Hive入门笔记04

快长枝枝、

已于 2023-09-24 21:21:56 修改

阅读量201

点赞数

文章标签： hive 笔记

于 2023-09-24 21:21:00 首次发布

本文链接：https://blog.csdn.net/2201_75649224/article/details/133251645

版权

6、分组

6.1 Group By语句

Group By语句通常会和聚合函数一起使用，按照一个或者多个列队结果进行分组，然后对每个组执行聚合操作。

1）案例实操：

（1）计算emp表每个部门的平均工资。

hive (default)>

select

t.deptno,

avg(t.sal) avg_sal

from emp t

group by t.deptno;

hive sql执行过程：

（2）计算emp每个部门中每个岗位的最高薪水。

hive (default)>

select

    t.deptno,

    t.job,

    max(t.sal) max_sal

from emp t

group by t.deptno, t.job;

hive sql执行过程：

6.2 Having语句

1）having与where不同点

（1）where后面不能写分组聚合函数，而having后面可以使用分组聚合函数。

（2）having只用于group by分组统计语句。

2）案例实操

（1）求每个部门的平均薪水大于2000的部门

①求每个部门的平均工资。

hive (default)>

select

deptno,

avg(sal)

from emp

group by deptno;

hive sql执行过程：

②求每个部门的平均薪水大于2000的部门。

hive (default)>

select

deptno,

avg(sal) avg_sal

from emp

group by deptno

having avg_sal > 2000;

hive sql执行过程：

6.3 Join语句

6.3.1 等值Join

Hive支持通常的sql join语句，但是只支持等值连接，不支持非等值连接。

1）案例实操

（1）根据员工表和部门表中的部门编号相等，查询员工编号、员工名称和部门名称。

hive (default)>

select

    e.empno,

    e.ename,

    d.dname

from emp e

join dept d

on e.deptno = d.deptno;

hive sql执行过程：

6.3.2 表的别名

1）好处

（1）使用别名可以简化查询。

（2）区分字段的来源。

2）案例实操

合并员工表和部门表。

hive (default)>

select

e.*,

d.*

from emp e

join dept d

on e.deptno = d.deptno;

6.3.3 内连接

内连接：只有进行连接的两个表中都存在与连接条件相匹配的数据才会被保留下来。

hive (default)>

select

    e.empno,

    e.ename,

    d.deptno

from emp e

join dept d

on e.deptno = d.deptno;

6.3.4 左外连接

左外连接：join操作符左边表中符合where子句的所有记录将会被返回。

hive (default)>

select

    e.empno,

    e.ename,

    d.deptno

from emp e

left join dept d

on e.deptno = d.deptno;

6.3.5 右外连接

右外连接：join操作符右边表中符合where子句的所有记录将会被返回。

hive (default)>

select

    e.empno,

    e.ename,

    d.deptno

from emp e

right join dept d

on e.deptno = d.deptno;

6.3.6 满外连接

满外连接：将会返回所有表中符合where语句条件的所有记录。如果任一表的指定字段没有符合条件的值的话，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;

6.3.7 多表连接

注意：连接n个表，至少需要n-1个连接条件。例如：连接三个表，至少需要两个连接条件。

数据准备，在/opt/module/hive/datas/下：vim location.txt

部门位置id 部门位置

[atguigu@hadoop102 datas]$ vim location.txt

1700 北京

1800 上海

1900 深圳

1）创建位置表

hive (default)>

create table if not exists location(

loc int, -- 部门位置id

loc_name string -- 部门位置

)

row format delimited fields terminated by '\t';

2）导入数据

hive (default)> load data local inpath '/opt/module/hive/datas/location.txt' into table location;

3）多表连接查询

hive (default)>

select

    e.ename,

    d.dname,

    l.loc_name

from emp e

join dept d

on d.deptno = e.deptno

join location l

on d.loc = l.loc;

大多数情况下，Hive会对每对join连接对象启动一个MapReduce任务。本例中会首先启动一个MapReduce job对表e和表d进行连接操作，然后会再启动一个MapReduce job将第一个MapReduce job的输出和表l进行连接操作。

注意：为什么不是表d和表l先进行连接操作呢？这是因为Hive总是按照从左到右的顺序执行的。

6.3.8 笛卡尔集

1）笛卡尔集会在下面条件下产生

（1）省略连接条件

（2）连接条件无效

（3）所有表中的所有行互相连接

2）案例实操

hive (default)>

select

empno,

dname

from emp, dept;

hive sql执行过程：

6.3.9 联合（union & union all）

1）union&union all上下拼接

union和union all都是上下拼接sql的结果，这点是和join有区别的，join是左右关联，union和union all是上下拼接。union去重，union all不去重。

union和union all在上下拼接sql结果时有两个要求：

（1）两个sql的结果，列的个数必须相同

（2）两个sql的结果，上下所对应列的类型必须一致

2）案例实操

将员工表30部门的员工信息和40部门的员工信息，利用union进行拼接显示。

hive (default)>

select

*

from emp

where deptno=30

union

select

*

from emp

where deptno=40;

7、排序

7.1 全局排序（Order By）

Order By：全局排序，只有一个Reduce。

1）使用Order By子句排序

asc（ascend）：升序（默认）

desc（descend）：降序

2）Order By子句在select语句的结尾

3）基础案例实操

（1）查询员工信息按工资升序排列

hive (default)>

select

*

from emp

order by sal;

hive sql执行过程：

（2）查询员工信息按工资降序排列

hive (default)>

select

*

from emp

order by sal desc;

4）按照别名排序案例实操

按照员工薪水的2倍排序。

hive (default)>

select

ename,

sal * 2 twosal

from emp

order by twosal;

hive sql执行过程：

5）多个列排序案例实操

按照部门和工资升序排序。

hive (default)>

select

    ename,

    deptno,

    sal

from emp

order by deptno, sal;

hive sql执行过程：

7.1.2 每个Reduce内部排序（Sort By）

Sort By：对于大规模的数据集order by的效率非常低。在很多情况下，并不需要全局排序，此时可以使用Sort by。

Sort by为每个reduce产生一个排序文件。每个Reduce内部进行排序，对全局结果集来说不是排序。

1）设置reduce个数

hive (default)> set mapreduce.job.reduces=3;

2）查看设置reduce个数

hive (default)> set mapreduce.job.reduces;

3）根据部门编号降序查看员工信息

hive (default)>

select

*

from emp

sort by deptno desc;

hive sql执行过程：

4）将查询结果导入到文件中（按照部门编号降序排序）

hive (default)> insert overwrite local directory '/opt/module/hive/datas/sortby-result'

select * from emp sort by deptno desc;

7.1.3 分区（Distribute By）

Distribute By：在有些情况下，我们需要控制某个特定行应该到哪个Reducer，通常是为了进行后续的聚集操作。distribute by子句可以做这件事。distribute by类似MapReduce中partition（自定义分区），进行分区，结合sort by使用。

对于distribute by进行测试，一定要分配多reduce进行处理，否则无法看到distribute by的效果。

1）案例实操：

（1）先按照部门编号分区，再按照员工编号薪资排序

hive (default)> set mapreduce.job.reduces=3;

hive (default)>

insert overwrite local directory

'/opt/module/hive/datas/distribute-result'

select

*

from emp

distribute by deptno

sort by sal desc;

注意：

- distribute by的分区规则是根据分区字段的hash码与reduce的个数进行相除后，余数相同的分到一个区。
- Hive要求distribute by语句要写在sort by语句之前。
- 演示完以后mapreduce.job.reduces的值要设置回-1，否则下面分区or分桶表load跑MapReduce的时候会报错。

hive sql执行过程：

7.1.4 分区排序（Cluster By）

当distribute by和sort by字段相同时，可以使用cluster by方式。

cluster by除了具有distribute by的功能外还兼具sort by的功能。但是排序只能是升序排序，不能指定排序规则为asc或者desc。

（1）以下两种写法等价

hive (default)>

select

*

from emp

cluster by deptno;

hive (default)>

select

*

from emp

distribute by deptno

sort by deptno;

注意：按照部门编号分区，不一定就是固定死的数值，可以是20号和30号部门分到一个分区里面去。

hive sql执行过程：

8、函数

8.1 函数简介

Hive会将常用的逻辑封装成函数给用户进行使用，类似于Java中的函数。

好处：避免用户反复写逻辑，可以直接拿来使用。

重点：用户需要知道函数叫什么，能做什么。

Hive提供了大量的内置函数，按照其特点可大致分为如下几类：单行函数、聚合函数、炸裂函数、窗口函数。

以下命令可用于查询所有内置函数的相关信息。

1）查看系统内置函数

hive> show functions;

2）查看内置函数用法

hive> desc function upper;

3）查看内置函数详细信息

hive> desc function extended upper;

8.2 单行函数

单行函数的特点是一进一出，即输入一行，输出一行。

单行函数按照功能可分为如下几类: 日期函数、字符串函数、集合函数、数学函数、流程控制函数等。

8.2.1 算术运算函数

运算符	描述
A+B	A和B 相加
A-B	A减去B
A*B	A和B 相乘
A/B	A除以B
A%B	A对B取余
A&B	A和B按位取与
A\|B	A和B按位取或
A^B	A和B按位取异或
~A	A按位取反

案例实操：查询出所有员工的薪水后加1显示。

hive (default)> select sal + 1 from emp;

8.2.2 数值函数

1）round：四舍五入

hive> select round(3.3); 3

2）ceil：向上取整

hive> select ceil(3.1) ; 4

3）floor：向下取整

hive> select floor(4.8); 4

8.2.3 字符串函数

1）substring：截取字符串

语法一：substring(string A, int start)

返回值：string

说明：返回字符串A从start位置到结尾的字符串

语法二：substring(string A, int start, int len)

返回值：string

说明：返回字符串A从start位置开始，长度为len的字符串

案例实操：

（1）获取第二个字符以后的所有字符

hive> select substring("atguigu",2);

输出：

tguigu

（2）获取倒数第三个字符以后的所有字符

hive> select substring("atguigu",-3);

输出：

igu

（3）从第3个字符开始，向后获取2个字符

hive> select substring("atguigu",3,2);

输出：

2）replace ：替换

语法：replace(string A, string B, string C)

返回值：string

说明：将字符串A中的子字符串B替换为C。

hive> select replace('atguigu', 'a', 'A')

输出：

hive> Atguigu

3）regexp_replace：正则替换

语法：regexp_replace(string A, string B, string C)

返回值：string

说明：将字符串A中的符合java正则表达式B的部分替换为C。注意，在有些情况下要使用转义字符。

案例实操：

hive> select regexp_replace('100-200', '(\\d+)', 'num')

输出：

hive> num-num

4）regexp：正则匹配

语法：字符串 regexp 正则表达式

返回值：boolean

说明：若字符串符合正则表达式，则返回true，否则返回false。

（1）正则匹配成功，输出true

hive> select 'dfsaaaa' regexp 'dfsa+'

输出：

hive> true

（2）正则匹配失败，输出false

hive> select 'dfsaaaa' regexp 'dfsb+';

输出：

hive> false

5）repeat：重复字符串

语法：repeat(string A, int n)

返回值：string

说明：将字符串A重复n遍。

hive> select repeat('123', 3);

输出：

hive> 123123123

6）split ：字符串切割

语法：split(string str, string pat)

返回值：array

说明：按照正则表达式pat匹配到的内容分割str，分割后的字符串，以数组的形式返回。

hive> select split('a-b-c-d','-');

输出：

hive> ["a","b","c","d"]

7）nvl ：替换null值

语法：nvl(A,B)

说明：若A的值不为null，则返回A，否则返回B。

hive> select nvl(null,1);

输出：

hive> 1

8）concat ：拼接字符串

语法：concat(string A, string B, string C, ……)

返回：string

说明：将A,B,C……等字符拼接为一个字符串

hive> select concat('beijing','-','shanghai','-','shenzhen');

输出：

hive> beijing-shanghai-shenzhen

9）concat_ws：以指定分隔符拼接字符串或者字符串数组

语法：concat_ws(string A, string…| array(string))

返回值：string

说明：使用分隔符A拼接多个字符串，或者一个数组的所有元素。

hive>select concat_ws('-','beijing','shanghai','shenzhen');

输出：

hive> beijing-shanghai-shenzhen

hive> select concat_ws('-',array('beijing','shenzhen','shanghai'));

输出：

hive> beijing-shanghai-shenzhen

10）get_json_object：解析json字符串

语法：get_json_object(string json_string, string path)

返回值：string

说明：解析json的字符串json_string，返回path指定的内容。如果输入的json字符串无效，那么返回NULL。

案例实操：

（1）获取json数组里面的json具体数据

hive> select get_json_object('[{"name":"大海海","sex":"男","age":"25"},{"name":"小宋宋","sex":"男","age":"47"}]','$.[0].name');

输出：

hive> 大海海

（2）获取json数组里面的数据

hive> select get_json_object('[{"name":"大海海","sex":"男","age":"25"},{"name":"小宋宋","sex":"男","age":"47"}]','$.[0]');

输出：

hive> {"name":"大海海","sex":"男","age":"25"}

8.2.4 日期函数

1）unix_timestamp：返回当前或指定时间的时间戳

语法：unix_timestamp()

返回值：bigint

案例实操：

hive> select unix_timestamp('2022/08/08 08-08-08','yyyy/MM/dd HH-mm-ss');

输出：

1659946088

说明：-前面是日期后面是指，日期传进来的具体格式

2）from_unixtime：转化UNIX时间戳（从 1970-01-01 00:00:00 UTC 到指定时间的秒数）到当前时区的时间格式

语法：from_unixtime(bigint unixtime[, string format])

返回值：string

案例实操：

hive> select from_unixtime(1659946088);

输出：

2022-08-08 08:08:08

3）current_date：当前日期

hive> select current_date;

输出：

2022-07-11

4）current_timestamp：当前的日期加时间，并且精确的毫秒

hive> select current_timestamp;

输出：

2022-07-11 15:32:22.402

5）month：获取日期中的月

语法：month (string date)

返回值：int

案例实操：

hive> select month('2022-08-08 08:08:08');

输出：

6）day：获取日期中的日

语法：day (string date)

返回值：int

案例实操：

hive> select day('2022-08-08 08:08:08')

输出：

7）hour：获取日期中的小时

语法：hour (string date)

返回值：int

案例实操：

hive> select hour('2022-08-08 08:08:08');

输出：

8）datediff：两个日期相差的天数（结束日期减去开始日期的天数）

语法：datediff(string enddate, string startdate)

返回值：int

案例实操：

hive> select datediff('2021-08-08','2022-10-09');

输出：

-427

9）date_add：日期加天数

语法：date_add(string startdate, int days)

返回值：string

说明：返回开始日期 startdate 增加 days 天后的日期

案例实操：

hive> select date_add('2022-08-08',2);

输出：

2022-08-10

10）date_sub：日期减天数

语法：date_sub (string startdate, int days)

返回值：string

说明：返回开始日期startdate减少days天后的日期。

案例实操：

hive> select date_sub('2022-08-08',2);

输出：

2022-08-06

11）date_format:将标准日期解析成指定格式字符串

hive> select date_format('2022-08-08','yyyy年-MM月-dd日')

输出：

2022年-08月-08日

8.2.5 流程控制函数

1）case when：条件判断函数

语法一：case when a then b [when c then d]* [else e] end

返回值：T

说明：如果a为true，则返回b；如果c为true，则返回d；否则返回 e

hive> select case when 1=2 then 'tom' when 2=2 then 'mary' else 'tim' end from tabl eName;

mary

语法二： case a when b then c [when d then e]* [else f] end

返回值: T

说明：如果a等于b，那么返回c；如果a等于d，那么返回e；否则返回f

hive> select case 100 when 50 then 'tom' when 100 then 'mary' else 'tim' end from t ableName;

mary

2）if: 条件判断，类似于Java中三元运算符

语法：if（boolean testCondition, T valueTrue, T valueFalseOrNull）

返回值：T

说明：当条件testCondition为true时，返回valueTrue；否则返回valueFalseOrNull

（1）条件满足，输出正确

hive> select if(10 > 5,'正确','错误');

输出：正确

（2）条件满足，输出错误

hive> select if(10 < 5,'正确','错误');

输出：错误

快长枝枝、

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Hive入门笔记04

Hive会将常用的逻辑封装成。
复制链接

扫一扫

Hive入门笔记04

6、 分组

6.1 Group By语句

6.2 Having语句

6.3 Join语句

6.3.1 等值Join

6.3.2 表的别名

6.3.3 内连接

6.3.4 左外连接

6.3.5 右外连接

6.3.6 满外连接

6.3.7 多表连接

6.3.8 笛卡尔集

6.3.9 联合（union & union all）

7、排序

7.1 全局排序（Order By）

7.1.2 每个Reduce内部排序（Sort By）

7.1.3 分区（Distribute By）

7.1.4 分区排序（Cluster By）

8、函数

8.1 函数简介

8.2 单行函数

8.2.1 算术运算函数

8.2.2 数值函数

8.2.3 字符串函数

8.2.4 日期函数

8.2.5 流程控制函数

6、分组