Oracle/Hive/Impala SQL比较1

5 Function

     指数据库内置的function，不讨论UDF。另外，操作符都不比较了，区别不大。

 

5.1 数学函数

功能	Oracle	Hive	Impala
ABS	绝对值，有	有	有
SIN/SINH/ASIN/COS/COSH/ACOS/TAN/TANH/ATAN/ATAN2	三角函数 其中ATAN2接受两个参数（二维平面中的坐标）	没有SINH/COSH/TANH/ATAN2	同hive
BITAND	按位与，有
CEIL	天花板值，有	有，还有个别名CEILING	有，同hive
EXP	e的多少次，有	有，还有个函数E()返回e	有，同hive
FLOOR	地板值，有	有	有
LN	以e为底的log，有	有	有
LOG	以某个double为底的log，有	有，还有两个特殊底的log：LOG2和LOG10	有，同hive
MOD	Oracle的MOD的计算方式为MOD(n2,n1)=n2 - n1 * FLOOR(n2/n1)，这与经典取模还不同，比如Oracle的MOD(-11,4)=-3，但经典取模等于1	在hive里取模用PMOD，返回值一定是个正数，比如PMOD(-11,4)=1。但这与经典取模还是不同，比如PMOD(-11,-4)=1，但经典取模等于-3	Impala的PMOD和hive的PMOD相同，另外Impala还有个FMOD和Oracle的MOD相同
POWER	求幂，有	有，还有个别名POW	有，同hive
REMAINDER	取余，REMAINDER(n2,n1)=n2 - n1 * FLOOR(n2/n1)
ROUND	舍入，支持1个参数和2个参数两种版本	有 另外还有一个BROUND，使用HALF_EVEN舍入模式，见官方手册	有，同Oracle
SIGN	符号函数，有	有	有
SQRT	开方，有	有	有
TRUNC	截取数值的小数点后多少位（如果是负值则往前推）
DEGREES/RADIANS		角度/弧度互转	同hive
POSITIVE/NEGATIVE		相当于在数值前加+/-号（因此没什么卵用）	同hive
PI		返回pi值	同hive
FACTORIAL		阶乘，1.2.0以后才有
CBRT		求立方根，1.2.0以后才有
SHIFTLEFT/SHIFTRIGHT/SHIFTRIGHTUNSIGNED		按位左移/右移/无符号右移
GREATEST/LEAST	返回一串值中的最大/最小值，这串值的类型可以是任意，只要可比较大小（所以其实不是数学函数而是通用比较）	有，1.1.0以后	有

 

5.2 字符（串）函数

功能	Oracle	Hive	Impala
ASCII	输入必须char，返回该字符的ascii数值	输入String，返回该String第一个字符的ascii数值	同hive
BASE64 / UNBASE64		将二进制值转为base64的String（UN则是反向）
CONCAT	CONCAT(char1, char2) char或char2均可为CHAR,VARCHAR2,NCHAR,NVARCHAR2,CLOB, or NCLOB之一	concat(string|binary A, string|binary B...) 可以有多个参数 另外提供CONCAT_WS用于指定特殊分隔符的连接	同hive（除了不支持binary类型），且也有CONCAT_WS
DECODE/ENCODE		string decode(binary bin, string charset)  binary encode(string src, string charset) 编码和解码用的，用于支持hive特有的binary类型	（其实oracle和impala也有DECODE，但作用完全不同，见条件函数中的DECODE）
FIND_IN_SET		find_in_set(string str, string strList) strList是用’,’分割的一组string，该函数将寻找strList中第一个精确匹配的str	同hive
FORMAT_NUMBER		将数字格式化为string
GET_JSON_OBJECT		抽取JSON对象，不常用
IN_FILE		in_file(string str, string filename) 检测str是否为filename对应文件中的某行，不常用
INITCAP	将每个单词（以空白分隔）转换为首字母大写其余小写的形式	同oracle，1.1.0开始有	同oracle
INSTR	{ INSTR | INSTRB | INSTRC | INSTR2 | INSTR4 } (string , substring [, position [, occurrence ] ]) 搜索子串，不同数据类型调用名不同，最多可带四个参数，其中第三个是开始位置，第四个是出现的第几次	instr(string str, string substr) 只接受两个参数	同hive
LENGTH	{ LENGTH | LENGTHB | LENGTHC | LENGTH2 | LENGTH4 } (char) 串长，不同数据类型调用名不同	有（仅LENGTH）	同hive
LEVENSHTEIN		返回两个串的Levenshtein距离（编辑距离）1.2.0后才有
LOCATE		特殊情况的INSTR，可以指定匹配的开始位置。Oracle因为本来INSTR就支持所以并不需要该函数	同hive
LOWER	转小写	有，且有一个别名叫LCASE	同hive
LPAD / RPAD	LPAD(expr1, n [, expr2 ]) 在expr1之前用expr2填充n个字符，如expr2省略默认用n个单空格填充。RPAD类似只是在右边	有，但expr2不能省略	同hive
LTRIM / RTRIM	LTRIM(char [, set ]) 去掉char左侧包含在set中的字符，如省略set，则只去除空格符。RTRIM类似只是在右边	有，但没有set参数，即只能去除空格符	同hive
PARSE_URL		抽取URL，可以指定抽取URL的类型和建名	同hive
PRINTF		按格式打印对象数组
REGEXP_EXTRACT / REGEXP_SUBSTR	REGEXP_SUBSTR(source_char, pattern  [, position   [, occurrence    [, match_param     [, subexpr ]  ]  ]  ]  ) 按正则表达式抽取字符串，并返回其中一部分。注意Oracle和hive/impala中函数名不同	regexp_extract(string subject, string pattern, int index) 类似Oracle，但不能指定起始位置，替换序号和匹配参数	同hive
REGEXP_REPLACE	REGEXP_REPLACE(source_char, pattern  [, replace_string    [, position     [, occurrence      [, match_param ]  ] ] ] ) 按正则表达式替换字符串中的一部分	regexp_replace(string INITIAL_STRING, string PATTERN, string REPLACEMENT) 类似Oracle，但不能指定起始位置，替换序号和匹配参数	同hive
REGEXP_COUNT	REGEXP_COUNT (source_char, pattern [, position [, match_param]]) 按正则表达式对字符串中子串的出现次数计数
REGEXP_INSTR	REGEXP_INSTR (source_char, pattern  [, position   [, occurrence    [, return_opt     [, match_param      [, subexpr]   ] ] ] ] ) 在字符串中查找满足正则表达式的子串第一次出现的位置
REPEAT		重复n次	同hive
REPLACE	简单替换文本
REVERSE		返回逆串	同hive
SENTENCES		简单的分词功能，很奇怪hive为何提供这样的功能
SOUNDEX	取英文中的“谐音”，可能是用于存在脏数据时的匹配吧，诡异的功能	有，1.2.0以后
SPACE		返回n个空格	同hive
SPLIT		使用正则表达式分割字符串
STR_TO_MAP		将字符串转为键值对
STRLEFT / STRRIGHT			返回最左/最右的n个字符，是SUBSTR的简化版
SUBSTR / SUBSTRING	{ SUBSTR | SUBSTRB | SUBSTRC | SUBSTR2 | SUBSTR4 } (char, position [, substring_length ]) 不同数据类型调用名不同	类似Oracle，只有SUBSTR和其别名SUBSTRING	同hive
SUBSTRING_INDEX		substring_index(string A, string delim, int count) 返回A在delim出现第count次前的部分，1.3.0后才有
TRANSLATE	TRANSLATE(expr, from_string, to_string) 将expr，按from_string中出现的每个字符替换为to_string中对应序号的字符 Oracle还有种TRANSLATE...USING语法是其他两个没有的	同oracle	同oracle
TRIM	TRIM([ { { LEADING | TRAILING | BOTH }  [ trim_character ]        | trim_character}  FROM   ] trim_source) 比较灵活，可指定去除前端还是后端，去除什么字符。如果只留trim_source一个参数则等同于后两者	trim(string A) 简单去除A前后的空白	同hive
UPPER	转大写	有，且有一个别名LCASE	同hive

 

5.3 日期函数

功能	Oracle	Hive	Impala
ADD_MONTHS	在某日期上加上n个月	有，1.1.0以后	有
CURRENT_DATE	返回当前时间（和session的时区相关），精确到秒	返回当前时间（sql评估时的时间，同一个查询中多次调用该函数值相同），1.2.0以后
CURRENT_TIMESTAMP	返回当前时间（和session的时区相关），精确到毫秒，返回类型为TIMESTAMP WITH TIME ZONE	返回当前时间（sql评估时的时间，同一个查询中多次调用该函数值相同，精确到毫秒），1.2.0以后	有，另有一个别名NOW
DATE_ADD / DATE_SUB		在某日期上加/减n天	同hive，可接收timestamp或string类型。 只接收timestamp类型的该函数有两套，称为DAYS_ADD/DAYS_SUB，ADDDATE/SUBDATE（真不懂impala搞这么多名字雷同的东西干啥）
DATE_FORMAT		用格式字符串格式化日期（可为date/timestamp/string）
DATE_PART			省略order参数的EXTRACT
DATEDIFF		求两个日期间差的天数	同hive
DAY / DAYOFMONTH		返回该日期在月内的日数，两个函数同义	同hive
DAYNAME			返回周间的名字，即’Sunday’到’Saturday'
DAYOFWEEK			返回周间的序号，1(Sunday)到7(Saturday)
DAYOFYEAR			返回是本年第几天
DBTIMEZONE	数据库当前时区
EXTRACT	EXTRACT( { YEAR          | MONTH          | DAY          | HOUR          | MINUTE          | SECOND          | TIMEZONE_HOUR          | TIMEZONE_MINUTE          | TIMEZONE_REGION          | TIMEZONE_ABBR          }          FROM { expr } ) 按参数提取日期中的某部分		extract(timestamp, string unit) extract(unit FROM timestamp) 比Oracle多一种格式
FROM_TZ	将时间戳和时区合并为带时区的时间戳
FROM_UNIXTIME		将unix纪元以来的秒数转化为时间字符串	同hive
FROM_UTC_TIMESTAMP		将UTC的时间戳值转化为指定时区的时间戳值	同hive
HOUR		返回时间字符串的小时值	同hive
HOURS_ADD / HOURS_SUB			在某日期上加/减n个小时
LAST_DAY	返回该日期所在月份的最后一天	同Oracle，1.1.0以后
LOCALTIMESTAMP	返回当前时间（和session的时区相关），精确到毫秒，返回类型为TIMESTAMP
MICROSECONDS_ADD / MICROSECONDS_SUB			在某日期上加/减n微秒
MILLISECONDS_ADD / MILLISECONDS_SUB			在某日期上加/减n毫秒
MINUTE		返回时间字符串的分钟值
MINUTES_ADD / MINUTES_SUB			在某日期上加/减n分钟
MONTH		返回时间字符串的月份	同hive
MONTHS_ADD / MONTHS_SUB			在某日期上加/减n个月（其实第一个和ADD_MONTHS重复）
MONTHS_BETWEEN	返回两个日期间相差的月数，注意返回值是个浮点数	同Oracle，1.2.0后
NANOSECONDS_ADD / NANOSECONDS_SUB			在某日期上加/减n纳秒（impala搞这么多没用的加减函数真不知道干什么）
NEW_TIME	将时区1的时间转换为时区2的时间
NEXT_DAY	返回指定日期后下一个星期几的日期	同Oracle，1.2.0后
NUMTODSINTERVAL /  NUMTOYMINTERVAL	生成n时间单位的一个日期间隔。前一函数的间隔可选DAY,HOUR,MINUTE,SECOND，后一个的间隔可选MONTH,YEAR
QUATER		返回日期的季度值（1-4），1.3.0后
ROUND	对日期做舍入
SECOND		返回时间字符串的秒值	同hive
SECOND_ADD / SECOND_SUB			在某日期上加/减n秒
SESSIONTIMEZONE	返回session的时区
SYS_EXTRACT_UTC	从日期字符串中抽取UTC日期
SYSDATE / SYSTIMESTAMP	返回操作系统日期，前者到秒，后者到微秒
TO_CHAR	将date或timestamp类型转换为varchar2，常用
TO_DATE		返回时间戳的日期部分	同hive
TO_DSINTERVAL / TO_YMINTERVAL	将一个字符串转换为INTERVAL DAY TO SECOND / INTERVAL YEAR TO MONTH类型的时间间隔
TO_TIMESTAMP / TO_TIMESTAMP_TZ	将一个字符串转换为时间戳，前一个不带时区，后一个带时区
TO_UTC_TIMESTAMP		将带时区的时间戳转换为UTC的	同hive
TRUNC	对日期做舍，语法类似ROUND，支持舍入到年、季度、月、周、日、小时、分钟等精度	1.2.0后有，只支持舍入到年、月	同oracle
TZ_OFFSET	返回某个时区和UTC间的偏差值
UNIX_TIMESTAMP		返回秒为单位的时间戳数值，无参数时为当前时间，一个参数时需要传入yyyy-MM-dd HH:mm:ss格式的时间字符串，两个参数时可以自定义传入时间格式	同hive
WEEKOFYEAR		返回该日期所在的周是年中第几周
WEEKS_ADD / WEEKS_SUB			在某日期上加/减n周
YEAR		返回该日期的年份	同hive
YEARS_ADD / YEARS_SUB			在某日期上加/减n年

 

5.4 转换函数

功能	Oracle	Hive	Impala
CAST	CAST({ expr | MULTISET (subquery) } AS type_name) 输入可以是表达式也可以是集合	cast(expr as <type>) 将表达式转换为指定类型	同hive
BINARY		将参数转换为binary类型
其余各种*TO* / TO_*	都是Oracle特有的转换函数，建议看官方手册

 

5.5 条件函数

功能	Oracle	Hive	Impala
CASE … WHEN		1，CASE a WHEN b THEN c [WHEN d THEN e]* [ELSE f] END When a = b, returns c; when a = d, returns e; else returns f.   2，CASE WHEN a THEN b [WHEN c THEN d]* [ELSE e] END When a = true, returns b; when c = true, returns d; else returns e.	同hive （注：因为在Oracle中如case...when是表达式，而hive和impala中这些是用函数来处理的，虽然提供了与Oracle相似的语法，但语言层面实现机制不同）
COALESCE	接收多个值，返回这些值中第一个非NULL的，如果全是NULL则返回NULL	同oracle	同oracle
DECODE	DECODE(expr, search, result [, search, result ]...  [, default ]) 对expr，如果满足第一个search则返回第一个result，如果满足第二个search则返回第二个result		同oracle
IF		if(boolean testCondition, T valueTrue, T valueFalseOrNull) testCondition如果真则返回valueTrue，如果假或NULL则返回valueFalseOrNull	同hive
ISNULL		isnull(a) 如果a为NULL返回true，否则返回false	isnull(type a, type ifNotNull) 如果a非NULL则返回a，否则返回ifNotNull。 注意和hive有重大区别，另该函数有别名IFNULL和NVL
ISNOTNULL		和ISNULL相反
LNNVL	LNNVL(condition) 如果condition为false或unknown返回true，如果为true返回false
NANVL	NANVL(n2, n1) 如果n2是NaN返回n1，否则返回n2
NULLIF	NULLIF(expr1, expr2) 等价与CASE WHEN expr1 = expr2 THEN NULL ELSE expr1 END		同oracle
NULLIFZERO			nullifzero(numeric_expr) 如果numeric_expr为0返回NULL，否则返回该表达式的值
NVL	NVL(expr1, expr2) 如果expr1为NULL则返回expr2，否则返回expr1	同oracle	同oracle
NVL2	NVL2(expr1, expr2, expr3) 如果expr1非NULL则返回expr2，如果为NULL则返回expr3
ZEROIFNULL			zeroifnull(numeric_expr) 如果numeric_expr为NULL返回0，否则返回该表达式的值

 

5.6 聚合函数

     以上5类函数都是对单行操作的，接下去的两类：聚合函数和分析函数，则是跨行操作的。

功能	Oracle	Hive	Impala
APPX_MEDIAN			APPX_MEDIAN([DISTINCT | ALL] expression) 以抽样的方式，计算某列大致的中位数值
AVG	AVG([ DISTINCT | ALL ] expr) [ OVER(analytic_clause) ] OVER后可带分析函数子句	同oracle	同oracle
COLLECT	COLLECT( [ DISTINCT | UNIQUE ] column [ ORDER BY expr ] ) 该语句汇聚某列的值构造一张内嵌表
COLLECT_SET / COLLECT_LIST		将一组对象组成一个array，其中带SET的函数会去重，带LIST的函数不去重
CORR	CORR(expr1, expr2) [ OVER (analytic_clause) ] 计算两列的皮尔逊相关系数，OVER后可带分析函数子句 还有两个变种CORR_S和CORR_K	没有OVER子句，也没有变种
COUNT	COUNT({ * | [ DISTINCT | ALL ] expr }) [ OVER (analytic_clause) ] OVER后可带分析函数子句	同oracle	同oracle
COVAR_POP	COVAR_POP(expr1, expr2)    [ OVER (analytic_clause) ] 计算总体协方差，OVER后可带分析函数子句	没有OVER子句
COVAR_SAMP	COVAR_SAMP(expr1, expr2) [ OVER (analytic_clause) ] 计算样本协方差，OVER后可带分析函数子句	没有OVER子句
CUME_DIST	计算一组数据的累积分布，有聚合和分析两种用法，详见官方手册
DENSE_RANK	DENSE_RANK(expr [, expr ]...) WITHIN GROUP   (ORDER BY expr [ DESC | ASC ]                  [ NULLS { FIRST | LAST } ]             [,expr [ DESC | ASC ]                    [ NULLS { FIRST | LAST } ]             ]...   ) 和RANK的区别是，有并列值时下一位会继续编号，如两个值并列第1，下一个值排第2
FIRST / LAST	某数据集进行排序后，可对第一条/最后一条记录进行处理，详见官方手册
GROUP_ID	用于消除GROUP BY子句返回的重复记录
GROUPING	用于区分是数据库中本来的值还是汇聚后的值
GROUPING_ID	输入一列或多列，返回GROUPING位向量的十进制值
GROUP_CONCAT			将一列的值组合为一个string
HISTOGRAM_NUMERIC		计算数值列的直方图
LISTAGG	将一列的值组合为一个string，可指定分组、排序等参数
MAX / MIN	MAX([ DISTINCT | ALL ] expr) [ OVER (analytic_clause) ] OVER后可带分析函数子句	同oracle	同oracle
MEDIAN	MEDIAN(expr) [ OVER (query_partition_clause) ] 中位数，OVER后可带分析函数子句
NDV			类似count(distinct )，但给出的是估算值，计算速度快
NTILE		将分区分到x个组上，每个给一个编号，配合PERCENTILE等使用
PERCENT_RANK	类似CUME_DIST，计算一组数的百分位分布，有聚合和分析两种用法，详见官方手册
PERCENTILE_COUNT / PERCENTILE_DIST	接受一个分位值，返回满足该分位值的插值后数值/集合中原始值，详见官方手册
PERCENTILE		只接受整型，计算p百分位数的值
PERCENTILE_APPROX		接受double型，计算p百分位数的值
RANK	RANK(expr [, expr ]...) WITHIN GROUP    (ORDER BY     expr [ DESC | ASC ]          [ NULLS { FIRST | LAST } ]     [, expr [ DESC | ASC ]             [ NULLS { FIRST | LAST } ]     ]...    ) 计算排位值，有聚合和分析两种用法，这里的语法是聚合，重要，详见官方手册
REGR_*	一堆线性回归函数，不重要
STAT_*	一堆统计函数，不重要
STDDEV / STDDEV_POP / STDDEV_SAMP	计算样本标准差、总体标准差、累积样本标准差，OVER后可带分析函数子句	没有STDEV函数，没有OVER子句	没有OVER子句
SUM	SUM([ DISTINCT | ALL ] expr)    [ OVER (analytic_clause) ] OVER后可带分析函数子句	同oracle	同oracle
SYS_XMLAGG / XMLAGG	将一列的值组合为一个xml，其中SYS_XMLAGG课指定xml格式，XMLAGG可指定值排序方式
VAR_POP / VAR_SAMP / VARIANCE	计算样本方差、总体方差、累积样本方差，OVER后可带分析函数子句	没有OVER子句，且VAR_POP和VARIANCE功能一样	同oracle 其中VAR_POP / VAR_SAMP也可写为VARIANCE_POP /VARIANCE_SAMP

 

5.7 分析（开窗）函数

分析（开窗）函数中，有一部分是和聚合函数同名的，只要可以带OVER子句的都可作为分析（开窗）函数使用，这部分不再重复列举。

此外在列举函数前，需要对比一下三者的OVER子句和window子句的不同写法（主要差别就在于window子句）：

OVER子句：

Oracle：[ query_partition_clause ] [order_by_clause [ windowing_clause ] ]

Hive：没找到细节定义，目测和oracle一致

Impala：和Oracle一致

query_partition_clause:

Oracle：PARTITION BY { expr[, expr ]...| (expr[, expr ]... ) }

hive：没找到细节定义，目测和Oracle一致

Impala：没找到细节定义，目测和Oracle一致

order_by_clause：

Oracle：ORDER [ SIBLINGS ] BY { expr | position| c_alias } [ ASC | DESC ] [ NULLS FIRST | NULLS LAST ]  [, { expr | position | c_alias } [ ASC | DESC] [ NULLS FIRST | NULLS LAST ] ]...

Hive：没找到细节定义，目测和Oracle一致

Impala：没找到细节定义，目测和Oracle一致

windowing_clause：

Oracle：{ ROWS | RANGE } { BETWEEN   { UNBOUNDED PRECEDING   | CURRENT ROW   | value_expr { PRECEDING | FOLLOWING }   }   AND   { UNBOUNDED FOLLOWING   | CURRENT ROW   | value_expr { PRECEDING | FOLLOWING }   } | { UNBOUNDED PRECEDING   | CURRENT ROW   | value_expr PRECEDING   } }

Hive：ROWS ((CURRENT ROW) | (UNBOUNDED |[num]) PRECEDING) AND (UNBOUNDED | [num]) FOLLOWING

Impala：{ ROWS | RANGE } BETWEEN [ { m |UNBOUNDED } PRECEDING | CURRENT ROW] [ AND [CURRENT ROW | { UNBOUNDED | n }FOLLOWING] ]

功能	Oracle	Hive	Impala
CUME_DIST	有聚合和分析两种用法（上面已列）	有分析用法
DENSE_RANK	DENSE_RANK( ) OVER([ query_partition_clause ] order_by_clause) 这里的用法是分析	同oracle	同oracle（hive和impala只有分析用法没有聚合用法，故单列）
FIRST_VALUE / LAST_VALUE	FIRST_VALUE    { (expr) [ {RESPECT | IGNORE} NULLS ]   | (expr [ {RESPECT | IGNORE} NULLS ])   }   OVER (analytic_clause) 返回某个排序集合的第一个/最后一个值	FIRST_VALUE(expr) OVER([partition_by_clause] order_by_clause [window_clause]) 和oracle相比略简化	同hive
LAG	LAG   { ( value_expr [, offset [, default]]) [ { RESPECT | IGNORE } NULLS ]    | ( value_expr [ { RESPECT | IGNORE } NULLS ] [, offset [, default]] )   }   OVER ([ query_partition_clause ] order_by_clause) 提供了一种同时访问表的多行的方式，即对访问的某行往前推offset行，避免了自连接，参考官方手册中取员工的本月和上月工资的例子	LAG (expr [, offset] [, default])   OVER ([partition_by_clause] order_by_clause) 和oracle相比略简化	同hive
LEAD	LEAD   { ( value_expr [, offset [, default]] ) [ { RESPECT | IGNORE } NULLS ]    | ( value_expr [ { RESPECT | IGNORE } NULLS ] [, offset [, default]] )   }   OVER ([ query_partition_clause ] order_by_clause) 类似LAG，不同之处是往后推而不是往前推	LEAD (expr [, offset] [, default])   OVER ([partition_by_clause] order_by_clause) 和oracle相比略简化	同hive
PERCENT_RANK	有聚合和分析两种用法（上面已列）	有分析用法
RANK	RANK( ) OVER ([ query_partition_clause ] order_by_clause) 计算排位值，这里的用法是分析，有并列值时，下一位会跳开并列的个数再编号，如两个值并列第1，下一个值排第3。重要且常用	同oracle	同oracle（hive和impala只有分析用法没有聚合用法，故单列）
ROW_NUMBER	ROW_NUMBER( )    OVER ([ query_partition_clause ] order_by_clause) 编行号，重要且常用	同oracle	同oracle

 

5.8 其他

     剩下就是些各库特有的东西了，不常用，看看官方手册就好。