hive聚合函数

BIGINT

count(*)

count(expr)

count(DISTINCT expr[, expr_.])

count(*) – 返回检索到的行的总数，包括含有NULL值的行。count(expr) – 返回expr表达式不是NULL的行的数量count(DISTINCT expr[, expr]) – 返回expr是唯一的且非NULL的行的数量

DOUBLE

sum(col)

sum(DISTINCT col)

对组内某列求和（包含重复值）或者对组内某列求和（不包含重复值）

DOUBLE

avg(col),

avg(DISTINCT col)

对组内某列元素求平均值者（包含重复值或不包含重复值）

DOUBLE

min(col)

返回组内某列的最小值

DOUBLE

max(col)

返回组内某列的最大值

DOUBLE

variance(col),

var_pop(col)

返回组内某个数字列的方差

DOUBLE

var_samp(col)

返回组内某个数字列的无偏样本方差

DOUBLE

stddev_pop(col)

返回组内某个数字列的标准差

DOUBLE

stddev_samp(col)

返回组内某个数字列的无偏样本标准差

DOUBLE

covar_pop(col1, col2)

返回组内两个数字列的总体协方差

DOUBLE

covar_samp(col1, col2)

返回组内两个数字列的样本协方差

DOUBLE

corr(col1, col2)

返回组内两个数字列的皮尔逊相关系数

DOUBLE

percentile(BIGINT col, p)

返回组内某个列精确的第p位百分数，p必须在0和1之间

array<double>

percentile(BIGINT col, array(p₁ [, p₂]...))

返回组内某个列精确的第p1，p2，……位百分数，p必须在0和1之间

DOUBLE

percentile_approx(DOUBLE col, p [, B])

返回组内数字列近似的第p位百分数（包括浮点数），参数B控制近似的精确度，B值越大，近似度越高，默认值为10000。当列中非重复值的数量小于B时，返回精确的百分数

array<double>

percentile_approx(DOUBLE col, array(p₁ [, p₂]...) [, B])

同上，但接受并返回百分数数组

array<struct {‘x‘,‘y‘}>

histogram_numeric(col, b)

使用b个非均匀间隔的箱子计算组内数字列的柱状图（直方图），输出的数组大小为b，double类型的(x,y)表示直方图的中心和高度

array

collect_set(col)

返回消除了重复元素的数组

array

collect_list(col)

返回允许重复元素的数组

INTEGER

ntile(INTEGER x)

该函数将已经排序的分区分到x个桶中，并为每行分配一个桶号。这可以容易的计算三分位，四分位，十分位，百分位和其它通用的概要统计

N rows

explode(ARRAY)

参数列为数组类型，将数组数据中的每个元素做为一行返回

N rows

explode(MAP)

将输入map中的每个键值对转换为两列，一列为key，另一列为value，然后返回新行

inline(ARRAY<STRUCT[,STRUCT]>)

分解struct数组到表中

Array Type

explode(array<TYPE> a)

对于数组a中的每个元素，该函数产生包含该元素的行For

元组

json_tuple(jsonStr, k1, k2, ...)

参数为一组键k1，k2……和JSON字符串，返回值的元组。该方法比 get_json_object 高效，因为可以在一次调用中输入多个键

元组

parse_url_tuple(url, p1, p2, ...)

该方法同parse_url() 相似，但可以一次性提取URL的多个部分，有效的参数名称为： HOST, PATH, QUERY, REF, PROTOCOL, AUTHORITY, FILE, USERINFO, QUERY:<KEY>

N rows

posexplode(ARRAY)

行为与参数为数组的explode方法相似，但包含项在原始数组中的位置，返回(pos,value)的二元组

stack(INT n, v_1, v_2, ..., v_k)

将v_1, ..., v_k 分为n行，每行包含n/k列，n必须为常数