ConvertUtil

package com.anna.hive.util;

public class ConvertUtil {

    /**
     * 统计分析函数的计算          sum count  avg
     * @param database 数据库名称
     * @param table 要操作的表的名称
     * @param columns 结果列
     * @param column 计算列 ——> 也可以是数组
     * @param type 计算功能:sum / average /count
     * @return 翻译后的SQL
     * */
    public String SAC(String database, String table, String[] columns, String column, String type) {
        String cls = "";

        for (String c : columns) {
            cls += c + ",";
        }
        String sql = "select " + cls + type  + "(" + column + ")" + " from " + database + "." + table + " group by " + cls.substring(0,cls.length() - 1);
        return sql;
    }

    /**
     * 获得指定数据表的前n条数据  limit
     * @param database 数据库名称
     * @param table 数据表
     * @param columns 要获取的列
     * @param n 要获取的记录数
     * @return 翻译后的SQL
     * */
    public String getTableDataByN(String database, String table, String[] columns, int n) {
        String cls = "";

        for (String c : columns) {
            cls += c  + ",";
        }

        cls = cls.substring(0, cls.length() - 1);
        String sql = "select " + cls + " from " + database + "." + table + " limit " + n;
        return sql;
    }

    /**
     * 获得指定数据表的前百分之n的数据         tablesample
     * @param database 数据库
     * @param table 数据库表
     * @param columns 待查询的列
     * @param percent 百分比
     * @return 翻译后的SQL
     * */
    public String getDataByNPercent(String database, String table, String[] columns, double percent) {
        String cls = "";

        for (String s : columns) {
            cls += s + ",";
        }

        cls = cls.substring(0, cls.length() - 1);
        String sql = "select " + cls + " from " + database + "." + table + " tablesample(" + percent + " percent)";
        return sql;
    }

    /**
     * 随机抽样     rand()
     * @param database 数据库名称
     * @param table 数据表名称
     * @param columns 待查询返回的列
     * @param n 要获取多少一条记录数
     * @return 翻译后的SQL
     * */
    public String getRandomDataN(String database, String table, String[] columns, int n) {
        String cls = "";

        for (String c : columns) {
            cls += c + ",";
        }
        String sql = "select " + cls + "rand() r from " + database + "." + table + " order by r limit " + n;
        return sql;
    }

    /**
     * 条件查询
     * @param database 数据库名称
     * @param table 数据表名称
     * @param columns 条件列名
     * @param conditions 条件
     * @param values 条件值
     * @return 翻译后的SQL
     * */
    public String getDataByCondition(String database, String table, String[] columns, String[] conditions, String[] values) {
        String c = "";
        for (int i = 0; i < columns.length; i++) {
            c += " and  " + columns[i] + " " + conditions[i] + " " + values[i];
        }

        String sql = "select * from " + database + "." + table + "where 1 = 1 " +c;
        return sql;
    }
}
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,386评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,142评论 3 394
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,704评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,702评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,716评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,573评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,314评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,230评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,680评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,873评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,991评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,706评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,329评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,910评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,038评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,158评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,941评论 2 355

推荐阅读更多精彩内容

  • 我没有发表过文章,因为不善于表达自己。有时候想说的话,如果通过这种方式表达出来,总觉得太矫情,也许天南地北地绕了一...
    天空有朵雨做的云liu阅读 360评论 0 3