数据仓库学习笔记六

1. Hive高级操作

1.1 SELECT语句

        Hive SELECT 语句用于对表的查询，即按照规定的语法规则从表中选取数据，并将查询结果保存在结果表中。

where子句：        

        where条件必须是布尔表达式，用于过滤结果集。

ALL，DISTIVCT子句：

        ALL与DISTINCT选项表示是否返回重复行，默认是ALL，即返回匹配的行。大多数情况下使用DISTINCT子句指出在结果集重复出现的行。

LIMIT子句：

        LIMIT子句用于限制SELECT语句返回的行数，其后的整数型参数表示共返回多少行。

公共表表达式：

        公共表表达式可以表示一个临时的结果集(表)，该表通过一个简单的查询的查询指定，只要在CET语句范围内均可共享该临时表。

嵌套查询：

        嵌套查询也称为子查询，通常用于FROM子句后。

列匹配正则表达式：

        Hive SELECT语句支持使用正则表达式指定列名称，凡是符合正则表达式规则的列名将作为结果集中的一列。

虚拟列：

        虚拟列式并未在表中真正存在的列，但对于数据进行相关验证时非常有用。Hive的两个常用虚拟列介绍如下：

        INPUT__FILE__NAME：包含Mapper任务运行时输入文件名，也就是该行数据包含于哪个文件中。

        BLOCK__OFFSET__INSIDE__FILE：包含文件中的块内偏移量。

2. 关联查询

        关联查询是指对多表进行联合查询，主要通过JOIN语句将两个或多个表中的行组合在一起进行查询。HQL JOIN类似于SQL JOIN,但其仅支持等值连接，具体包括内连接(INNER JOIN)、外连接(OUTER JOIN)与交叉连接(CROSS JOIN)。

2.1 内连接

内连接用于按连接条件组合两个表中的纪录，返回两个表的交集。

2.2 外连接

（1）左外连接

        左外连接简称左连接。由内连接可以看出，结果集中的记录是在连接的两个表中都存在的记录。左连接的区别是左表的记录全部被选择，而右表只选择符合连接条件的记录，最后将无法与左表中记录进行对应的右表记录显示为NULL。

（2）右外连接

        右外连接简称右连接。与左连接相反，右连接将右表的记录全部选择，而将左表中没有符合连接条件的记录显示为NULL。

（3）全外连接

        全外连接结合了左连接和右连接的结果，即:对左表而言，右表中不符合连接好的记录显示为NULL:对右表而言，左表中不符合连接条件的记录显示为NuLL。

2.3 交叉连接

        交叉连接又称笛卡尔乘积，相当于两个表相乘。比如表A交叉连接表B，则表A中的每一条记录都与表 B中的每一条记录连接。