包含了一些presto自定义的函数
- Java 8 Update 60 及以上
- Maven 3.3.9+
cd ${project_home}
mvn clean package
如果想要忽略单元测试,请执行:
mvn clean package -DskipTests
执行完命令后,将会生成在target目录下presto-third-functions-{version}-shaded.jar`文件.
或者也可以直接在发布页下载.
当前最新版本为
0.3.0
, 支持presto-0.150+
,如果你使用的presto版本低于0.150
,继续使用0.2.0
即可。
函数 | 说明 |
---|---|
pinyin(string) -> string | 将汉字转为拼音 |
md5(string) -> string | 对字符串求md5值 |
sha256(string) -> string | 对字符串求sha256值 |
函数 | 说明 |
---|---|
dayofweek(date_string | date) -> int | 计算给定日期是每周7天内的第几天,其中周一返回1,周天返回7,错误返回-1. |
zodiac(date_string | date) -> string | 将日期转换为星座英文 |
zodiac_cn(date_string | date) -> string | 将日期转换为星座中文 |
typeofdate(date_string | date) -> string | 获取日期的类型(1: 法定节假日, 2: 正常周末, 3: 正常工作日 4:攒假的工作日),错误返回-1. |
函数 | 说明 |
---|---|
array_union(array, array) -> array | 求两个array的并集 |
value_count(array(T), T value) -> int | 统计在数组中值为给定值的元素个数 |
我已经发起了一个
array_union
的PR, 现在它已经被合并到presto的master分支中. 因此,如果你的presto版本 > 0.151,它已经包含了array_union
函数.
0.3.0
版本为了兼容presto-0.150
版本,也为了防止和presto-0.151+
命名冲突,将该方法改名为arr_union
函数 | 说明 |
---|---|
json_array_extract(json, jsonPath) -> array(varchar) | 提取json数组中对应路径的值 |
json_array_extract_scalar(json, jsonPath) -> array(varchar) | 和json_array_extract 类似,但是返回结果是string(不是json格式) |
函数 | 说明 |
---|---|
value_count(MAP(K,V), V value) -> int | 统计中MAP中值为给定值的元素的个数 |
函数 | 说明 |
---|---|
id_card_province(string) -> string | 由身份证号获取省份 |
id_card_city(string) -> string | 由身份证号获取城市 |
id_card_area(string) -> string | 由身份证号获取区或县 |
id_card_birthday(string) -> string | 由身份证号获取出生日期 |
id_card_gender(string) -> string | 由身份证号获取性别 |
is_valid_id_card(string) -> boolean | 鉴别是否是有效的身份证号 |
id_card_info(string) -> json | 获取身份证号对应的信息,包括省份,城市,区县,性别及是否有效 |
函数 | 说明 |
---|---|
wgs_distance(double lat1, double lng1, double lat2, double lng2) -> double | 计算WGS84坐标系下的坐标距离,单位为米 |
gcj_to_bd(double,double) -> json | 火星坐标系(GCJ-02)转百度坐标系(BD-09),谷歌、高德——>百度 |
bd_to_gcj(double,double) -> json | 百度坐标系(BD-09)转火星坐标系(GCJ-02),百度——>谷歌、高德 |
wgs_to_gcj(double,double) -> json | WGS84转GCJ02(火星坐标系) |
gcj_to_wgs(double,double) -> json | GCJ02(火星坐标系)转GPS84,输出的WGS-84坐标精度为1米到2米之间。 |
gcj_extract_wgs(double,double) -> json | GCJ02(火星坐标系)转GPS84,输出的WGS-84坐标精度为0.5米内。但是计算速度慢于gcj_to_wgs |
关于互联网地图坐标系的说明见: 当前互联网地图的坐标系现状
函数 | 说明 |
---|---|
is_null(all_type) -> boolean | 是否是null |
把presto-third-functions-{version}-shaded.jar放到 ${presto_home}/plugin/hive-hadoop2
目录下并重启presto.下面是示例:
mv presto-third-functions-{version}-shaded.jar /home/presto/presto-server-0.147/plugin/hive-hadoop2/
cd /home/presto/presto-server-0.147
bin/launcher restart
cd /home/presto/
ln -s presto-client-0.147/presto-cli-0.147-executable.jar presto-cli
export JAVA_HOME=/home/java8/jdk1.8.0_91/;
export PATH=/home/java8/jdk1.8.0_91/bin/:$PATH;
alias presto="/home/presto/presto-cli --server localhost:8080 --catalog hive --schema default"
presto:default> select pinyin(country) from (values '中国') as t(country);
_col0
----------
zhongguo
(1 row)
Query 20160707_073649_00006_iya2r, FINISHED, 1 node
Splits: 1 total, 0 done (0.00%)
0:00 [0 rows, 0B] [0 rows/s, 0B/s]
presto:default> select md5(col1), sha256(col1) from (values 'aaronshan') as t(col1)\G;
-[ RECORD 1 ]-----------------------------------------------------------
_col0 | 95686bc0483262afe170b550dd4544d1
_col1 | d16bb375433ad383169f911afdf45e209eabfcf047ba1faebdd8f6a0b39e0a32
Query 20160712_071936_00006_hkbes, FINISHED, 1 node
Splits: 1 total, 0 done (0.00%)
0:00 [0 rows, 0B] [0 rows/s, 0B/s]
presto
presto:default> select dayofweek(my_day) from (values '2016-07-07') as t(my_day);
_col0
-------
4
(1 row)
Query 20160707_073523_00005_iya2r, FINISHED, 1 node
Splits: 1 total, 0 done (0.00%)
0:00 [0 rows, 0B] [0 rows/s, 0B/s]
presto:default> select array_union(arr1, arr2) from (values (ARRAY [1,3,5,null], ARRAY [2,3,4,null])) as t(arr1, arr2);
_col0
-----------------------
[1, 3, 5, null, 2, 4]
(1 row)
Query 20160713_061707_00004_82kmt, FINISHED, 1 node
Splits: 1 total, 0 done (0.00%)
0:00 [0 rows, 0B] [0 rows/s, 0B/s]
presto:default> select value_count(arr1, 'a') from (values (ARRAY['a', 'b', 'a'])) t(arr1);
_col0
-------
2
(1 row)
Query 20160721_111719_00008_xgf26, FINISHED, 1 node
Splits: 1 total, 0 done (0.00%)
0:00 [0 rows, 0B] [0 rows/s, 0B/s]
presto:default> select json_array_extract(arr1, '$.book.id') from (values ('[{"book":{"id":"12"}}, {"book":{"id":"14"}}]')) t(arr1);
_col0
--------------
["12", "14"]
(1 row)
Query 20160721_105423_00006_xgf26, FINISHED, 1 node
Splits: 1 total, 0 done (0.00%)
0:00 [0 rows, 0B] [0 rows/s, 0B/s]
presto:default> select json_array_extract_scalar(arr1, '$.book.id') from (values ('[{"book":{"id":"12"}}, {"book":{"id":"14"}}]')) t(arr1);
_col0
----------
[12, 14]
(1 row)
Query 20160721_105426_00007_xgf26, FINISHED, 1 node
Splits: 1 total, 0 done (0.00%)
0:00 [0 rows, 0B] [0 rows/s, 0B/s]
presto:default> select map1, value_count(map1, 'a') from (values (map(ARRAY[1,2,3], ARRAY['a', 'b', 'a']))) t(map1);
map1 | _col1
-----------------+-------
{1=a, 2=b, 3=a} | 2
(1 row)
Query 20160721_111906_00011_xgf26, FINISHED, 1 node
Splits: 1 total, 0 done (0.00%)
0:00 [0 rows, 0B] [0 rows/s, 0B/s]
presto:default> select id_card_info(card) from (values '110101198901084517') as t(card);
_col0
----------------------------------------------------------------------------------
{"area":"东城区","valid":true,"province":"北京市","gender":"男","city":"北京市"}
(1 row)
Query 20160712_071700_00004_hkbes, FINISHED, 1 node
Splits: 1 total, 0 done (0.00%)
0:00 [0 rows, 0B] [0 rows/s, 0B/s]
presto:default> select gcj_to_bd(lat,lng), bd_to_gcj(lat,lng), wgs_to_gcj(lat,lng), gcj_to_wgs(lat,lng), gcj_extract_wgs(lat,lng) from (values (39.915, 116.404)) as t(lat, lng)\G;
-[ RECORD 1 ]----------------------------------------------
_col0 | {"lng":116.41036949371029,"lat":39.92133699351022}
_col1 | {"lng":116.39762729119315,"lat":39.90865673957631}
_col2 | {"lng":116.41024449916938,"lat":39.91640428150164}
_col3 | {"lng":116.39775550083061,"lat":39.91359571849836}
_col4 | {"lng":116.39775549316407,"lat":39.913596801757805}
Query 20160712_024714_00003_9rund, FINISHED, 1 node
Splits: 1 total, 0 done (0.00%)
0:00 [0 rows, 0B] [0 rows/s, 0B/s]
presto:default> select is_null(col0),is_null(col1),is_null(col2),is_null(col3) from (values ('test', 1, 0.5, ARRAY [1]),(null, null, null, null)) as t(col0, col1, col2,col3);
_col0 | _col1 | _col2 | _col3
-------+-------+-------+-------
false | false | false | false
true | true | true | true
(2 rows)
Query 20160713_061435_00003_82kmt, FINISHED, 1 node
Splits: 1 total, 0 done (0.00%)
0:00 [0 rows, 0B] [0 rows/s, 0B/s]