hive中的null
null与任何值运算的结果都是null
函数有:is null 和 is not null
null在hive底层默认是用’\N
'来存储的,可以通过alter table test SET SERDEPROPERTIES('serialization.null.format' = 'a');
来修改
hiveql和sql语法的区别
没有等值连接 from a,b where a.name=b.name 在hive只能用 a join b on a.name=b.name
hiveql中对分好; 识别不太好 经常会报错 解决: 八进制的ASCII码进行转义
hiveql 中 “” is null 是false
hiveql没有insert into …update/datele 他只是追加数据
hive没有not in 不过用not exists代替了
子查询
Hive 当前没有实现 IN/EXISTS 子查询,可以用 LEFT SEMI JOIN 重写子查询语句
#原先的子查询
SELECT a.key, a.value
FROM a
WHERE a.key exist in
(SELECT b.key
FROM B);
可以被重写为:
SELECT a.key, a.val
FROM a LEFT SEMI JOIN b on (a.key = b.key)
Sort By,Order By,Cluster By,Distrbute By
- order by:会对输入做全局排序,因此只有一个reducer。但是只有一个reducer,会导致当输入规模较大时,需要较长的计算时间。
- sort by: 分区内有序,只针对分区内部进行排序
- distribute by:按照指定的字段对数据进行划分输出到不同的reduce中。用hash散列算法 ,类似MR中Partition,进行分区,结合sort by使用。
- cluster by:当Distribute by和Sorts by字段相同时,可以使用Cluster by方式代替。Cluster by除了具有Distribute by的功能外还兼具Sort by的功能。但是排序只能是升序排序,不能指定排序规则为ASC或者DESC。
select * from stu distribute by id sort by age desc;
行转列and列转行
#行转列
select col1,col2,concat_ws(',',collect_set(col3))
from tmp_jiangzl_test
group by col1,col2;
#列转行
select col1, col2, col5
from tmp_jiangzl_test a
lateral view explode(split(col3,',')) b AS col5
Multi-group by
from A
insert overwrite table B
select A.a, count(distinct A.b) group by A.a
insert overwrite table C
select A.c, count(distinct A.b) group by A.c
split、coalesce及collect_list函数的用法
split('a,b,c,d' , ',') ==> ["a","b","c","d"] 将字符串转化为数组。
coalesce(T v1, T v2, …) 返回参数中的第一个非空值;如果所有值都为 NULL,那么返回NULL。
collect_list列出该字段所有的值,不去重 select collect_list(id) from table;