Hive数据库操作（查询的操作语法）

基本查询

        基本查询和其它数据库（MySQL等）类似，本文就不再介绍。这里主要说的是Hive数据中一些特别的查询。

RLIKE正则匹配

        规则表如下,需要用到的时候查看对应规则即可。

         示例：

-- 查询id号中连续出现两次2的学生信息
select * from myhive.scores where s_id RLIKE '.*22.*'

 

-- 查询id号为X34XXX的学生信息
select * from myhive.scores where s_id RLIKE '.34...'

 

-- 查询学生名字有：美、雷、芳的
select * from myhive.scores where s_name RLIKE '[美雷芳]'

 

 UNION查询

        UNION用于将多个SELECT 语的结果组合成单个结果集。每个select 语句返回的列的数量和名称必须相同，否则无法合并，将引发架构错误。

        UNION 是自动将结果连接后去重再输出结果的，如果加上ALL就是直接输出带结果。

        示例（去重）

select * from myhive.scores where s_name='小芳'
union
select * from myhive.scores where s_name='小刚';

 

        示例（不去重）

select * from myhive.scores where s_name='小芳'
union all 
select * from myhive.scores where s_name='小刚';

 

         另外UNION也可以用from后，将UNION执行的结果当作一个表来进行查询

select count(*) from (
    select * from myhive.scores where s_name='小芳'
union all
    select * from myhive.scores where s_name='小刚'
) as u;

 

数据抽样

        基于随机分桶抽样

        示例（基于列随机）

-- 基于temperature取模分出8个桶，在这8个桶中随机抽取3个数据出来
select * from weather3 tablesample (bucket 3 out of 8 on temperature);

        因为是基于列进行哈希运算的分组，每个数据计算出来的值是固定不变的，所以该条SQL无论执行多次结果都是一样的 。因为结构与分桶表相似，所以在对分桶表随机抽样的时候基于列的抽样是有优势的。

 

        示例（基于行随机）

select * from weather3 tablesample (bucket 3 out of 10 on rand());

        每次运行的结果都不同，这种方式对于非分桶表有优势。

        基于数据块抽样

        该方法是按照顺序进行抽样，并不是随机抽样 ，所以无论运行多少次结果都是一样的

        示例

-- 取四条记录
select * from weather3 tablesample (4 rows);

         其它的还有下面几个SQL语句，就不展示结果了。

-- 取20%的数据
select * from weather3 tablesample (20 percent);

-- 取1kb的数据
select * from weather3 tablesample (1k);

虚拟列

         例如

select new_wet,BLOCK__OFFSET__INSIDE__FILE from weather3;