数据库相关零散知识点记录

以下内容记录数据库相关的一些零散知识点，主要以Hive为主，内容不定期更新

（1）MySQL数据库基础知识

数据库的底层存储通常使用文件系统，它可以是普通操作系统文件、专用操作系统文件，甚至可能是磁盘分区，其实就是比普通的文件系统多了数据管理的功能。数据库存储数据的单位为表格，可想像成pandas中的DataFrame，有四种操作数据的方式：查询、插入、更新、删除。数据库的基本操作见《python 核心编程》p595。
在表中，可能会包含重复值。如果只需列出不同的值，可使用distinct关键词，可作用于单字段或多字段。
参考http://www.cnblogs.com/rainman/archive/2013/05/03/3058451.html

SQL各关键字的执行顺序：参考http://blog.csdn.net/linxianliang5201314/article/details/6871199，具体执行顺序可查看查询分析器的执行计划
(8)SELECT (9)DISTINCT (11)<Top Num> <select list>
(1)FROM [left_table]
(3)<join_type> JOIN <right_table>
(2)ON <join_condition>
(4)WHERE <where_condition>
(5)GROUP BY <group_by_list>
(6)WITH <CUBE | RollUP>
(7)HAVING <having_condition>
(10)ORDER BY <order_by_list>

SQL查询语句
select count(*) from tag_analise_zh where flag is null;    #字段为NULL时的查询方法，而不是where flag = 'null'
select count(*) from tag_analise_zh where flag is not null;
select distinct class_fst from tag_analise_zh;    #查看某列的所有取值
in与inner join的区别 http://blog.csdn.net/du_qi/article/details/51305380

SQL可以使用集合类型，可使用find_in_set(str, strlist)查找某集合类型字段中的某个常量值，http://www.cnblogs.com/manongxiaobing/p/4682698.html

（2）Hive基础知识
Hive是一个基于Hadoop文件系统上的数据仓库架构。

Hive的查询很慢，查看某个表中数据的总条数或者部分数据都可能要走map/reduce过程。

Hive命令有三种调用方式：
$hive，进入hive中，以交互的方式使用命令
$hive -e 'sql语句'，直接执行单条sql语句，可以加-S选项采用静音模式，如hive -S -e 'select * from t1'，静音模式下不会显示mapreduce的操作过程
$hive -f 'sql脚本'，'sql脚本'就是一个文本，里面内容是sql语句

hive支持的数学运算：http://www.cnblogs.com/end/archive/2012/06/18/2553682.html
show create table table_name; 可以获得表的建表语句，与desc相比，各自适合怎样的应用场景？
Hive中主要包含四类数据模型：表、外表、分区和桶。每个表在Hive中都有一个对应的存储目录，如'hdfs://nameservice1/user/hive/warehouse/app.db/imei_app_d'。表中的每个分区都对应数据库中相应分区列的一个索引，每个分区的存储都对应表下的一个目录。分区是对表进行粗粒度的划分，那么桶就是对表进行细粒度的划分，桶对指定列进行哈希计算，然后再根据计算的哈希值分配到不同的桶，每个桶的实际存储就是一个文件，这时不能再进行划分了。没有分区的表也可以创建桶。外表只有元数据，没有实际数据，实际数据仍然存储在创建语句LOCATION指定的HDFS路径中，并不会移动到数据仓库目录中，如果删除一个外表，仅会删除元数据，不会删除表中数据，有点类似于mysql中的视图。
show tables 带通配符的正则表达式; 将列出与正则表达式匹配的表名，比如show tables 'tag*';将列出以tag开头的表名

hive中的limit与sql的limit有点不同，语句例子如下所示：
select * from t1 limit 5;    随机选取检索结果中的5条输出
select * from t1 sort by num desc limit 5;    输出top5的查询结果
select * from t1 limit 5;    sql中是返回前5个记录
select * from t1 limit 5，10;    sql中的limit可以有两个参数，返回记录行6-15

tablesample是抽样语句，语法：TABLESAMPLE(BUCKET x OUT OF y on id) 。y必须是table总bucket数的倍数或者因子。hive根据y的大小，决定抽样的比例。例如，table总共分了64份，当y=32时，抽取 (64/32=)2个bucket的数据，当y=128时，抽取(64/128=)1/2个bucket的数据。x表示从哪个bucket开始抽取。例 如，table总bucket数为32，tablesample(bucket 3 out of 16)，表示总共抽取（32/16=）2个bucket的数据，分别为第3个bucket和第（3+16=）19个bucket的数据。id是被划分为桶的列，使用rand()函数可以对没有划分成桶的表进行取样，但是这样即使只需要读取很小一部分样本，也要扫描整个输入数据集。

hive中数组元素的分割符是^B，同时按住ctrl+v+b可打出该字符
hive查询字段的值，最好与定义的类型一致，如select * from app.imei_app_d where data_date=20160514 and tail=0 limit 10;   //走mapReducuce查询

select * from app.imei_app_d where data_date=20160514 and tail='0' limit 10; //不走mapReduce查询，因为分区字段tail是string类型

(3) Redis基础知识

Redis是目前公认的速度最快的基于内存的键值对（Key-Value）数据库，但redis的缺点也非常明显，仅提供string、list、set、zset(sorted set)和hash等基本数据类型，不分表，没有schema，没有索引，没有外键，缺少int/date等基本数据类型，多条件查询需要通过集合内联(sinter,zinterstore)和连接间接实现，操作不便，开发效率低，可维护性不佳。因此，一般不将其视为完整的数据库单独使用，很多网站将redis作为高速缓存和session状态存储层，然后再与其他数据库搭配使用。
Redis的出现，很大程度补偿了memcached这类key/value存储的不足，在部 分场合可以对关系数据库起到很好的补充作用。
Redis启动时从硬盘加载数据到内存，需要的时候也可以把数据从内存保存到硬盘。
Redis数据库采用极简的设计思想，最新版的源码包还不到2Mb
Redis没有严格意义上的表名和字段名，以　Key-Value　键值对的方式存储，因此一般采用　schema:key　形式做为键值，其中
schema: 可理解为传统数据库中的表名
key: 　　 可理解为表中的主键