Hive 查询

最新推荐文章于 2021-09-13 17:42:42 发布
最新推荐文章于 2021-09-13 17:42:42 发布
阅读量332 收藏
点赞数
分类专栏： # Hive 文章标签： Hive
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Java_Road_Far/article/details/98303611
版权

文章目录

一、 基本查询

1.1 全表和特定列查询

1.2 列别名

1.3 算术运算符

1.4 常用函数

1.5 Limit 语句

二、Where 语句

2.1 比较运算符

2.2 Like 和 Rlike

2.3 逻辑运算符（and/or/not）

三、分组

3.1 Group By 语句

3.2 Having 语句

四、Join语句

4.1 等值 Join

4.2 表的别名

4.3 内连接

4.4 左外连接

4.5 右外连接

4.6 满外连接

4.7 多表查询

4.8 笛卡尔积

4.9 连接谓词中不支持or

五、 排序

5.1 全局排序

5.2 按照别名排序

5.3 多个列排序

5.4 每个 MapReduce 内部排序(Sort By)

5.5 分区排序(Distribute By)

5.6 Cluster By

六、分桶及抽样查询

6.1 分桶表数据存储

      分区针对的是数据的存储路径；分桶针对的是数据文件。

      分区提供一个隔离数据和优化查询的便利方式。不过，并非所有的数据集都可形成合理的分区，特别是之前所提到过的要确定合适的划分大小这个疑虑。

      分桶是将数据集分解成更容易管理的若干部分的另一个技术。

  1. 先创建分桶表，通过直接导入数据文件的方式
    ① 数据准备

    1001	ss1
1002	ss2
1003	ss3
1004	ss4
1005	ss5
1006	ss6
1007	ss7
1008	ss8
1009	ss9
1010	ss10
1011	ss11
1012	ss12
1013	ss13
1014	ss14
1015	ss15
1016	ss16

    ② 创建分桶表

    create table stu_buck(id int, name string)
clustered by(id) 
into 4 buckets
row format delimited fields terminated by '\t';

    ③ 查看表结构

    hive (default)> desc formatted stu_buck;
Num Buckets:            4

    ④ 导入数据到分桶表中

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

    ⑤ 查看创建的分桶表中是否分成4个桶
    发现并没有分成4个桶。是什么原因呢？

  2. 创建分桶表时，数据通过子查询的方式导入
    ① 先建一个普通的stu表

    create table stu(id int, name string)
row format delimited fields terminated by '\t';

    ② 向普通的stu表中导入数据

    load data local inpath '/opt/module/datas/student.txt' into table stu;

    ③ 清空stu_buck表中数据

    truncate table stu_buck;
select * from stu_buck;

    ④ 导入数据到分桶表，通过子查询的方式

    insert into table stu_buck
select id, name from stu;

    ⑤ 发现还是只有一个分桶，如图所示

    ⑥ 需要设置一个属性

    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 查询分桶的数据

    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    ss15

6.2 分桶抽样查询

      对于非常大的数据集，有时用户需要使用的是一个具有代表性的查询结果而不是全部结果。Hive可以通过对表进行抽样来满足这个需求。
      查询表stu_buck中的数据。

hive (default)> select * from stu_buck tablesample(bucket 1 out of 4 on id);

      注：tablesample是抽样语句，语法：TABLESAMPLE(BUCKET x OUT OF y) 。

      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4份，当y=2时，抽取(4/2=)2个bucket的数据，当y=8时，抽取(4/8=)1/2个bucket的数据。

      x表示从哪个bucket开始抽取，如果需要取多个分区，以后的分区号为当前分区号加上y。例如，table总bucket数为4，tablesample(bucket 1 out of 2)，表示总共抽取（4/2=）2个bucket的数据，抽取第1(x)个和第3(x+y)个bucket的数据。

      注意：x的值必须小于等于y的值，否则
      FAILED: SemanticException [Error 10061]: Numerator should not be bigger than denominator in sample clause for table stu_buck

七、其他常用查询函数

7.1 空字段赋值

  1. 函数说明
          NVL：给值为NULL的数据赋值，它的格式是NVL( string1, replace_with)。它的功能是如果string1为NULL，则NVL函数返回replace_with的值，否则返回string1的值，如果两个参数都为NULL ，则返回NULL。

  2. 数据准备：采用员工表

  3. 查询：如果员工的comm为NULL，则用-1代替

    hive (default)> select nvl(comm,-1) from emp;
OK
_c0
20.0
300.0
500.0
-1.0
1400.0
-1.0
-1.0
-1.0
-1.0
0.0
-1.0
-1.0
-1.0
-1.0

  4. 查询：如果员工的comm为NULL，则用领导id代替

hive (default)> select nvl(comm,mgr) from emp;
OK
_c0
20.0
300.0
500.0
7839.0
1400.0
7839.0
7839.0
7566.0
NULL
0.0
7788.0
7698.0
7566.0

7.2 CASE WHEN

  1. 数据准备

    namedept_idsex
    悟空A男
    沙僧B男
    八戒A男
    白骨精B女
    蜘蛛精B女
    狐狸精A女

  2. 需求
    求出不同部门各男女各多少人

  3. 创建本地 emp_sex.txt ， 导入数据

    [kino@hadoop102 datas]$ vim emp_sex.txt
悟空	A	男
沙僧	B	男
八戒	A	男
白骨精	B	女
蜘蛛精	B	女
狐狸精	A	女

  4. 创建hive表并导入数据

    create table emp_sex(
name string, 
dept_id string, 
sex string) 
row format delimited fields terminated by "\t";
load data local inpath '/opt/module/datas/emp_sex.txt' into table emp_sex;

  5. 按需求查询数据

    select 
  dept_id,
  sum(case sex when '男' then 1 else 0 end) male_count,
  sum(case sex when '女' then 1 else 0 end) female_count
from 
  emp_sex
group by
  dept_id;

7.3 行转列

7.4 列转行

7.5 窗口函数

7.6 Rank

丶kino丶
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Java SparkSQL 查询Hive
杨鑫newlife的专栏
05-22 2538
private List<List<String>> queryHiveData(String sql, String master) { List<List<String>> returnData = new ArrayList<>(); SparkSession spark = SparkSession.builder...
java_hive简单查询
04-07
1.通过java查hive hive查询 2.简单查询及jar包
java hive查询_Java操作Hive
weixin_34785304的博客
02-12 766
packagecom.zhi.test.hive;importjava.sql.Connection;importjava.sql.DriverManager;importjava.sql.ResultSet;importjava.sql.SQLException;importjava.sql.Statement;importorg.apache.logging.log4j.LogManager;...
Java 操作Hive功能代码
zhouzhiwengang的专栏
07-05 2225
第一步：pom.xml 依赖jar包 <dependency> <groupId>org.apache.hive</groupId> <artifactId>hive-jdbc</artifactId> <version>3.1.0</version> </depen...
Hive JDBC Java示例项目
编程圈子-谢厂节的博客
05-19 3830
一、搭建Hive JDBC开发环境首先要启动hive监听程序hive --service hiveserver &默认端口10000创建Maven工程项目结构： 新建TestHiveJdbc工程 创建pom.xml <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchem
hive查询优化
10-21
hive作为hadoop系列的计算模型，在公司的数据清洗和报表开发广泛使用，合理的优化自己的语句结构可以节省计算时间，优化集群的计算资源，下面总结下日常工作中自己碰到的一些问题和别人总结的一些方法。
HIVE查询优化
01-07
Hive QL的执行本质上是MR任务的运行，因此优化主要考虑到两个方面：Mapreduce任务优化、SQL语句优化 一、Mapreduce任务优化 1、设置合理的task数量（map task、reduce task） 这里有几个考虑的点，一方面Hadoop MR ...
14-Hive查询1
最新发布
08-08
【Hive查询详解】 Hive 是一种基于 Hadoop 的数据仓库工具，它允许用户使用类 SQL 语言（称为HiveQL或HQL）查询和管理分布式存储的数据。Hive 的查询过程遵循 Hadoop MapReduce 作业执行模型，将用户的 SQL 语句...
龙战于野大数据MR原理启动hive查询表分区.docx
03-13
Hive查询表分区的MR原理启动详解 Hive是一款基于Hadoop的数据仓库工具，主要用于处理结构化和半结构化的数据。MR（MapReduce）是Hadoop中的一种编程模型，用于处理大规模数据。在Hive中，MR原理启动是指使用...
01.hive查询语法--基本查询--条件查询--关联查询.mp4
04-28
01.hive查询语法--基本查询--条件查询--关联查询.mp4
java连接zookeeper高可用Hive报错
爱米酱的博客
09-13 1209
今天在使用Java连接zookeeper高可用Hive时报错： java.lang.NullPointerException at org.apache.thrift.transport.TSocket.open(TSocket.java:209) 当前我的hadoop版本及hive版本如下： <hadoop.version>2.6.0-cdh5.5.2</hadoop.version> <hive.version>1.1.0-cdh5.16.2&lt..
使用 JDBC 连接 hive 查询后把数据使用java反射注入到对象
weixin_38297853的博客
01-29 3704
要求 : 学习hive有几周了,最近一直使用javaJDBC的方式连接hive进行操作，目前我还不知道有没有第三方的框架能做哈（刚玩不清楚）,今天发现使用JDBC查询出来的结果 只能根据 列名 或者 下标 获取值，这种方式感觉太不灵活了,就想按照mybatis/hibernate 这样的 ORM 框架 可以把数据自动注入封装到 类中 结果 : 通过一下午的实验，使用JAVA反射的方式可以把数据封
Hive中java对数据库、表的操作
07-07 5518
在应用Hive之前，首先搭建Hive环境，关于Hive的搭建 参考之前的搭建文档http://blog.csdn.net/liulihui1988/article/details/74351532java代码执行Hive脚本java代码执行Hive脚本，需要启动Hive的内部服务，供其他或者java代码链接，Hive内部服务启动命令# ./hive --service hiveserver2启动成功
java连接hive数据库查询数据
tianyacho的专栏
08-28 3315
做项目中需要连接第三方公司的hive数据库，由于我们是在内网做的项目，没有使用maven来进行项目管理，jar包需要一个一个的导入，看了网上博友们给的例子都很简单，可是自己亲子实战后，各种报找不到类的异常。只能根据缺少的jar包一个一个的去网上下载，一个一个的解决。费心呢！我也把代码发一下吧！ import java.sql.Connection; import java.sql.DriverManager; import java.sql.ResultSet; import java.s...
使用JDBC连接和操作hive（hiveserver2）
逆天骚年的博客
04-14 5117
第一步：创建项目 并导入hive相关jar包第二步：编写代码如下：import java.sql.Statement;import java.sql.DriverManager;import org.apache.tools.ant.taskdefs.Echo;public class TestHive2 { private static String driverName = "org.apa...
Java连接Hive使用Zookeeper的方式
anya7667的博客
07-27 3759
　　Java连接Hive的方式就是通过JDBC的方式来连接，URL为jdbc:hive2://host:port/db;principal=X@BIGDATA.COM等，这种方式是直接连接HiveServer2服务的，但是在现实中，还有一种以Zookeeper的方式去连接，例如： jdbc:hive2://zk01:2181,zk02:2181,zk03:2181/;service...
HIVE---HIve的JavaAPI操作
FeelTouch Labs
08-18 5659
基于hadoop的Hive数据仓库JavaAPI简单调用的实例，关于Hive的简介在此不赘述。hive提供了三种用户接口：CLI，JDBC/ODBC和 WebUI CLI，即Shell命令行 JDBC/ODBC 是 Hive 的Java，与使用传统数据库JDBC的方式类似 WebGUI是通过浏览器访问 Hive 本文主要介绍的就是第二种用户接口，直接进入正题。 1、Hive 安装：
Hive查询优化技巧与数据布局策略
的一次演讲，详细介绍了优化Hive查询的一些实践方法。以下是文档的主要内容概要： 1. 数据布局（Data Layout） 数据布局是影响Hive性能的关键因素。正确的数据组织方式可以显著提高查询效率。首先，需要考虑你的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值