- 对字符串进行正则匹配时,若包含中文,则需转成 unicode 编码
- 若进行连接查询,hive 中 on 不支持非等值连接;可以在 on 中使用等值连接,后面再加上 where 条件,进行非等值的判断,但不支持 or
- 使用 group by 进行去重时,MySQL 可以直接 select 非 group by 字段,获取各组头条匹配数据,但 hive 中会报错;可以通过 collect_set(column_name),获取组内字段值数组,从而进行后续操作
- 连接查询通过 where 进行过滤后,左表不保留匹配不上即 null 值的记录
- 针对上条情况,可以在上述结果表外层包一层查询,左连接上表,on id 相等
- hive 中支持 array,map 等数据容器格式及多样的函数或自定义函数,可以合理的使用来简化sql 代码
- 在进行连接查询时,小表放在左边,大表放在右边,能提高查询性能
- map-side JOIN,如果查询语句中有一张是小表,完全可以将小表放在内存中,这样其他表可以在内存中与小表进行逐一匹配,从而省略掉常规连接查询所需要的reduce操作,hive v0.7开始支持两种操作:
- SELECT /*+ MAPJOIN(d) */ a, b, c... from ...
- hive> set hive.auto.convert.join=true;
- 视图view,CREATE VIEW new_view AS SELECT * FROM ...,后续可以像操作表一样来操作这个视图
- 调优:
- explain(同于MySQL):explain SELECT * FROM...
- 并行执行:当查询语句中包含非依赖关系可以并行执行的语句时,可以开启并发执行,提高job执行效率,但会占用更多的集群资源;设置:
- hive> set hive exec parallel=true;
Hive SQL使用经验总结
最新推荐文章于 2024-07-26 10:42:18 发布