、run、with、also使用指南》在Kotlin开发中,作用域函数(ScopeFunctions)是一组能让代码更简洁、更函数式的高阶函数,本文将... 目录一、引言:为什么需要作用域函数?二、作用域函China编程数详解1. apply:对象配置的 “流式构建器”最

Android Kotlin 高阶函数详解及其在协程中的应用小结

《AndroidKotlin高阶函数详解及其在协程中的应用小结》高阶函数是Kotlin中的一个重要特性,它能够将函数作为一等公民(First-ClassCitizen),使得代码更加简洁、灵活和可... 目录1. 引言2. 什么是高阶函数?3. 高阶函数的基础用法3.1 传递函数作为参数3.2 Lambda

C++中::SHCreateDirectoryEx函数使用方法

《C++中::SHCreateDirectoryEx函数使用方法》::SHCreateDirectoryEx用于创建多级目录,类似于mkdir-p命令,本文主要介绍了C++中::SHCreateDir... 目录1. 函数原型与依赖项2. 基本使用示例示例 1:创建单层目录示例 2:创建多级目录3. 关键注

C++中函数模板与类模板的简单使用及区别介绍

《C++中函数模板与类模板的简单使用及区别介绍》这篇文章介绍了C++中的模板机制,包括函数模板和类模板的概念、语法和实际应用,函数模板通过类型参数实现泛型操作,而类模板允许创建可处理多种数据类型的类,... 目录一、函数模板定义语法真实示例二、类模板三、关键区别四、注意事项 ‌在C++中,模板是实现泛型编程