大数据技术之_08_Hive学习_03_查询+函数

第6章 查询

  https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Select
查询语句语法：

[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]

6.1 基本查询（select … from）

6.1.1 全表和特定列查询

1、全表查询

hive (default)> select * from emp;

2、选择特定列查询

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

注意：
（1）SQL 语言大小写不敏感。
（2）SQL 可以写在一行或者多行。
（3）关键字不能被缩写也不能分行。
（4）各子句一般要分行写。
（5）使用缩进提高语句的可读性。

6.1.2 列别名

1、重命名一个列
2、便于计算
3、紧跟列名，也可以在列名和别名之间加入关键字as
4、案例实操
查询名称和部门

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

6.1.3 算术运算符

[外链图片转存失败(img-YVkFjpQl-1562127014891)(https://s2.ax1x.com/2019/02/27/kTDSC6.png)]
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;

6.1.4 常用函数（聚合函数）

1、求总行数（count）

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

面试题：count(1)、count(*)、count(column)的区别？
参考链接：https://www.cnblogs.com/chenmingjun/p/10436316.html
2、求工资的最大值（max）

hive (default)> select max(sal) max_sal from emp;

3、求工资的最小值（min）

hive (default)> select min(sal) min_sal from emp;

4、求工资的总和（sum）

hive (default)> select sum(sal) sum_sal from emp;

5、求工资的平均值（avg）

hive (default)> select avg(sal) avg_sal from emp;

6.1.5 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;

6.2 where语句

1、使用WHERE子句，将不满足条件的行过滤掉
2、WHERE子句紧随FROM子句
3、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;

6.2.1 比较运算符（between/in/is null）

1）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。
[外链图片转存失败(img-alJbVCbY-1562127014892)(https://s2.ax1x.com/2019/02/27/kTBvU1.png)]
2）案例实操
（1）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);

6.2.2 like 和 rlike

1）使用LIKE运算选择类似的值
2）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
（1）查找以2开头薪水的员工信息

hive (default)> select * from emp where sal LIKE '2%';

emp.empno	emp.ename	emp.job	emp.mgr	emp.hiredate	emp.sal	emp.comm	emp.deptno
7698	BLAKE	MANAGER	7839	1981-5-1	2850.0	NULL	30
7782	CLARK	MANAGER	7839	1981-6-9	2450.0	NULL	10

（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%';

emp.empno	emp.ename	emp.job	emp.mgr	emp.hiredate	emp.sal	emp.comm	emp.deptno
7521	WARD	SALESMAN	7698	1981-2-22	1250.0	500.0	30
7654	MARTIN	SALESMAN	7698	1981-9-28	1250.0	1400.0	30

（3）查找薪水中含有2的员工信息

hive (default)> select sal from emp where sal RLIKE '[2]';

sal
1250.0
1250.0
2850.0
2450.0

6.2.3 逻辑运算符（and/or/not）

[外链图片转存失败(img-ppbHP7E8-1562127014892)(https://s2.ax1x.com/2019/02/27/kTBT3T.png)]
案例实操
（1）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);

6.3 分组

6.3.1 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：
（1）计算emp表中每个部门的平均工资

hive (default)> select avg(sal) avg_sal from emp group by deptno;
avg_sal
NULL
2916.6666666666665
1975.0
1566.6666666666667

hive (default)> select e.deptno, avg(e.sal) avg_sal from emp e group by e.deptno;
e.deptno	avg_sal
NULL	NULL
10	2916.6666666666665
20	1975.0
30	1566.6666666666667

注意：要将查询字段放在group by里面。（不包括聚合函数）
（2）计算emp表中每个部门中每个岗位的最高薪水

hive (default)> select e.deptno, e.job, max(e.sal) max_sal from emp e group by e.deptno, e.job;

e.deptno	e.job	max_sal
NULL	MANAGER 7839	NULL
10	CLERK	1300.0
10	MANAGER	2450.0
10	PRESIDENT	5000.0
20	ANALYST	3000.0
20	CLERK	1100.0
30	CLERK	950.0
30	MANAGER	2850.0
30	SALESMAN	1600.0

6.3.2 having语句

1、having与where不同点
  （1）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。
  （2）where后面不能写分组函数，而having后面可以使用分组函数。
  （3）having只用于group by分组统计语句。
2、案例实操
（1）求每个部门的平均薪水大于2000的部门
  求emp表中每个部门的平均工资

hive (default)> select deptno, avg(sal) avg_sal from emp 
group by deptno;

deptno	avg_sal
NULL	NULL
10	2916.6666666666665
20	1975.0
30	1566.6666666666667

  求emp表中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;

deptno	avg_sal
10	2916.6666666666665

6.4 join语句

6.4.1 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
（1）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、部门编号和部门名称；

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

6.4.2 表的别名

1、好处
  （1）使用别名可以简化查询。
  （2）使用表名前缀可以提高执行效率。
2、案例实操
合并员工表和部门表

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

6.4.3 内连接

  内连接（A和B表的交集）：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, d.dname from emp e join dept d on e.deptno=d.deptno;

6.4.4 左外连接

  左外连接（A和B表的交集+A集合）：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, d.dname from emp e left join dept d on e.deptno=d.deptno;

6.4.5 右外连接

  右外连接（A和B表的交集+B集合）：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, d.dname from emp e right join dept d on e.deptno=d.deptno;

6.4.6 满外连接

  满外连接（A和B表的交集+A集合+B集合）：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, d.dname from emp e full join dept d on e.deptno=d.deptno;

6.4.7 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
location.txt

1700	Beijing
1800	London
1900	Tokyo

1、创建位置表

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

2、导入数据

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

3、多表连接查询