hive的条件查询语句_Hive常见语句及函数

一、数据库

1 创建库语句

CREATE DATABASE [IF NOT EXISTS] database_name [COMMENT database_comment] [LOCATION hdfs_path] [WITH DBPROPERTIES (property_name=property_value, ...)];

2查询数据库

2.1 显示数据库

show databases;

2.2 过滤显示查询的数据库

show databases like 'd*';

2.3 显示数据库信息

desc database ods;

2.4 显示数据库详细信息，extended

desc database extended ods;

2.5 切换数据库详细信息，use

use dwd;

3 修改数据库

3.1 修改数据库属性，Alter

ALTER (DATABASE|SCHEMA) database_name SET DBPROPERTIES (property_name=property_value, …);

3.2 删除数据库，drop

3.2.1 删除空的数据库

drop database dwd;

3.2.2删除非空的数据库，使用cascade强制删除。

drop database dwd cascade;

二、表

1 建表语句

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name [(col_name data_type [COMMENT col_comment], ...)] [COMMENT table_comment] [PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)] [CLUSTERED BY (col_name, col_name, ...) [SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] [ROW FORMAT row_format] [STORED AS file_format] [LOCATION hdfs_path] [TBLPROPERTIES (property_name=property_value, ...)] [AS select_statement]

(1)CREATE TABLE 创建一个指定名字的表。如果相同名字的表已经存在，则抛出异常；用户可以用 IF NOT EXISTS 选项来忽略这个异常。

(2)EXTERNAL关键字可以让用户创建一个外部表，在建表的同时可以指定一个指向实际数据的路径(LOCATION)，在删除表的时候，内部表的元数据和数据会被一起删除，而外部表只删除元数据，不删除数据。

(3)COMMENT：为表和列添加注释。

(4)PARTITIONED BY创建分区表

(5)CLUSTERED BY创建分桶表

(6)SORTED BY不常用，对桶中的一个或多个列另外排序

(7)ROW FORMAT

DELIMITED [FIELDS TERMINATED BY char] [COLLECTION ITEMS TERMINATED BY char]

[MAP KEYS TERMINATED BY char] [LINES TERMINATED BY char]

| SERDE serde_name [WITH SERDEPROPERTIES (property_name=property_value, property_name=property_value, ...)]

用户在建表的时候可以自定义SerDe或者使用自带的SerDe。如果没有指定ROW FORMAT 或者ROW FORMAT DELIMITED，将会使用自带的SerDe。在建表的时候，用户还需要为表指定列，用户在指定表的列的同时也会指定自定义的SerDe，Hive通过SerDe确定表的具体的列的数据。

SerDe是Serialize/Deserilize的简称， hive使用Serde进行行对象的序列与反序列化。

(8)STORED AS指定存储文件类型

常用的存储文件类型：SEQUENCEFILE(二进制序列文件)、TEXTFILE(文本)、RCFILE(列式存储格式文件)

如果文件数据是纯文本，可以使用STORED AS TEXTFILE。如果数据需要压缩，使用 STORED AS SEQUENCEFILE。

(9)LOCATION ：指定表在HDFS上的存储位置。

(10)AS：后跟查询语句，根据查询结果创建表。

(11)LIKE允许用户复制现有的表结构，但是不复制数据。

(12)TBLPROPERTIES设置表的属性，在表明压缩类型时用过。(例如”orc.compress”=”SNAPPY”)

2 查询表信息

2.1 查看表的元数据信息 desc

DESCRIBE  FORMATTED orders;

2.2 修改 alter

2.2.1 修改表名： alter table dept rename to depts;

2.2.2 修改表属性：

alter table depts set tblproperties ('EXTERNAL'='TRUE') alter table depts set tblproperties ('EXTERNAL'='FALSE')

2.2.3 修改列,注意如果修改的字段类型和之前的字段类型不一致，之前的数据就无法显示

修改列名和列数据类型：alter table depts change dept_name dname string ; 修改位置放置第一位：alter table depts change id did string first; 修改位置指定某一列后面：alter table depts change dname dname string after did;

2.2.4 添加列(慎用)

alter table depts add columns(daddress string);

2.2.5 添加分区

alter table depts add partition(dt=20200713); alter table depts add partition(dt=20200713) location '/user/test/20200713.txt';

2.2.6 修改分区

alter table depts partition(dt=20170404) rename to partition(dt=20170405); alter table depts partition(dt=20170404) set location '/user/test/depts.txt';

2.2.7 删除分区

alter table depts drop if exists partition(dt=20170404);

2.3 查询表数据

Hive中的SELECT基础语法和标准SQL语法基本一致，支持WHERE、DISTINCT、GROUP BY、ORDER BY、HAVING、LIMIT、子查询等；

具体语法：

[WITH CommonTableExpression (, CommonTableExpression)*] SELECT [ALL | DISTINCT] select_expr, select_expr, ... FROM table_reference [WHERE where_condition] [GROUP BY col_list] [CLUSTER BY col_list | [DISTRIBUTE BY col_list] [SORT BY col_list] ] [LIMIT number]

2.3.1 常用关键词简介

(1) ORDER BY和SORT BY

ORDER BY用于全局排序，就是对指定的所有排序键进行全局排序，使用ORDER BY的查询语句，最后会用一个Reduce Task来完成全局排序。

explain select id,name from emp where deptid = 1001

explain select id,name from emp where deptid = 1001 order by id

SORT BY用于分区内排序，即每个Reduce任务内排序。

设定了2个reduce，从结果可以看出，每个reduce内做了排序。设定一个reduce，从结果看和order by一致。

(2)DISTRIBUTE BY和CLUSTER BY

distribute by：按照指定的字段或表达式对数据进行划分，输出到对应的Reduce或者文件中。

cluster by：除了兼具distribute by的功能，还兼具sort by的排序功能。

(3)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。

(4)子查询

子查询和标准SQL中的子查询语法和用法基本一致，需要注意的是，Hive中如果是从一个子查询进行SELECT查询，那么子查询必须设置一个别名。

SELECT col FROM ( SELECT a+b AS col FROM t1 ) t2

where 语句中也支持子查询。

SELECT * FROM A WHERE A.a IN (SELECT foo FROM B); SELECT A FROM T1 WHERE EXISTS (SELECT B FROM T2 WHERE T1.X = T2.Y)

WITH..AS..也叫做子查询部分,语句允许hive定义一个sql片段,供整个sql使用，即将子查询作为一个表的语法，叫做Common Table Expression(CTE)

with q1 as (select from src where key= '5'), q2 as (select from src s2 where key = '4') select from q1 union all select from q2; with q1 as ( select key, value from src where key = '5') from q1 insert overwrite table s1 select * from q1;

(5)Hive查询中有两个虚拟列：INPUT__FILE__NAME：数据对应的HDFS文件名；BLOCK__OFFSET__INSIDE__FILE：该行记录在文件中的偏移量；

(6)HAVING 语句

having与where不同点

·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。

(7) JOIN语句

Hive中除了支持和传统数据库中一样的内关联、左关联、右关联、全关联，还支持LEFT SEMI JOIN和CROSS JOIN，但这两种JOIN类型也可以用前面的代替。

·内关联(JOIN)

·左外关联(LEFT [OUTER] JOIN)

·右外关联(RIHGHT [OUTER] JOIN)

(8)LIKE语句

如果字符串A或者字符串B为NULL，则返回NULL；如果字符串A符合表达式B的正则语法，则为TRUE；否则为FALSE。B中字符”_”表示任意单个字符，而字符”%”表示任意数量的字符。

年龄表

查询年龄为1开头的数据：select * from ages where  age like '1%';

查询年龄第二位是1的数据：select * from ages where  age like '_1%';

RLIKE子句是Hive中LIKE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。

2.3.2 常用函数简介

(1) 字符串连接函数，concat

语法: concat(string A, string B...)

返回值: string

说明：返回输入字符串连接后的结果，支持任意个输入字符串

举例：select concat('abc','def','gh') from ages ;

(2)带分隔符字符串连接函数：concat_ws

语法: concat_ws(string SEP, string A, string B...)

返回值: string

说明：返回输入字符串，连接后的结果，SEP表示各个字符串间的分隔符

举例：select concat_ws(',','abc','def','gh') from ages ;

除此之外还可以将数组的形式转换为字符串concat_ws(string SEP, array)

举例：select concat_ws('|',array('ads','des','ss')) from ages ;

(3)集合去重函数：collect_set

语法: collect_set(col)

返回值: array

说明: 将col字段进行去重，合并成一个数组。

举例：cookies表

select cookieid,collect_set(name) from cookies group by cookieid ;

(4) UDTF一进多出

列转行：explode

语法: explode(ARRAY)

返回值: 多行

说明：将数组转换为多行

举例：select explode(array('ads','des','ss'))from ages;

除此之外还可以将map拆分为多行。

(5)UDAF多进一出

聚合函数count，sum，avg等

(6)窗口函数

一般和聚合函数配合使用

OVER()：指定分析函数工作的数据窗口大小，这个数据窗口大小可能会随着行的变而变化。

举例：

orders表

总结：over是对分的组得到结果的count ，因为搜到了4个人，所以count数为4。直接count是分组后对组中的数据进行count。

总结：添加partition by name 表示按照name分组进行sum求和。

(7) 排序函数

RANK() 排序相同时会重复，总数不会变

DENSE_RANK() 排序相同时会重复，总数会减少

ROW_NUMBER() 会根据顺序计算

举例：scores表

select name, subject, score, rank() over(partition by subject order by score desc) rp, dense_rank() over(partition by subject order by score desc) drp, row_number() over(partition by subject order by score desc) rmp from scores;

得到结果：

(8)函数总结大全

一、关系运算：等值比较: =

等值比较:<=>

不等值比较: <>和!=

小于比较: <

小于等于比较: <=

大于比较: >

大于等于比较: >=

区间比较

空值判断: IS NULL

非空判断: IS NOT NULL

LIKE比较: LIKE

JAVA的LIKE操作: RLIKE

REGEXP操作: REGEXP

二、数学运算：加法操作: +

减法操作: –

乘法操作: *

除法操作: /

取余操作: %

位与操作: &

位或操作: |

位异或操作: ^

9．位取反操作: ~

三、逻辑运算：逻辑与操作: AND 、&&

逻辑或操作: OR 、||

逻辑非操作: NOT、!

四、复合类型构造函数map结构

struct结构

named_struct结构

array结构

create_union

五、复合类型操作符获取array中的元素

获取map中的元素

获取struct中的元素

六、数值计算函数取整函数: round

指定精度取整函数: round

向下取整函数: floor

向上取整函数: ceil

向上取整函数: ceiling

取随机数函数: rand

自然指数函数: exp

以10为底对数函数: log10

以2为底对数函数: log2

对数函数: log

幂运算函数: pow

幂运算函数: power

开平方函数: sqrt

二进制函数: bin

十六进制函数: hex

反转十六进制函数: unhex

进制转换函数: conv

绝对值函数: abs

正取余函数: pmod

正弦函数: sin

反正弦函数: asin

余弦函数: cos

反余弦函数: acos

positive函数: positive

negative函数: negative

七、集合操作函数map类型大小：size

array类型大小：size

判断元素数组是否包含元素：array_contains

获取map中所有value集合

获取map中所有key集合

数组排序

八、类型转换函数二进制转换：binary

基础类型之间强制转换：cast

九、日期函数UNIX时间戳转日期函数: from_unixtime

获取当前UNIX时间戳函数: unix_timestamp

日期转UNIX时间戳函数: unix_timestamp

指定格式日期转UNIX时间戳函数: unix_timestamp

日期时间转日期函数: to_date

日期转年函数: year

日期转月函数: month

日期转天函数: day

日期转小时函数: hour

日期转分钟函数: minute

日期转秒函数: second

日期转周函数: weekofyear

日期比较函数: datediff

日期增加函数: date_add

日期减少函数: date_sub

十、条件函数If函数: if

非空查找函数: COALESCE

条件判断函数：CASE

条件判断函数：CASE

十一、字符串函数

1.    字符ascii码函数：ascii

2.    base64字符串字符串连接函数：concat

4.    带分隔符字符串连接函数：concat_ws数组转换成字符串的函数：concat_ws

小数位格式化成字符串函数：format_number

字符串截取函数：substr,substring

字符串截取函数：substr,substring

字符串查找函数：instr

字符串长度函数：length

字符串查找函数：locate

字符串格式化函数：printf

字符串转换成map函数：str_to_map

base64解码函数：unbase64(string str)

字符串转大写函数：upper,ucase

字符串转小写函数：lower,lcase

去空格函数：trim

左边去空格函数：ltrim

右边去空格函数：rtrim

正则表达式替换函数：regexp_replace

正则表达式解析函数：regexp_extract

URL解析函数：parse_url

json解析函数：get_json_object

空格字符串函数：space

重复字符串函数：repeat

左补足函数：lpad

右补足函数：rpad

分割字符串函数: split

集合查找函数: find_in_set

30.    分词函数：sentences分词后统计一起出现频次最高的TOP-K

分词后统计与指定单词一起出现频次最高的TOP-K

十二、混合函数调用Java函数：java_method

调用Java函数：reflect

字符串的hash值：hash

十三、XPath解析XML函数xpath

xpath_string

xpath_boolean

xpath_short, xpath_int, xpath_long

xpath_float, xpath_double, xpath_number

十四、汇总统计函数(UDAF)个数统计函数: count

总和统计函数: sum

平均值统计函数: avg

最小值统计函数: min

最大值统计函数: max

非空集合总体变量函数: var_pop

非空集合样本变量函数: var_samp

总体标准偏离函数: stddev_pop

样本标准偏离函数: stddev_samp

10．中位数函数: percentile中位数函数: percentile

近似中位数函数: percentile_approx

近似中位数函数: percentile_approx

直方图: histogram_numeric

集合去重数：collect_set

集合不去重函数：collect_list

十五、表格生成函数Table-Generating Functions (UDTF)数组拆分成多行：explode

Map拆分成多行：explode