本文主要是介绍HiveSQL如何生成连续日期剖析,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!
HiveSQL如何生成连续日期剖析
情景假设:
有一结果表,表中有start_dt和end_dt两个字段,,想要根据开始和结束时间生成连续日期的多条数据,应该怎么做?直接上结果sql。(为了便于演示和测试这里通过SELECT '2024-03-01' AS start_dt,'2024-03-06' AS end_dt
模拟一个结果表数据)
SELECT t1.start_dt,t1.end_dt,t2.pos,date_add(t1.start_dt,t2.pos) AS conn_dt
FROM
(SELECT '2024-03-01' AS start_dt,'2024-03-06' AS end_dt
) t1 lateral view posexplode(split(repeat(',', DATEDIFF(end_dt, start_dt)), ',')) t2 AS pos, val;
+--------------+-------------+---------+-------------+
| t1.start_dt | t1.end_dt | t2.pos | conn_dt |
+--------------+-------------+---------+-------------+
| 2024-03-01 | 2024-03-06 | 0 | 2024-03-01 |
| 2024-03-01 | 2024-03-06 | 1 | 2024-03-02 |
| 2024-03-01 | 2024-03-06 | 2 | 2024-03-03 |
| 2024-03-01 | 2024-03-06 | 3 | 2024-03-04 |
| 2024-03-01 | 2024-03-06 | 4 | 2024-03-05 |
| 2024-03-01 | 2024-03-06 | 5 | 2024-03-06 |
+--------------+-------------+---------+-------------+
如果对涉及到的函数和语法不是特别了解,直接看到上述结果可能有点懵,接下来换个形式理解下,即如下sql
SELECT t1.start_dt,t1.end_dt,t2.pos,date_add(t1.start_dt,t2.pos) AS conn_dt
FROM
(SELECT '2024-03-01' AS start_dt,'2024-03-06' AS end_dt
) t1
CROSS JOIN
(SELECT posexplode(split(repeat(',',DATEDIFF('2024-03-06','2024-03-01')),',')) AS(pos,val)
) t2;
-- 执行结果同上
如上sql结构比较简单,即t1表和t2表进行笛卡尔集,t1是原始表只有1行数据,但是结果是6行数据,因此关键点是t2的结果。
t2本质上其实就是先生成一组从0开始编号的6行结果,笛卡尔积之后,从而将数据从原先的一行变成6行,然后再根据生成的序号,每一行数据使用开始日期+序号得到一个新日期。最终得到的结果中新日期是连续日期。
可以看出生成连续序号结果的关键语句是lateral view posexplode(split(repeat(',', DATEDIFF(end_dt, start_dt)), ',')) t2 AS pos, val
,这条语句包可以拆解为以下两部分
lateral view
,是hive支持的语法posexplode(split(repeat(',', DATEDIFF(end_dt, start_dt)), ','))
,是hive提供的函数。
先看下posexplode函数以及嵌套的内部函数都干了什么,对函数依次拆解执行,直接从结果来了解每个函数作用。
select datediff('2024-03-06','2024-03-01'); -- 5
select repeat(',',datediff('2024-03-06','2024-03-01')); -- ,,,,,
select split(repeat(',',datediff('2024-03-06','2024-03-01')),','); -- ["","","","","",""]select posexplode(split(repeat(',',datediff('2024-03-06','2024-03-01')),','));
+------+------+
| pos | val |
+------+------+
| 0 | |
| 1 | |
| 2 | |
| 3 | |
| 4 | |
| 5 | |
+------+------+
看到这里就明白posexlode函数及其嵌套函数干了什么,其他几个函数可能比较熟悉,不做过多介绍,在这里仅介绍下posexplode函数和lateral view语法。
在说明posexplode函数之前,有必要先学习下explode函数。从字面意思来看posexplode其实是pos+explode。
explode和posexplode是udtf函数。
1. explode 函数
explode函数有两种入参形式,分别支持数组和map。依次看下传入数组和map的处理结果。
格式:explode(ARRAY<T> a)
将数组分解为多行。返回一个包含单列 (col) 的行集,数组中的每个元素对应一行。
1.1. 数组作为入参
简而言之,对数组进行行转列,示例如下
select explode(array('a','b','c'));
+------+
| col |
+------+
| a |
| b |
| c |
+------+-- 通过as对生成的结果列命名
select explode(array('a','b','c')) as c1;
+-----+
| c1 |
+-----+
| a |
| b |
| c |
+-----+
1.2. map作为入参
格式:explode(MAP<Tkey,Tvalue> m)
将map分解为多行。返回具有两列(key,value)的行集,输入map中的每个键值对变成输出中的一行。从 Hive 0.8.0 开始。
在此插入根据字符串生成map的方法,方便explode方法进行测试。
格式:str_to_map(text[, delimiter1, delimiter2])
使用两个分隔符将文本拆分为键值对。Delimiter1 将文本分隔为 K-V 对,Delimiter2 拆分每个 K-V 对。
delimiter1的默认值为,
delimiter2的默认值为:
select str_to_map('a:1,b:2,c:3');
+----------------------------+
| _c0 |
+----------------------------+
| {"a":"1","b":"2","c":"3"} |
+----------------------------+
select explode(str_to_map('a:1,b:2,c:3'));
+------+--------+
| key | value |
+------+--------+
| a | 1 |
| b | 2 |
| c | 3 |
+------+--------+-- 通过as与对生成的结果列命名
select explode(str_to_map('a:1,b:2,c:3')) as (c1,c2);
+-----+-----+
| c1 | c2 |
+-----+-----+
| a | 1 |
| b | 2 |
| c | 3 |
+-----+-----+
因此explode函数的作用是将数组或map中的每一个元素作为结果中的一行,如果是map从将key和value分别作为结果中的两列值。
接下来再看posexlpode函数就很好理解了。
2. posexplode 函数
格式:posexplode(ARRAY<T> a)
将数组分解为多行,并附加 int 类型的位置列(原始数组中项的位置,从 0 开始)。返回一个包含两列 (pos,val) 的行集,数组中的每个元素对应一行。
简而言之,posexplode函数就是在explode函数的结果上增加一列序号值,序号从0开始,从函数名称可以看出posexplode函数就是pos+explode.
select posexplode(array('a','b','c'));
+------+------+
| pos | val |
+------+------+
| 0 | a |
| 1 | b |
| 2 | c |
+------+------+-- 同样可以通过as对结果进行命名
select posexplode(array('a','b','c')) as(index,value);
+--------+--------+
| index | value |
+--------+--------+
| 0 | a |
| 1 | b |
| 2 | c |
+--------+--------+
- posexplode函数仅支持数组作为入参。
- 单独使用posexplode函数时(区别于和lateral view一起使用)通过as对结果进行重命名时,必须带有括号,否则sql执行报错。
到此posexplode函数的作用已经搞清楚了,接下来学习下lateral view语法。
3. lateral view语法
语法格式如下
lateralView: LATERAL VIEW (OUTER) udtf(expression) tableAlias AS columnAlias (',' columnAlias)*
fromClause: FROM baseTable (lateralView)*
定义描述
简单说,lateral view是用来和udtf函数结合使用的,udtf函数为每个输入行生成零个或多个输出行,通过上面explode函数结果也可以说明这点。
lateral view将udtf应用于基表的每一行,然后将生成的输出行join到输入行上,以形成具有所提供表别名的虚拟表。
从 hive 0.12.0版本开始,可以省略列别名。默认使用udft函数返回的字段名。
详细示例参考官网文档。
根据描述再理解语法格式中每一部分的含义
现在重新来看开头的结果sql就比较清晰了,t1是basicTabel的别名,t2是udtf输出结果的虚拟表别名,as pos,val则是posexplode函数生成的两列结果的别名,然后在select中分别使用t1和t2来获取两个表的字段。又因为lateral view将基表的每一行都作为udtf函数的输入,因此可以在datediff函数中直接使用end_dt和start_dt列。
SELECT t1.start_dt,t1.end_dt,t2.pos,t2.val,date_add(t1.start_dt,t2.pos) AS conn_dt
FROM
(SELECT '2024-03-01' AS start_dt,'2024-03-06' AS end_dt
) t1 lateral view posexplode(split(repeat(',', DATEDIFF(end_dt, start_dt)), ',')) t2 AS pos, val;
3.1. outer 关键字
作用:当udft的结果不会生成任何行时,如果不使用outer关键字,则最终结果也不会生成任何行,可以这样理解,左表inner join右表(udtf结果),当右表是空表时,则最终结果也一定是空的,指定outer后inner join就会变成left join。示例如下
select posexplode(array());
+------+------+
| pos | val |
+------+------+
+------+------+SELECT t1.start_dt,t1.end_dt,t2.pos,t2.val,date_add(t1.start_dt,t2.pos) AS conn_dt
FROM
(SELECT '2024-03-01' AS start_dt,'2024-03-06' AS end_dt
) t1 lateral view posexplode(array()) t2 AS pos, val;
-- 由于posexplode函数的结果为空,最终结果为空。
+--------------+------------+---------+---------+----------+
| t1.start_dt | t1.end_dt | t2.pos | t2.val | conn_dt |
+--------------+------------+---------+---------+----------+
+--------------+------------+---------+---------+----------+SELECT t1.start_dt,t1.end_dt,t2.pos,t2.val,date_add(t1.start_dt,t2.pos) AS conn_dt
FROM
(SELECT '2024-03-01' AS start_dt,'2024-03-06' AS end_dt
) t1 lateral view outer posexplode(array()) t2 AS pos, val;
-- 使用outer关键字后,基表数据会输出,而右表字段为null
+--------------+-------------+---------+---------+----------+
| t1.start_dt | t1.end_dt | t2.pos | t2.val | conn_dt |
+--------------+-------------+---------+---------+----------+
| 2024-03-01 | 2024-03-06 | NULL | NULL | NULL |
+--------------+-------------+---------+---------+----------+
这篇关于HiveSQL如何生成连续日期剖析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!