高级聚合函数
多进一出（多行输入，一个输出）
普通聚合函数：count、sum ...
1）collect_list（）：收集并形成 list 集合，结果不去重
select sex,collect_list(job) from employee group by sex; --女 ["行政","研发","行政","前台"] --男 ["销售","研发","销售","前台"]
2）collect_set（）：收集并形成 set 集合，结果去重
select sex,collect_set(job) from employee group by sex; --女 ["行政","研发","前台"] --男 ["销售","研发","前台"]
案例
1）每个月的入职人数以及姓名
select month(replace(hire_date,'/','-')) as month, count(*) cnt, collect_list(name) as name_list from employee group by month(replace(hire_date,'/','-'));
运行结果：
month cnt name_list 4 2 ["宋青书","周芷若"] 6 1 ["黄蓉"] 7 1 ["郭靖"] 8 2 ["张无忌","杨过"] 9 2 ["赵敏","小龙女"]
炸裂函数（UDTF）
接受一行数据，输出一行或多行数据。
TF（Table-Genrating Functions），表生成函数，也就是说这个函数的结果是一张表。
1、常用 UDTF - explode（array<T> a）
explode（array<T> a）接受一个数组类型的参数，它会把这一个数组炸裂成一个列（多行）。
语法
select explode(array("a","b","c"))as item; -- item -- a -- b -- c
2、 常用 UDTF - explode（Map<K,V> m）
返回多行2列（key，value）。
语法
注意：不加别名时，它默认的字段也是 key 和 value，我们自定义多个字段名时需要加括号。
select explode(map('hadoop','1','spark',2)) as (key,value); -- key value -- hadoop 1 -- spark 2
3、常用 UDTF - posexplode（array<T> a）
接受一个数组 array ，pos 的意思是 position ，也就是数组的下标。它返回多行两列，一列为 pos（索引） ，一列是 val（值）。
select posexplode(array('a','b','c')); -- pos val -- 0 a -- 1 b -- 2 c
4、常用 UDTF - inline（array<struct<f1:T1,...,fn:Tn>> a）
它接受一个 结构体数组 ，返回多行多列，列数=结构体的属性数量。
注意：每个结构体的属性数量必须一致。
select inline(array( named_struct("id",1,"name","zs","age",15), named_struct("id",2,"name","ls","age",17), named_struct("id",3,"name","ww","age",23) )) as (id,name,age);
运行结果：
Lateral View（常用）
Lateral View 通常与UDTF 配合使用。它可以将UDTF应用到源表的每行数据，UDTF会将每行数据转换为一行或多行，Lateral View会将源表中每行的输出结果与该行连接起来，形成一个虚拟表。
数据准备
create table movie_info( movie string, --电影名称 category string --电影分类 ) row format delimited fields terminated by "\t"; insert overwrite table movie_info values ("《疑犯追踪》", "悬疑,动作,科幻,剧情"), ("《Lie to me》", "悬疑,警匪,动作,心理,剧情"), ("《战狼2》", "战争,动作,灾难");
函数演示
select movie, category_name from movie_info lateral view explode(split(category,",")) movie_info_tmp as category_name;
运行结果：
select cate,count(*) from ( select movie,cate from ( select movie, split(category,',') cates from movie_info )t1 lateral view explode(cates) tmp as cate )t2 group by cate;
运行结果：
窗口函数
明天写
