大数据基础平台——Hive数据查询操作

1.实验目的

1. 认识与了解基本查询；
2. 认识与了解数据聚合；
3. 认识与了解数据连接。

2.实验内容及结果截屏

1. 基本查询

①使用SELECT ... FROM ... LIMIT ...语句从航班表flights.flights14中选取所有列，并返回前5行：

 ②使用WHERE语句筛选航班表flights.flights14中出发地（列origin）为'JFK'、月份（列month）为6月的数据行：

 ③使用ORDER BY语句将返回结果按出发地（列origin）顺序、目的地（列dest）倒序排列：

 ④使用SELECT语句后跟列名，选取航班到达延误分钟数（列arr_delay）和出发延误分钟数（列dep_delay），并使用AS关键词将这两列重命名为delay_arr和delay_dep：

 ⑤使用SELECT语句后跟列名的表达式，新计算返回2列：平均速度（列speed）和总延误分钟数（列delay）：

 ⑥在SELECT语句中，使用DISTINCT关键词表示仅选取独立值：

（2）数据聚合

①调用聚合函数count()计算表flights.flights14的行数：

②使用GROUP BY语句指定按出发地（列origin）分组，计算各出发地的行数：

 

③使用GROUP BY语句指定多个列，计算各不同出发地（列origin）和目的地（列dest）的组合中，航空公司代码（列carrier）为'AA'的行数：

 ④使用HAVING语句对聚合结果做进一步筛选，返回所有出发地（列origin）和目的地（列dest）组合中，航空公司代码（列carrier）为'AA'的行数大于3000的记录：

 ⑤常用聚合函数

 

（3）数据连接

①内连接

使用INNER JOIN命令做内连接，并指定连接条件为航空公司代码（列carrier）相等：

 计算内连接后的记录条数：

 

②左连接

使用LEFT JOIN命令做左连接，并指定连接条件为航空公司代码（列carrier）相等：

 计算左连接后的记录条数：

 

 选取连接结果中航空公司描述（列description）为空的记录：

③全连接

使用FULL JOIN命令做全连接，并指定连接条件为航空公司代码（列carrier）相等：

 计算全连接后的记录条数：

 

 3.实验分析及小结

       在此次实验过程中，我初步认识、了解了基本查询、数据聚合与数据连接。由于步步紧跟指导，我的实验过程十分顺利，没有遇上问题。而在实验过程中，我体会到了不同的操作语句的执行时长的差异，例如倒序排列所需时间较长。在之后的实验中，我会更加细致，多学习到一些知识。