Hive SQL 内置聚合函数

BIGINT

count(*), count(expr), count(DISTINCT expr[, expr...])

• count(*) 返回检索到的行总数，包括包含NULL值的行
• count(col) 返回为其提供的列为非 NULL 的行数
• count(DISTINCT col[, col]) 返回所提供的列唯一且非NULL的行数

执行优化 hive.optimize.distinct.rewrite.

DOUBLE

sum(col), sum(DISTINCT col)

返回组中元素的总和或组中列的不同值的总和。

DOUBLE

avg(col), avg(DISTINCT col)

返回组中元素的平均值或组中列的不同值的平均值。

DOUBLE

min(col)

返回组中列的最小值。

DOUBLE

max(col)

返回组中列的最大值。

DOUBLE

variance(col), var_pop(col)

返回组中数字列的方差。

DOUBLE

var_samp(col)

返回组中数字列的无偏样本方差。

DOUBLE

stddev_pop(col)

返回组中数字列的标准差。

DOUBLE

stddev_samp(col)

返回组中数字列的无偏样本标准差。

DOUBLE

covar_pop(col1, col2)

返回组中一对数字列的总体协方差。

DOUBLE

covar_samp(col1, col2)

返回组中一对数字列的样本协方差。

DOUBLE

corr(col1, col2)

返回组中一对数字列的皮尔逊相关系数。

DOUBLE

percentile(BIGINT col, p)

返回组中列的精确 p^th 百分位数（不适用于浮点类型）。 p必须在0到1之间。注意：只能为整数值计算真实百分位数。 如果您输入的内容不是整数，请使用PERCENTILE_APPROX。

array<double>

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

返回精确的百分位数 p₁, p₂, ...  组中的列（不适用于浮点类型）。p_i 必须介于0和1之间。注：真正的百分位数只能计算整数值。如果您的输入为非整数，请使用 PERCENTILE_APPROX 得到近似值。

DOUBLE

percentile_approx(DOUBLE col, p [, B])

返回组中数值列（包括浮点类型）的近似第 p^th 个百分位数。B参数以内存为代价控制近似精度。较高的值会产生更好的近似值，默认值为10000。当col中不同值的数量小于B时，这会给出一个精确的百分位值。

array<double>

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

同上，但接受并返回一个百分位值数组，而不是单个百分位值。

regr_avgx(independent, dependent)

等同于 avg(dependent). 始于 Hive 2.2.0.

regr_avgy(independent, dependent)

等同于 avg(independent). 始于 Hive 2.2.0.

regr_count(independent, dependent)

返回用于拟合线性回归线的非空对数。始于 Hive 2.2.0.

regr_intercept(independent, dependent)

返回线性回归线的 y 截距，即相当于 dependent = a * independent + b. 始于 Hive 2.2.0.

regr_r2(independent, dependent)

返回回归的确定系数，始于 Hive 2.2.0.

regr_slope(independent, dependent)

返回线性回归线的斜率，即方程中a的值 dependent = a * independent + b. 始于 Hive 2.2.0.

regr_sxx(independent, dependent)

相当于 regr_count(independent, dependent) * var_pop(dependent). 始于 Hive 2.2.0.

regr_sxy(independent, dependent)

相当于 regr_count(independent, dependent) * covar_pop(independent, dependent). 始于 Hive 2.2.0.

相当于 regr_count(independent, dependent) * var_pop(independent). 始于 Hive 2.2.0.

array<struct {'x','y'}>

histogram_numeric(col, b)

使用b个非均匀间隔的容器计算组中数字列的直方图。输出是一个大小为b的双值（x，y）坐标数组，代表箱子的中心和高度

array

collect_set(col)

返回消除了重复元素的一组对象。

array

collect_list(col)

返回包含重复项的对象列表. (始于 0.13.0.)

将有序分区划分为x个组（称为bucket），并为分区中的每一行分配一个bucket编号。这允许轻松计算三分位数、四分位数、十分位数、百分位数和其他常见的汇总统计数据. (始于 Hive 0.11.0.)