sql count用法_如何1小时快速上手SQL？

为了帮大家尽快实现学习Hive SQL、提数，在大数据领域大干一场的愿望，帮你准备好了数据，准备好了SQL样例，照着学，边学边练，主要是解决学一门新手艺起点高入手难的问题。

这个自编的课程分成如下的几个部分，欢迎大家选读选练。

• 特别说明
• 准备环境
• 两张示例表
• SQL示例
• 简单select查询

• 使用where语句按条件筛选
• 使用distinct语句排重
• 使用order by语句对查询结果排序
• 使用sum/count/avg计算总和/计数/平均值等
• 使用group by按照分组计算
• 子查询
• 使用join从多张表中查询数据
• 使用union all拼接多份数据
• 使用case when控制列输出
• SQL高级教程（待续）
• window函数
• 处理Json格式数据
• 处理XML格式数据
• 行列转换
• 使用with语法
• 数据抽样

特别说明

---

本文中使用的数据集是从网上下来的测试数据，数据地址：https://github.com/markgrover/cloudcon-hive

两张示例表

---

为了方便练习SQL语法，特地准备了两张hive表，ide_test.flights和 ide_test.airports， 表结构如下面的建表语句。另外两张表中各有数行测试数据，可以在练习SQL时直接使用。

Flights表

CREATE TABLE `ide_test.flights`(
  `year` string COMMENT 'year', 
  `month` string COMMENT 'month', 
  `day` string COMMENT 'day', 
  `dep_time` string COMMENT '起飞时间', 
  `crs_dep_time` string COMMENT '计划起飞时间', 
  `arr_time` string COMMENT '到达时间', 
  `crs_arr_time` string COMMENT '计划到达时间', 
  `carrier_code` string COMMENT '航空公司代号', 
  `flight_num` string COMMENT '航班号', 
  `actual_elapsed_time` string COMMENT '实际耗时', 
  `crs_elapsed_time` string COMMENT '计划耗时', 
  `air_time` string COMMENT '飞行时间', 
  `arr_delay` string COMMENT '到达延迟', 
  `dep_delay` string COMMENT '起飞延迟', 
  `origin` string COMMENT '起飞机场', 
  `dest` string COMMENT '目标机场', 
  `distance` string COMMENT '距离')
COMMENT '测试数据-航班信息'

Airports表

CREATE TABLE `ide_test.airports`(
  `name` string COMMENT 'name', 
  `country` string COMMENT 'country', 
  `area_code` string COMMENT 'area_code', 
  `code` string COMMENT 'code')
COMMENT '测试数据-机场信息'

SQL示例

---

简单select查询

使用select语句可以查看表里的数据

select用法

select name from ide_test.airports limit 5  --查询ide_test.airports表中的name列，返回5行
select * from ide_test.airports limit 5  --使用 '*'代表表中所有列

特别提示：限制SQL返回的行数是一个好习惯，如上面的 limit 5, 表示最多返回5行数据

资料：深入理解Hive Select语法

使用where语句按条件筛选

使用where语句，可以根据指定的条件刷选数据，例如查看航班号为335的航班信息

where用法

select
    *   -- 返回表里所有列
from
    ide_test.flights
where
    flight_num= '335' --返回flight_num列为'335'的记录
limit 5

Tips: where后面跟的是一个逻辑表达式，多个逻辑表达式用 AND、OR来连接

使用distinct语句排重

某一列（或多列）时常会有重复的值，有时候需要去重之后再查看，可以使用distinct语句来完成这个功能。例如查看ide_test.flights表中包含了那几年的数据，可以使用下面的SQL语句来完成：

distinct 用法

select
    distinct year  -- distinct会对year列的值去重之后，再返回
from
    ide_test.flights
limit 10

Tips：查看某列包含了哪些值，有更好的写法，这里只是展示下distinct语句的用法

使用order by语句对查询结果排序

找出起飞时间最晚的5个航班

order by 用法

select
    origin, dest, flight_num, dep_time
from
    ide_test.flights
order by dep_time desc    -- 按照起飞时间倒序排列， desc表示由大到小排序， asc（或者是省略不写）表示由小到大排序 
limit 5

使用sum/count/avg计算总和/计数/平均值等

使用count()函数可以计数，比如要看一下ide_test.flights表里一共有多少个航班信息，则可以这么写:

count 用法

select
    count(flight_num) as cnt -- count函数表示计数
from
    ide_test.flights
limit 10

sum（）表示按照指定的列求和，比如计算一下335号航班一共飞行了多少公里

sum 用法

select
    sum(cast(distance as int)) as total_distance --sum函数表示求和
from
    ide_test.flights
where
    flight_num = '335'
limit  10

Tips: count/sum这种函数叫聚合函数，还有其他聚合函数，比如avg/max/min分别用户求平均值、最大值和最小值

资料：深入理解Hive函数

使用group by按照分组计算

group by语句的用处很大，它可以先对数据分组、然后再计算，看个例子就明白了。比如，要计算每个航班飞行的里程数，并按照总数由大到小取前10个，写法如下：

group by 用法

select
    flight_num, sum(distance) as total_distance --除了sum/count/avg/min/max这些聚合函数之外，明确写在select之后的列，必须同时出现在group by的后面
from
    ide_test.flights
group by flight_num  --按照航班号分组，对每一组的里程数求和
order by total_distance desc
limit  10

还有一种情况，查询总飞行里程数大于3000的航班号，这时having语句就排上用场了

having 语法

select
    flight_num --写在select之后的列，必须同时出现在group by的后面
from
    ide_test.flights
group by flight_num
having sum(distance) > 3000 --刷选出飞行总里程大于3000的航班
limit  5

小思考：为什么这种情况下要使用having来作为筛选条件，而不是使用where？

资料：深入理解Hive Group by语法

子查询

要计算飞行总里程大于3000的航班数量，SQL可以这么写

子查询用法

select count(1) as cnt 
from
(
    select flight_num
    from  ide_test.flights
    group by flight_num
    having sum(distance) > 3000
) t

Tips: 子查询的用法和普通hive表是一样的，一般为了清晰，会使用括号'()'把子查询包含起来

资料：深入理解Hive 子查询

使用join从多张表中查询数据

假如，我们计划查询每个航班的飞行里程和起始机场名称，因为这两个信息分别存储在两张不同的hive表中，因此需要同时查询两张hive表才能得到结果，写法如下

join 用法

select
    p.flight_num, -- 从flights表取出航班号
    p.distance, --从flights表取出飞行里程
    q.name  --从airports表取出出发的机场名称
from
    ide_test.flights p
left join ide_test.airports q 
on p.origin = q.code
limit 10

Tips：

left join：左表关联右表，当坐标中存在某值而右表不存在时，则右表对应信息使用null代替

inner join：只有左表和右表都存在对应值的时候，才出现的结果中

right join：与left join相反

full outer join：当左表或右表不存在相应值时，使用null代替

注意：

如果A中有m条记录，B中有n条记录，A join B的时候，则最多会产生m*n条记录，想想为什么？

资料

深入理解Hive Join语法

使用union all拼接多份数据

UNION 语句符用于合并两个或多个 SELECT 语句的结果集。

选出飞行里程大于1000或小于100的航班，SQL写法如下：

注意：这里只是为了展示union用法，显然应该有更好的写法，自己思考下：）

union 用法

select flight_num
from ide_test.flights
where distance > 1000 
union 
select flight_num
from ide_test.flights
where distance < 100

Tips: 请注意，UNION 内部的 SELECT 语句必须拥有相同数量的列。列也必须拥有相似的数据类型。同时，每条 SELECT 语句中的列的顺序必须相同

资料：深入理解Hive Union语法

使用case when控制列输出

查询航班的飞行距离，按照距离分成“长、中、短”三个级别，可以借助case when语句来实现，示例写法：

case when 用法

select flight_num,
distance,
case when distance > 3000 then '长距离航班'
    when distance > 1000 then '中距离航班'
    else '近距离航班'
end as flight_level
from ide_test.flights
limit 10

Tips: 使用case when可以灵活自定义查询结果。另外case when还可以和count/sum等聚合函数使用，来实现有条件的计数/汇总

作者：张彦龙（源自本人公众号：数据老铁匠）

• 滴滴云全线标准型云服务器限时特惠,注册即送新手大礼包

滴滴云-为开发者而生​www.didiyun.com

滴滴云使者​z.didi.cn