现在虽然有很多SQL ON Hadoop的解决方案，像Spark SQL、Impala、Presto等等，但就目前来看，在基于Hadoop的大数据分析平台、数据仓库中，Hive仍然是不可替代的角色。尽管它的相应延迟大，尽管它启动MapReduce的时间相当

lateral view用于和split、explode等UDTF一起使用的，能将一行数据拆分成多行数据，在此基础上可以对拆分的数据进行聚合，lateral view首先为原始表的每行调用UDTF，UDTF会把一行拆分成一行或者多行，lateral vie

reflect函数可以支持在sql中调用java中的自带函数，秒杀一切udf函数。create table test_udf row format delimited fields terminated by ‘,‘;hive > create ta

语法: datediff返回值: int说明: 返回结束日期减去开始日期的天数。

int start, int len)返回值: string说明：返回字符串A从start位置开始，长度为len的字符串。注意，在有些情况下要使用转义字符,类似oracle中的regexp_replace函数。index)返回值: string说明：将字符

from_unixtime //实际写出来不需要带string,只是表明格式。else "40岁以上" end as age_type,--字段： extra2: {"systemtype":"ios&qu

1）查看系统自带的函数 hive> show functions;2）显示自带的函数的用法 hive> desc function upper;UDAF 聚集函数，多进一出。需要实现 evaluate 函数；evaluate 函数支持重载；b）

select date_format; --日期字符串必须满足yyyy-MM-dd格式。select next_date; --得到2020-01-01往后的第一个周五。6）unix_timestamp 5,6在一起用，常用来把非yyyy-MM-dd的

hive> select case when 1=1 then ‘tom‘ when 2=2 then ‘mary‘ else ‘tim‘ end from lxw_dual;

Hive是一个可以将SQL翻译为MR程序的工具，支持用户将HDFS上的文件映射为表结构，然后用户就可以输入SQL对这些表进行查询分析。Hive将用户定义的库、表结构等信息存储hive的元数据库中。Hive-on-MR is deprecated in Hi

=, <, >, IS NULL, ...+, -, *, /, ...AND, OR, IN, ...UDFhive内置的udf函数：**math: round, floor, ceil, exp, log, ...date: to_date

字符串A与B通过java进行匹配，如果相符返回TRUE，不符返回FALSE。结果的与操作数值有共同类型。需要说明的是，如果乘法造成溢出，将选择更高的类型。A & B所有数字类型运算符查看两个参数的二进制表示法的值，并执行按位”与”操作。两个表达式的

语法: concat(string A, string B…

hive 0.7版本以后新增了两个函数，比原来的函数更能提高运行效率。json_tuple - like get_json_object, but it takes multiple names and return a tuple. All the in

public final class LowerCase extends UDF { public Text evaluate { if { return null; } return new Text; }}

如何在HIVE中使用自己定义的函数，可以有几种方式：1.在HIVE会话中add 自定义函数的jar文件，然后创建function，继而使用函数2.在进入HIVE会话之前先自动执行创建function，不用用户手工创建3.把自定义的函数写到系统函数中，使之成

首先我们要知道hive到底是做什么的。下面这几段文字很好的描述了hive的特性：　。　1.hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供完整的sql查询功能，可以将sql语句转换为MapReduce任务进行运