本文介绍了HiveSQL中的基本查询操作，如全选、单列查询、数据量统计等，以及RLIKE正则表达式匹配、union联合查询、数据抽样（随机分桶和数据块抽样）和虚拟列的使用。这些技巧对于Hive数据库管理和数据分析至关重要。
目录
一、基本查询
1.查询所有
select * from table_name;
2.查询单列
select column_name from table_name;
3.查询数据量
select count(*) from table_name;
4.过滤(where)
select * from table_name where column_name like ' XXX';
5.查找最大值(max)
select * from table_name order by column_name desc limit number;
6.分组统计(count)
select count(*) as 别名 from table_name group by column_name;
7.分组查找(group by)
select max(column_name) as 别名 from table_name group by column_name; 
8.计算均值(avg)
select avg(column_name) from table_name group by column_name;
9.分组过滤(having)
select avg(column_name) from table_name group by column_name having 过滤条件;
10.关联表(join)
select a.column1,a.column2,b.column1,b.column2 from a join b on 关联条件;
11.左外关联(left join)
select a.column1,a.column2,b.column1,b.column2 from a left join b on 关联条件;
二、RLIKE正则匹配
| 字符 | 匹配 | 示例 |
| . | 任意单个字符 | jav.匹配java |
| [ ] | [ ]中任意一个字符 | java匹配j[ abc ]va |
| ^ | 在[ ]内的开头，匹配除[ ]内字符之外的任意一个字符 | java匹配j[ ^b-f ]va |
| | | 或 | x | y 匹配x或y |
| \ | 将下一个字符标记为特殊字符、文本、反向引用或八进制转义符 | \（ 匹配 （ |
| $ | 匹配输入字符串结尾的位置，如果设置RegExp对象的Multiline属性，$还会与“\n”或"\r"之前的位置匹配 | ；$匹配位于一行及外围的；号 |
| * | 0次或多次匹配前面的字符 | zo*匹配zoo或z |
| + | 一次或多次匹配前面的字符 | zo+匹配zo或zoo |
| ？ | 0次或一次匹配前面的字符 | zo？匹配z或zo |
| p{n} | n是非负整数，正好匹配n次 | o{2}匹配food中的两个o |
| p{n，} | 至少匹配n次 | o{2，}匹配foood中的所有o |
| p{n，m} | m和n是非负整数，其中n<=m，匹配至少n次，至多m次 | o{1，3}匹配fooood中三个o |
| \p{P} | 一个标点字符！“#$%&+,-./:;<=>?@[\]^_'{|}~” | J\p{P}a匹配J？a |
| \b | 匹配一个字边界 | va\b匹配java中的va，但匹配不到javar中的va |
| \B | 非字边界匹配 | va\B匹配javar中va，但匹配不到java中的va |
| \d | 数字字符匹配 | 1[\\d]匹配13 |
| \D | 非数字字符匹配 | [\\D]java匹配Jjava |
| \w | 单词字符 | java匹配[\\w]ava |
| \W | 非单词字符 | $java匹配[\\W]java |
| \s | 空白字符 | Java 2匹配java\\s2 |
| \S | 非空白字符 | java匹配j[\\S]va |
| \f | 匹配换页符 | 等效于\x0c和\cJ |
| \n | 匹配换行符 | 等效于\x0a和\cJ |
例：查找广东省的数据
例：查找用户地址是：XX省 XX市 XX区
例：查找用户姓为：张、王、邓
例：查找手机号符合：188***0***规则
三、union联合查询
union用于将多个select的结果组合成单个结果集。每个select语句返回的列的数量和名称必须相同，否则，将会引发架构错误。
基础语法：
select ...
union [ all ]
select ...
1.union基础查询
2.去重
语法：
select ... union select...
3.不去重
语法：
select ... union all select....
4.将union结果作为from对象
select column from （select ... union [all] select ...）
5.用于insert select
四、数据抽样（tablesample）
（1）随机分桶抽样
语法：
select ... from table_name tablesample(bucket x out of y on (colname | rand()))
注释：y表示将表数据随机划分成y份（y个桶）
x表示从y里面随机抽取x份数据作为取样
colname 表示随机的依据基于某个列的值（建议分桶表使用）
rand（）表示随机的依据基于整行（普通表使用）
注意：
使用colname作为随机依据，则其他条件不变下，每次抽样的结果一致
使用rand（）作为随机依据，每次抽样结果都不同
（2）基于数据块抽样
语法：
select ... from table_name tablesample(num rows | num percent | num(K|M|G));
num rows 表示抽取num条数据
num percent 表示抽样num百分百比例数据
num（K|M|G）表示抽取num大小的数据，单位可以是K、M、G表示KB、MB、GB
注意：
使用这种语法抽样，条件不变的话，每一次抽样的结果都一致，无法做到随机，只是按照数据顺序从前向后取。
五、虚拟列
虚拟列是Hive内置的可以在查询语句中使用的特殊标记，可以查询数据本身的详细参数。
目前Hive可用3个虚拟列：
input_ _file_ _name，显示数据行所在的具体文件
block_ _offset_ _inside_ _file，显示数据行所在文件的偏移量
row_ _offset_ _inside_ _block，显示数据所在的HDFS块的偏移量看，需要运行语句
SET hive.exec.rowoffset=true
虚拟列同样适用于where，group等查询语句
413
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
