hive中的group by字句，正则全中文字段

hive wiki文档：

http://www.cnblogs.com/ggjucheng/archive/2013/01/09/2853798.html

Select语句和group by字句

当使用group by字句，select语句，只能包含group by包含的列。当然，在select语句，可以有多个聚合函数(例如count)。看一下例子：

CREATE TABLE t1(a INTEGER, b INTGER);

一个关于上表的group by的查询，可以是这样：

SELECT
   a,
   sum(b)
FROM
   t1
GROUP BY
   a;

上面的查询可以工作，因为select字句包含a(group by表达式)和一个聚合函数(sum(b)).

但是，下面的查询无法工作：

SELECT
   a,
   b
FROM
   t1
GROUP BY
   a;

select语句有多余的列(b),它不包含在group by字句(而且它也不是聚合函数)。这是因为，如果表t1看起来像：

a    b
------
100  1
100  2
100  3

如果group的key是a，那么当group a=100时，b的值在hive中应该显示多少？一种说法，它应该是第一个值或最低值，但我们都同意，有多种可能的选项。hive摒弃了这种猜测无效的SQL（HQL，要准确）：有一列在select子句中，却不包含在GROUP BY子句中。

（1）在mysql中select中出现group by中没有出现的列

则GROUP BY 在分组的时候，可能是一个一个来找的，发现有相等的，去掉，保留第一个发现的那一条记录。

但是hive摒弃了这种猜测无效的SQL。

（2） a.province rlike '^[\\u4e00-\\u9fa5]+$'，正则全中文字段

USE default;

select c.province,count(c.cookie)

from

(select b.cookie,b.province

from

(select a.cookie, a.province

from default.ud_al_allbaidu_session_data a

where a.partition_stat_date=20130114

         and  a.province rlike '^[\\u4e00-\\u9fa5]+$'    

) b

group by b.cookie,b.province) c

group by c.province

;