Hive查询操作
Hive之DDL數據操作
目錄
1. 基本查詢
1. 全表和特定列查詢
注意：
（1）SQL 語言大小寫不敏感。
（2）SQL 可以寫在一行或者多行
（3）關鍵字不能被縮寫也不能分行
（4）各子句一般要分行寫。
（5）使用縮進提高語句的可讀性。
2. 列別名
1．重命名一個列
2．便于計算
3．緊跟列名，也可以在列名和別名之間加入關鍵字‘AS’
4．案例實操
查詢名稱和部門
3. 算術運算符
| A+B | A和B 相加 |
| A-B | A減去B |
| A*B | A和B 相乘 |
| A/B | A除以B |
| A%B | A對B取余 |
| A&B | A和B按位取與 |
| A | B | A和B按位取或 |
| A^B | A和B按位取異或 |
| ~A | A按位取反 |
案例實操
查詢出所有員工的薪水后加1顯示。
4. 常用函數
1．求總行數（count）
hive (default)> select count(*) cnt from emp;
2．求工資的最大值（max）
hive (default)> select max(sal) max_sal from emp;
3．求工資的最小值（min）
hive (default)> select min(sal) min_sal from emp;
4．求工資的總和（sum）
hive (default)> select sum(sal) sum_sal from emp;
5．求工資的平均值（avg）
hive (default)> select avg(sal) avg_sal from emp;
5. Limit語句
典型的查詢會返回多行數據。LIMIT子句用于限制返回的行數。
hive (default)> select * from emp limit 5;
2. Where語句
1．使用WHERE子句，將不滿足條件的行過濾掉
2．WHERE子句緊隨FROM子句
3．案例實操
查詢出薪水大于1000的所有員工
1. 比較運算符（Between/In/ Is Null）
1）下面表中描述了謂詞操作符，這些操作符同樣可以用于JOIN…ON和HAVING語句中。
| A=B | 基本數據類型 | 如果A等于B則返回TRUE，反之返回FALSE |
| A<=>B | 基本數據類型 | 如果A和B都為NULL，則返回TRUE，其他的和等號（=）操作符的結果一致，如果任一為NULL則結果為NULL |
| A<>B, A!=B | 基本數據類型 | A或者B為NULL則返回NULL；如果A不等于B，則返回TRUE，反之返回FALSE |
| A<B | 基本數據類型 | A或者B為NULL，則返回NULL；如果A小于B，則返回TRUE，反之返回FALSE |
| A<=B | 基本數據類型 | A或者B為NULL，則返回NULL；如果A小于等于B，則返回TRUE，反之返回FALSE |
| A>B | 基本數據類型 | A或者B為NULL，則返回NULL；如果A大于B，則返回TRUE，反之返回FALSE |
| A>=B | 基本數據類型 | A或者B為NULL，則返回NULL；如果A大于等于B，則返回TRUE，反之返回FALSE |
| A [NOT] BETWEEN B AND C | 基本數據類型 | 如果A，B或者C任一為NULL，則結果為NULL。如果A的值大于等于B而且小于或等于C，則結果為TRUE，反之為FALSE。如果使用NOT關鍵字則可達到相反的效果。 |
| A IS NULL | 所有數據類型 | 如果A等于NULL，則返回TRUE，反之返回FALSE |
| A IS NOT NULL | 所有數據類型 | 如果A不等于NULL，則返回TRUE，反之返回FALSE |
| IN(數值1, 數值2) | 所有數據類型 | 使用 IN運算顯示列表中的值 |
| A [NOT] LIKE B | STRING 類型 | B是一個SQL下的簡單正則表達式，如果A與其匹配的話，則返回TRUE；反之返回FALSE。B的表達式說明如下：‘x%’表示A必須以字母‘x’開頭，‘%x’表示A必須以字母’x’結尾，而‘%x%’表示A包含有字母’x’,可以位于開頭，結尾或者字符串中間。如果使用NOT關鍵字則可達到相反的效果。 |
| A RLIKE B, A REGEXP B | STRING 類型 | B是一個正則表達式，如果A與其匹配，則返回TRUE；反之返回FALSE。匹配使用的是JDK中的正則表達式接口實現的，因為正則也依據其中的規則。例如，正則表達式必須和整個字符串A相匹配，而不是只需與其字符串匹配。 |
2. Like和RLike
1）使用LIKE運算選擇類似的值
2）選擇條件可以包含字符或數字:
% 代表零個或多個字符(任意個字符)。
_ 代表一個字符。
3）RLIKE子句是Hive中這個功能的一個擴展，其可以通過Java的正則表達式這個更強大的語言來指定匹配條件。
4）案例實操
（1）查找以2開頭薪水的員工信息
（2）查找第二個數值為2的薪水的員工信息
hive (default)> select * from emp where sal LIKE '_2%';（3）查找薪水中含有2的員工信息
hive (default)> select * from emp where sal RLIKE '[2]';3. 邏輯運算符（And/Or/Not）
表6-5
| AND | 邏輯并 |
| OR | 邏輯或 |
| NOT | 邏輯否 |
案例實操
（1）查詢薪水大于1000，部門是30
（2）查詢薪水大于1000，或者部門是30
hive (default)> select * from emp where sal>1000 or deptno=30;（3）查詢除了20部門和30部門以外的員工信息
hive (default)> select * from emp where deptno not IN(30, 20);3. 分組
GROUP BY語句通常會和聚合函數一起使用，按照一個或者多個列隊結果進行分組，然后對每個組執行聚合操作。
案例實操：
（1）計算emp表每個部門的平均工資
（2）計算emp每個部門中每個崗位的最高薪水
hive (default)> select t.deptno, t.job, max(t.sal) max_sal from emp t group byt.deptno, t.job;（1）where針對表中的列發揮作用，查詢數據；having針對查詢結果中的列發揮作用，篩選數據。
（2）where后面不能寫分組函數，而having后面可以使用分組函數。
（3）having只用于group by分組統計語句。
案例實操
（1）求每個部門的平均薪水大于2000的部門
求每個部門的平均工資
（2）求每個部門的平均薪水大于2000的部門
hive (default)> select deptno, avg(sal) avg_sal from emp group by deptno havingavg_sal > 2000;4. join語句
1. 等值Join
Hive支持通常的SQL JOIN語句，但是只支持等值連接，不支持非等值連接。
案例實操
（1）根據員工表和部門表中的部門編號相等，查詢員工編號、員工名稱和部門編號；
2. 表的別名
1．好處
（1）使用別名可以簡化查詢。
（2）使用表名前綴可以提高執行效率。
2．案例實操
合并員工表和部門表
3. 內連接
內連接：只有進行連接的兩個表中都存在與連接條件相匹配的數據才會被保留下來。
hive (default)> select e.empno, e.ename, d.deptno from emp e join dept d on e.deptno= d.deptno;4 左外連接
左外連接：JOIN操作符左邊表中符合WHERE子句的所有記錄將會被返回。
hive (default)> select e.empno, e.ename, d.deptno from emp e left join dept d on e.deptno
= d.deptno;
5. 右外連接
右外連接：JOIN操作符右邊表中符合WHERE子句的所有記錄將會被返回。
hive (default)> select e.empno, e.ename, d.deptno from emp e right join dept d on e.deptno= d.deptno;6. 滿外連接
滿外連接：將會返回所有表中符合WHERE語句條件的所有記錄。如果任一表的指定字段沒有符合條件的值的話，那么就使用NULL值替代。
hive (default)> select e.empno, e.ename, d.deptno from emp e full join dept d on e.deptno= d.deptno;7. 多表連接
注意：連接 n個表，至少需要n-1個連接條件。例如：連接三個表，至少需要兩個連接條件。
1．創建位置表
create table if not exists default.location( loc int, loc_name string ) row format delimited fields terminated by '\t';2．導入數據
hive (default)> load data local inpath '/opt/module/datas/location.txt' into table default.location;3．多表連接查詢
hive (default)>SELECT e.ename, d.deptno, l. loc_name FROM emp e JOIN dept d ON d.deptno = e.deptno JOIN location l ON d.loc = l.loc;大多數情況下，Hive會對每對JOIN連接對象啟動一個MapReduce任務。本例中會首先啟動一個MapReduce job對表e和表d進行連接操作，然后會再啟動一個MapReduce job將第一個MapReduce job的輸出和表l;進行連接操作。
注意：為什么不是表d和表l先進行連接操作呢？這是因為Hive總是按照從左到右的順序執行的。
5. 排序
1. 全局排序（Order By）
Order By：全局排序，一個MapReduce
ASC（ascend）: 升序（默認）
DESC（descend）: 降序
（1）查詢員工信息按工資升序排列
（2）查詢員工信息按工資降序排列
hive (default)> select * from emp order by sal desc;2. 按照別名排序
按照員工薪水的2倍排序
hive (default)> select ename, sal*2 twosal from emp order by twosal;3. 多個列排序
按照部門和工資升序排序
hive (default)> select ename, deptno, sal from emp order by deptno, sal ;4. 每個MapReduce內部排序（Sort By）
Sort By：每個MapReduce內部進行排序，對全局結果集來說不是排序。
1．設置reduce個數
2．查看設置reduce個數
hive (default)> set mapreduce.job.reduces;3．根據部門編號降序查看員工信息
hive (default)> select * from emp sort by empno desc; 4．將查詢結果導入到文件中（按照部門編號降序排序） hive (default)> insert overwrite local directory '/opt/module/datas/sortby-result'select * from emp sort by deptno desc;5. 分區排序（Distribute By）
Distribute By：類似MR中partition，進行分區，結合sort by使用。
注意，Hive要求DISTRIBUTE BY語句要寫在SORT BY語句之前。
對于distribute by進行測試，一定要分配多reduce進行處理，否則無法看到distribute by的效果。
案例實操：
（1）先按照部門編號分區，再按照員工編號降序排序。
6. Cluster By
當distribute by和sorts by字段相同時，可以使用cluster by方式。
cluster by除了具有distribute by的功能外還兼具sort by的功能。但是排序只能是倒序排序，不能指定排序規則為ASC或者DESC。
1）以下兩種寫法等價
注意：按照部門編號分區，不一定就是固定死的數值，可以是20號和30號部門分到一個分區里面去。
6. 分桶及抽樣查詢
1. 分桶表數據存儲
分區針對的是數據的存儲路徑；分桶針對的是數據文件。
分區提供一個隔離數據和優化查詢的便利方式。不過，并非所有的數據集都可形成合理的分區，特別是之前所提到過的要確定合適的劃分大小這個疑慮。
分桶是將數據集分解成更容易管理的若干部分的另一個技術。
1．先創建分桶表，通過直接導入數據文件的方式
（1）數據準備
（2）創建分桶表
create table stu_buck(id int, name string) clustered by(id) into 4 buckets row format delimited fields terminated by '\t';（3）查看表結構
hive (default)> desc formatted stu_buck; Num Buckets: 4（4）導入數據到分桶表中
hive (default)> load data local inpath '/opt/module/datas/student.txt' into tablestu_buck;（5）查看創建的分桶表中是否分成4個桶，如下圖所示
發現并沒有分成4個桶。是什么原因呢？
2．創建分桶表時，數據通過子查詢的方式導入
（1）先建一個普通的stu表
（2）向普通的stu表中導入數據
load data local inpath '/opt/module/datas/student.txt' into table stu;（3）清空stu_buck表中數據
truncate table stu_buck; select * from stu_buck;（4）導入數據到分桶表，通過子查詢的方式
insert into table stu_buck select id, name from stu;（5）發現還是只有一個分桶，如圖6-8所示
（6）需要設置一個屬性
hive (default)> set hive.enforce.bucketing=true; hive (default)> set mapreduce.job.reduces=-1; hive (default)> insert into table stu_buck select id, name from stu;（7）查詢分桶的數據
hive (default)> select * from stu_buck; OK stu_buck.id stu_buck.name 1004 ss4 1008 ss8 1012 ss12 1016 ss16 1001 ss1 1005 ss5 1009 ss9 1013 ss13 1002 ss2 1006 ss6 1010 ss10 1014 ss14 1003 ss3 1007 ss7 1011 ss11 1015 ss152. 分桶抽樣查詢
對于非常大的數據集，有時用戶需要使用的是一個具有代表性的查詢結果而不是全部結果。Hive可以通過對表進行抽樣來滿足這個需求。
查詢表stu_buck中的數據。
hive (default)> select * from stu_buck tablesample(bucket 1 out of 4 on id);注：tablesample是抽樣語句，語法：TABLESAMPLE(BUCKET x OUT OF y) 。
y必須是table總bucket數的倍數或者因子。hive根據y的大小，決定抽樣的比例。例如，table總共分了4份，當y=2時，抽取(4/2=)2個bucket的數據，當y=8時，抽取(4/8=)1/2個bucket的數據。
x表示從哪個bucket開始抽取，如果需要取多個分區，以后的分區號為當前分區號加上y。例如，table總bucket數為4，tablesample(bucket 1 out of 2)，表示總共抽取（4/2=）2個bucket的數據，抽取第1(x)個和第4(x+y)個bucket的數據。
注意：x的值必須小于等于y的值，否則
FAILED: SemanticException [Error 10061]: Numerator should not be bigger than denominator in sample clause for table stu_buck總結
- 上一篇： Hive之DDL数据操作
- 下一篇： MySQL索引知识点