Hive专题七---Hive查询

最新推荐文章于 2023-08-02 19:07:14 发布
最新推荐文章于 2023-08-02 19:07:14 发布
阅读量308 收藏 2
点赞数
分类专栏： hive 文章标签： Hive 查询 join partition
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/qq_21439395/article/details/88980528
版权

版权声明：本文为博主原创文章，转载请注明出处。

交流QQ: 824203453

欢迎访问博主个人主页：http://www.oldsheep.cn 

 

 

 

Hive查询

https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Select

[WITH CommonTableExpression (, CommonTableExpression)*]    (Note: Only available starting with Hive 0.13.0)

SELECT [ALL | DISTINCT] select_expr, select_expr, ...

FROM table_reference

[WHERE where_condition]

[GROUP BY col_list]

[ORDER BY col_list]

[CLUSTER BY col_list

| [DISTRIBUTE BY col_list] [SORT BY col_list]

]

[LIMIT number]

 Hive查询主要可以分为三种模型：

    逐行运算模型 ，分组模型， 关联查询模型

 

 基本查询（Select…From）

全表和特定列查询

全表查询

hive (default)> select * from emp;

选择特定列查询

hive (default)> select empno, ename from emp;

注意：

SQL 语言大小写不敏感。

SQL 可以写在一行或者多行

关键字不能被缩写也不能分行

各子句一般要分行写。

使用缩进提高语句的可读性。

列别名

重命名一个列。

便于计算。

紧跟列名，也可以在列名和别名之间加入关键字‘AS’

案例实操

查询名称和部门

hive (default)> select ename AS name, deptno dn from emp;

算术运算符

运算符

描述

A+B

A和B 相加

A-B

A减去B

A*B

A和B 相乘

A/B

A除以B

A%B

A对B取余

A&B

A和B按位取与

A|B

A和B按位取或

A^B

A和B按位取异或

~A

A按位取反

案例实操

查询出所有员工的薪水后加1显示。

hive (default)> select sal +1 from emp;

常用函数

求总行数（count）
hive (default)> select count(*) cnt from emp;

求工资的最大值（max）
hive (default)> select max(sal) max_sal from emp;

求工资的最小值（min）
hive (default)> select min(sal) min_sal from emp;

求工资的总和（sum）
hive (default)> select sum(sal) sum_sal from emp;

求工资的平均值（avg）
hive (default)> select avg(sal) avg_sal from emp;

Limit语句

典型的查询会返回多行数据。LIMIT子句用于限制返回的行数。

hive (default)> select * from emp limit 5;

Where语句

使用WHERE子句，将不满足条件的行过滤掉。

WHERE子句紧随FROM子句。

案例实操

查询出薪水大于1000的所有员工

hive (default)> select * from emp where sal >1000;

比较运算符（Between/In/ Is Null）

下面表中描述了谓词操作符，这些操作符同样可以用于JOIN…ON和HAVING语句中。

操作符

支持的数据类型

描述

A=B

基本数据类型

如果A等于B则返回TRUE，反之返回FALSE

A<=>B

基本数据类型

如果A和B都为NULL，则返回TRUE，其他的和等号（=）操作符的结果一致，如果任一为NULL则结果为NULL

A<>B, A!=B

基本数据类型

A或者B为NULL则返回NULL；如果A不等于B，则返回TRUE，反之返回FALSE

A<B

基本数据类型

A或者B为NULL，则返回NULL；如果A小于B，则返回TRUE，反之返回FALSE

A<=B

基本数据类型

A或者B为NULL，则返回NULL；如果A小于等于B，则返回TRUE，反之返回FALSE

A>B

基本数据类型

A或者B为NULL，则返回NULL；如果A大于B，则返回TRUE，反之返回FALSE

A>=B

基本数据类型

A或者B为NULL，则返回NULL；如果A大于等于B，则返回TRUE，反之返回FALSE

A [NOT] BETWEEN B AND C

基本数据类型

如果A，B或者C任一为NULL，则结果为NULL。如果A的值大于等于B而且小于或等于C，则结果为TRUE，反之为FALSE。如果使用NOT关键字则可达到相反的效果。

A IS NULL

所有数据类型

如果A等于NULL，则返回TRUE，反之返回FALSE

A IS NOT NULL

所有数据类型

如果A不等于NULL，则返回TRUE，反之返回FALSE

IN(数值1, 数值2)

所有数据类型

使用 IN运算显示列表中的值

A [NOT] LIKE B

STRING 类型

B是一个SQL下的简单正则表达式，如果A与其匹配的话，则返回TRUE；反之返回FALSE。B的表达式说明如下：‘x%’表示A必须以字母‘x’开头，‘%x’表示A必须以字母’x’结尾，而‘%x%’表示A包含有字母’x’,可以位于开头，结尾或者字符串中间。如果使用NOT关键字则可达到相反的效果。

A RLIKE B, A REGEXP B

STRING 类型

B是一个正则表达式，如果A与其匹配，则返回TRUE；反之返回FALSE。匹配使用的是JDK中的正则表达式接口实现的，因为正则也依据其中的规则。例如，正则表达式必须和整个字符串A相匹配，而不是只需与其字符串匹配。

2）案例实操

查询出薪水等于5000的所有员工
hive (default)> select * from emp where sal =5000;

（2）查询工资在500到1000的员工信息
hive (default)> select * from emp where sal between 500 and 1000;

（3）查询comm为空的所有员工信息
hive (default)> select * from emp where comm is null;

（4）查询工资是1500和5000的员工信息
hive (default)> select * from emp where sal IN (1500, 5000);

Like和RLike

使用LIKE运算选择类似的值

选择条件可以包含字符或数字:

% 代表零个或多个字符(任意个字符)。

_ 代表一个字符。

3）RLIKE子句是Hive中这个功能的一个扩展，其可以通过Java的正则表达式这个更强大的语言来指定匹配条件。

4）案例实操

查找以2开头薪水的员工信息
hive (default)> select * from emp where sal LIKE '2%';

（2）查找第二个数值为2的薪水的员工信息
hive (default)> select * from emp where sal LIKE '_2%';

（3）查找薪水中含有2的员工信息
hive (default)> select * from emp where sal RLIKE '[2]';

逻辑运算符（And/Or/Not）

操作符

含义

AND

逻辑并

OR

逻辑或

NOT

逻辑否

案例实操

查询薪水大于1000，部门是30
hive (default)> select * from emp where sal>1000 and deptno=30;

（2）查询薪水大于1000，或者部门是30
hive (default)> select * from emp where sal>1000 or deptno=30;

（3）查询除了20部门和30部门以外的员工信息
hive (default)> select * from emp where deptno not IN(30, 20);

分组

Group By语句

GROUP BY语句通常会和聚合函数一起使用，按照一个或者多个列队结果进行分组，然后对每个组执行聚合操作。

案例实操：

计算emp表每个部门的平均工资
hive (default)> select t.deptno, avg(t.sal) avg_sal from emp t group by t.deptno;

（2）计算emp每个部门中每个岗位的最高薪水
hive (default)> select t.deptno, t.job, max(t.sal) max_sal from emp t group by t.deptno, t.job;

Having语句

having与where不同点

where针对表中的列发挥作用，查询数据；having针对查询结果中的列发挥作用，筛选数据。

where后面不能写分组函数，而having后面可以使用分组函数。

having只用于group by分组统计语句。

案例实操：

求每个部门的平均薪水大于2000的部门

求每个部门的平均工资
hive (default)> select deptno, avg(sal) from emp group by deptno;

求每个部门的平均薪水大于2000的部门
hive (default)> select deptno, avg(sal) avg_sal from emp group by deptno having avg_sal > 2000;

 

注意： 一旦有group by子句，那么，在select子句中就不能有 （分组字段，聚合函数） 以外的字段

## 为什么where必须写在group by的前面，为什么group by后面的条件只能用having

因为，where是用于在真正执行查询逻辑之前过滤数据用的

having是对group by聚合之后的结果进行再过滤；

上述语句的执行逻辑：

  1. where过滤不满足条件的数据
  2. 用聚合函数和group by进行数据运算聚合，得到聚合结果
  3. 用having条件过滤掉聚合结果中不满足条件的数据

Join语句

等值Join

Hive支持通常的SQL JOIN语句，但是只支持等值连接，不支持非等值连接。

案例实操

根据员工表和部门表中的部门编号相等，查询员工编号、员工名称和部门编号；

hive (default)> select e.empno, e.ename, d.deptno, d.dname from emp e join dept d on e.deptno = d.deptno;

表的别名

好处

使用别名可以简化查询。

使用表名前缀可以提高执行效率。

案例实操

合并员工表和部门表

hive (default)> select e.empno, e.ename, d.deptno from emp e join dept d on e.deptno = d.deptno;

内连接

内连接：只有进行连接的两个表中都存在与连接条件相匹配的数据才会被保留下来。

hive (default)> select e.empno, e.ename, d.deptno from emp e join dept d on e.deptno = d.deptno;

左外连接

左外连接：JOIN操作符左边表中符合WHERE子句的所有记录将会被返回。

hive (default)> select e.empno, e.ename, d.deptno from emp e left join dept d on e.deptno = d.deptno;

左半连接

左半连接：只返回join连接两个表后产生的数据中的左半部分

       hive旧版本中不支持exist/IN子查询，可以用left semi join来实现同样的效果。

hive (default)> select a.name as aname, a.numb as anumb from t_a a  left semi join t_b b on a.name=b.name;

右外连接

右外连接：JOIN操作符右边表中符合WHERE子句的所有记录将会被返回。

hive (default)> select e.empno, e.ename, d.deptno from emp e right join dept d on e.deptno = d.deptno;

全外连接

满外连接：将会返回所有表中符合WHERE语句条件的所有记录。如果任一表的指定字段没有符合条件的值的话，那么就使用NULL值替代。

hive (default)> select e.empno, e.ename, d.deptno from emp e full join dept d on e.deptno = d.deptno;

多表连接

注意：连接 n个表，至少需要n-1个连接条件。例如：连接三个表，至少需要两个连接条件。

数据准备

1700 Beijing
1800 London
1900 Tokyo

创建表

create table if not exists default.location(
loc int,
loc_name string
)
row format delimited fields terminated by '\t';

导入数据

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

多表连接查询

hive (default)>SELECT e.ename, d.deptno, l. loc_name
FROM   emp e
JOIN   dept d
ON     d.deptno = e.deptno
JOIN   location l
ON     d.loc = l.loc;

大多数情况下，Hive会对每对JOIN连接对象启动一个MapReduce任务。本例中会首先启动一个MapReduce job对表e和表d进行连接操作，然后会再启动一个MapReduce job将第一个MapReduce job的输出和表l;进行连接操作。

注意：为什么不是表d和表l先进行连接操作呢？这是因为Hive总是按照从左到右的顺序执行的。

笛卡尔积

笛卡尔集会在下面条件下产生:

省略连接条件

连接条件无效

所有表中的所有行互相连接

案例实操

hive (default)> select empno, deptno from emp, dept;
FAILED: SemanticException Column deptno Found in more than One Tables/Subqueries

连接谓词中不支持or

hive (default)> select e.empno, e.ename, d.deptno from emp e join dept d on e.deptno = d.deptno or e.ename=d.ename;   错误的

排序

全局排序（Order By）

Order By：全局排序，一个MapReduce

使用 ORDER BY 子句排序

ASC（ascend）: 升序（默认）

DESC（descend）: 降序

ORDER BY 子句在SELECT语句的结尾。

案例实操

   查询员工信息按工资升序排列
hive (default)> select * from emp order by sal;

（2）查询员工信息按工资降序排列
hive (default)> select * from emp order by sal desc;

按照别名排序

按照员工薪水的2倍排序

hive (default)> select ename, sal*2 twosal from emp order by twosal;

多个列排序

按照部门和工资升序排序

hive (default)> select ename, deptno, sal from emp order by deptno, sal ;

每个MapReduce内部排序（Sort By）

Sort By：每个MapReduce内部进行排序，对全局结果集来说不是排序。

设置reduce个数
hive (default)> set mapreduce.job.reduces=3;

2）查看设置reduce个数
hive (default)> set mapreduce.job.reduces;

3）根据部门编号降序查看员工信息
hive (default)> select * from emp sort by empno desc;

将查询结果导入到文件中（按照部门编号降序排序）
hive (default)> insert overwrite local directory '/opt/module/datas/sortby-result' select * from emp sort by deptno desc;

分区排序（Distribute By）

Distribute By：类似MR中partition，进行分区，结合sort by使用。

注意，Hive要求DISTRIBUTE BY语句要写在SORT BY语句之前。

对于distribute by进行测试，一定要分配多reduce进行处理，否则无法看到distribute by的效果。

案例实操：

先按照部门编号分区，再按照员工编号降序排序。

hive (default)> set mapreduce.job.reduces=3;
hive (default)> insert overwrite local directory '/opt/module/datas/distribute-result' select * from emp distribute by deptno sort by empno desc;

Cluster By

当distribute by和sorts by字段相同时，可以使用cluster by方式。

cluster by除了具有distribute by的功能外还兼具sort by的功能。但是排序只能是倒序排序，不能指定排序规则为ASC或者DESC。

以下两种写法等价

hive (default)> set mapreduce.job.reduces=3;
hive (default)> insert overwrite local directory '/opt/module/datas/distribute-result' select * from emp distribute by deptno sort by empno desc;

注意：按照部门编号分区，不一定就是固定死的数值，可以是20号和30号部门分到一个分区里面去。

分桶及抽样查询

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。

先创建分桶表，通过直接导入数据文件的方式

数据准备：

1001 ss1
1002 ss2
1003 ss3
1004 ss4
1005 ss5
…

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';

查看表结构

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

Num Buckets:            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;

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;

清空stu_buck表中数据

truncate table stu_buck;
select * from stu_buck;

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;

发现还是只有一个分桶

注意：需要设置一个属性 set hive.enforce.bucketing=true;

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;

 

查询分桶的数据

hive (default)> select * from stu_buck;
OK

stu_buck.id     stu_buck.name

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

 

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。例如，table总bucket数为4，tablesample(bucket 4 out of 4)，表示总共抽取（4/4=）1个bucket的数据，抽取第4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

数据块抽样

Hive提供了另外一种按照百分比进行抽样的方式，这种是基于行数的，按照输入路径下的数据块百分比进行的抽样。

hive (default)> select * from stu tablesample(0.1 percent) ;

提示：这种抽样方式不一定适用于所有的文件格式。另外，这种抽样的最小抽样单元是一个HDFS数据块。因此，如果表的数据大小小于普通的块大小128M的话，那么将会返回所有行。

 

 

版权声明：本文为博主原创文章，转载请注明出处。

交流QQ: 824203453

欢迎访问博主个人主页：http://www.oldsheep.cn 

gssgch
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
hive基本操作
05-16
hive 基本操作的命令和hive 实用命令等，有利与学习hive和mysql
hive实例操作
王同学的博客
01-18 488
Hive操作演示 在usr下，mkdir /wang hadoop fs -mkdir /upload hadoop fs -chmod g+w /upload 上传数据 [root@master wang]# hadoop fs -put emp.csv /upload [root@master wang]# hadoop fs -put dept.csv /upload 服务端：hiveserver2 & 客户端： 使用anonymous登录 beeline -u jdbc:hi
数据库原理及应用
ca1m4n的博客
05-05 558
E4-E5游标与触发器E4 基于Mysql的游标定义和应用问题1：请写一个程序，根据输入的部门编号，得到所有员工的姓名和工资问题2:请写一个程序:根据输入的部门编号，得到该部门所有员工的平均工资问题3：请写一个程序:更改所有员工的津贴:如果员工的原津贴小于100;则改为200;如果空值则赋100元E5 触发器的定义和应用问题1：设计一个行触发器:当DEPT表中deptno列的值被更新时，EMP表中相应的deptno值也被修改问题2：设计一个行触发器用于emp表的更新，当修改员工时候触发更新所在部门的工资总和
mysql编写存储过程给员工加工资_一个增加员工工资的数据库存储过程
weixin_34832809的博客
02-06 5024
一个面试问题，写一个SQL语句或者存储过程，给员工加工资，当员工里面有一半的人没有达到6000元的时候，所有员工加100，并打印加了多少工资。存储过程如下：--给员工加工资，当员工里面有一半的人没有达到6000元的时候，所有员工加100，并打印加了多少工资create table [#t](id int, name char(10),sal int) --创建临时表insert into #t...
优化拥有谓词or的子查询
congdiku5262的博客
07-13 97
于节点2上发现一个sql，其结构如下：select distinct t.attr, t.itemfrom a twhere attr = :1 and (pro = :2 or exists (select 1...
hive-jdbc-3.1.2-standalone
07-18
hive-jdbc-3.1.2-standalone适用于linux
hive-jdbc-1.2.1-standalone.jar
10-21
dbeaver-cli.exe客户端连接hive所需要的其中一个jar包 hive-jdbc-1.2.1-standalone.jar
hive-jdbc-3.1.0.jar
08-23
hive jdbc 3.1.0 jar
hive2.1.1-cdh6.3.2
05-08
hive JDBC jar包全家桶。由于项目使用，此jar包从国外下载费了好大劲，现分享给大家。 cdh6.3.2版本的
hive-jdbc-3.1.1-standalone.jar
06-21
hive版本匹配的驱动，该驱动可以在hive的jdbc目录下找到
Mysql练习
shanhuchong67的专栏
11-30 567
练习： 1、 创建数据库db1  ----create  database  db1; 2、 创建数据库db2指定字符编码和校对规则 3、 显示所有的数据库  -----show  databases; 4、 显示db2数据库的编码-----show  create  database  db2; 5、 将db2的字符编码设置为gbk  ----alter  database  db2
Spark SQL 教程
u012501054的博客
12-25 4521
一、什么是Spark SQL Spark SQL是Spark用来处理结构化数据的一个模块，它提供了两个编程抽象分别叫做DataFrame和DataSet，它们用于作为分布式SQL查询引擎。从下图可以查看RDD、DataFrames与DataSet的关系。   image.png 二、为什么要学习Spark SQL？ 我们已经学习了Hive，它是将Hive SQL转换成MapReduc...
Hadoop 实验四 Hive实践
L2489754250的博客
06-06 819
来自我们老师PPT，我只是写自己的操作过程。
【SQL相关】Hive进行表关联时on后不支持非等值连接的解决方法
cielo的博客
08-02 1191
1.报错原因Hive查询语言的设计目标是与传统的SQL类似，但它在某些方面有一些限制。标准的SQL（如ORACLE、MySQL）是支持对连接条件进行非等值连接的，但是在hive中不支持。主要原因是mapreduce很难实现这种类型的连接，因为这些类型的连接会导致非常复杂的查询计划和性能问题。为了避免这种情况，Hive限制了连接操作的类型，只支持等值连接。非等值连接主要包括在连接条件中使用>、=、
Hive常见查询操作与函数汇总
XMZHSY的博客
05-05 4259
一、查询操作 1、基本查询 全表和特定列查询 列别名 算术运算符 Limit语句 2、Where语句 比较运算符 Like与RLike 逻辑运算符 3、Join语句 表别名 等值Join 内连接 左外连接 右外连接 满外连接 多表连接 迪卡尔积 注意：连接谓词中不支持or 4、分组 Group By 语句 Having语句 5、排序 全局排序（Order By） 按照别名排序 多个列排序 内部排序（Sort By） 分区排序（D...
《PHP+MySQL网站开发技术（项目式）（第2版）》实践习题 参考答案
zzjlhlcd的博客
10-29 2632
《PHP+MySQL网站开发技术（项目式）（第2版）》实践习题 参考答案
7. Hive技术之DQL数据查询
weixin_45267102的博客
07-24 592
本文包含HiveSQL的基本查询（Select…From）、分组查询、关联查询 。更多细节尽在其中...
大数据从入门到实战——Hive基本查询操作（一）
Littlerainlv的博客
12-27 4566
Hive基本查询操作（一）第1关 where操作第2关 group by操作第3关 join操作 第1关 where操作 ----------禁止修改---------- create database if not exists db1; use db1; create table if not exists table1( eduLevel_name string comment '学历', company_name string comment '公司名', jobName string comme
hive-jdbc-uber-jar 下载
最新发布
11-16
Hive-JDBC Uber Jar 是一个包含了所有依赖项的单一 JAR 文件，使得使用 Hive JDBC 连接数据库更加方便。为了下载 hive-jdbc-uber-jar，您可以按照以下步骤进行操作： 1. 打开您的网络浏览器并访问 Apache Hive 的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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