Hive SQL DDL语句(操作数据库)

北念乄

已于 2023-09-07 09:22:22 修改

阅读量185

点赞数

文章标签： hive sql

于 2023-09-06 10:52:57 首次发布

本文链接：https://blog.csdn.net/weixin_62138105/article/details/132710614

版权

HQL DDL语句介绍:

它指的是数据定义语言, 主要是用来操作数据库, 数据表, 字段等的. 这里我们学习DDL语句, 主要就是学习 Hive如何建表. 它(Hive如何建表)非常重要, 是你学好Hive的第1课.

 建表语法:
        create [external] table [if not exists] 表名(
            列名 数据类型  [ comment '描述信息'],
            列名 数据类型  [ comment '描述信息'],
            列名 数据类型  [ comment '描述信息'],
            ......
        ) comment '表的描述信息'
        分区
        分桶(桶内排序 + 分桶个数)
        行格式切割符
        存储格式(行存储, 列存储)
        存储位置
        表的属性信息;

    常用的数据类型:
        原生类型:
            int         整数
            double      小数
            string      字符串
            timestamp   时间戳
            date        日期(年月日)
        复杂类型:
            array       数组类型
            map         字段(映射)类型
            struct      结构体
            union       联合体

Hive的本质:

把HDFS文件映射成一张Hive表, 然后通过写类SQL的语句来操作它(HDFS文件), 底层会被解析成MR程序, 交由Yarn来调度执行.

案例1: 默认切割符


-- ---------------------------- 案例1: 默认切割符 ----------------------------
-- 结论: Hive表默认切割符是'\001'符号, 在windows中显示为 SOH, 在HDFS中显示为 小口, 在Linux中显示为 ^A
-- 0. 建库.
create database day06;
use day06;
show tables;
-- 1. 建表, 表字段, 数据类型等要和 HDFS源文件保持一致.
drop table team_ace_player;
create table team_ace_player (  -- 表名无需和HDFS源文件保持一致, 见名知意即可.
    id int comment '编号',
    team_name string comment '队名',
    player_name string comment '玩家名字'
) comment '战队ACE玩家信息';

-- 2. 把源文件上传到到Hive表所在的 HDFS路径下.

-- 3. 查询表数据.
select * from team_ace_player;

-- 4. 如何查看表结构信息.
desc team_ace_player;   -- 发现注释信息乱码, 原因是: 我们的Hive表是UTF-8码表, Hive的元数据存在MySQL中, 用的GBK码表, 码表不一致导致的.
show create table team_ace_player;
desc formatted team_ace_player;     -- 查看表结构详细信息(掌握), 其中: Table Type 表示表类型, MANAGED_TABLE(受管理表, 即: 内部表), EXTERNAL_TABLE(外部表)

案例2: 解决Hive注释中文乱码问题

-- ---------------------------- 案例2: 解决Hive注释中文乱码问题 ----------------------------
-- 产生原因: 我们的Hive表是UTF-8码表, Hive的元数据存在MySQL中, 用的GBK码表, 码表不一致导致的.
-- 解决方案: 保持码表一致即可, 我们去MySQL中修改Hive元数据信息的码表, 改为: UTF-8
-- 具体步骤:
-- Step1: 先通过DataGrip连接node1机器的MySQL, 账号: root, 密码: 123456  当然, 也可以直接在CRT中连接MySQL数据库.
-- Step2: 在MySQL中执行如下的内容即可, 详见MySQL的文件.  细节: 还要去hive-site.xml文件中修改下码表.
-- Step3: 重启metastore服务 和 hiveserver2服务.
-- Step4: 在Hive中把刚才的表删掉, 然后重建, 再次查询, 注释(描述信息)不乱码了.

案例3: 指定切割符

-- ---------------------------- 案例3: 指定切割符 ----------------------------
-- 1. 建表, 指定分隔符为 '\t'
create table t_archer (
    id string comment 'ID',
    name string comment '英雄',
    hp_max string comment '最大生命',
    mp_max string comment '最大法力',
    attack_max string comment '最高物攻',
    defense_max string comment '最大物防',
    attack_range string comment '攻击范围',
    role_main string comment '主要定位',
    role_assist string comment '次要定位'
) comment '射手表'
row format delimited fields terminated by '\t'; -- 行格式切割 字段分隔符为 '\t'

-- 2. 上传源文件到该Hive表的HDFS路径下.

-- 3. 查询表数据.
select * from t_archer;

案例4: 其它的建表方式

-- ---------------------------- 案例4: 其它的建表方式 ----------------------------
-- 1. 查询所有数据表.
show tables;
-- 2. 原表
select * from t_archer;     -- 10条数据.
-- 3. 备份 t_archer表, 要求: 字段名, 数据类型, 数据都都保持一致.
create table t1 as select * from t_archer;  -- 底层会转成MR程序, 备份表和原表, 字段名, 数据类型, 数据都会保持一致. 用的是默认分隔符: '\001'

create table t2 row format delimited  fields terminated by ','
as select * from t_archer;  -- 底层会转成MR程序, 备份表和原表, 字段名, 数据类型, 数据都会保持一致. 用的是指定分隔符: ','

-- 4. 备份 t_archer表, 要求: 字段名, 数据类型, 保持一致, 没有数据, 即: 空表.
create table t3 like t_archer;      -- 底层不会转MR.

-- 5. 备份完之后, 查询表数据.
select * from t1;
select * from t2;
select * from t3;

案例5: 修改表相关操作

-- ---------------------------- 案例5: 修改表 相关操作 ----------------------------
show tables;

-- 1. 修改表名, t1 => t_archer_backup1
alter table t1 rename to t_archer_backup1;

-- 2. 修改表 t_archer_backup1 的存储路径.
alter table t_archer_backup1 set location '/wordcount/aa';
select * from t_archer_backup1;
desc formatted t_archer_backup1;

-- 3. 修改表属性, 例如: 内部表 和 外部表的相互转换.
-- 3.1 把内部表修改为外部表.
alter table t_archer_backup1 set tblproperties('EXTERNAL'='TRUE');    -- 固定格式, 必须大写.

-- 3.2 把外部表修改为内部表.
alter table t_archer_backup1 set tblproperties('EXTERNAL'='FALSE');   -- 固定格式, 必须大写.

-- 3.3 查看表属性信息.
desc formatted t_archer_backup1;        -- Table Type表示表的类型, managed_table(内部表),  external_table(外部表)

-- 3.4 添加列
desc t_archer_backup1;
alter table t_archer_backup1 add columns (address string, hobby string);        -- 新增两列.

-- 3.5 修改列名
alter table t_archer_backup1 change address addr string;

-- 3.6 删除表.
show tables;        -- 查看所有数据表.
drop table t3;      -- 删除表.

-- 3.7 (清空)删除表数据
select * from t_archer_backup1;
-- delete from t_archer_backup1;       -- 报错, Hive不支持这种删除方式.
truncate table t_archer_backup1;       -- 删除表数据.
drop table t3;      -- 删除表

-- 3.8 尝试用 truncate 方式, 清空 外部表.
desc formatted team_ace_player;
alter table team_ace_player set tblproperties('EXTERNAL'='TRUE');   -- 将表改为 外部表.
select * from team_ace_player;      -- 有数据.
-- 尝试清空外部表, 报错, truncate 只能情况 内部表.
truncate table team_ace_player;

案例6: 内部表和外部表的区别

-- ---------------------------- 案例6: 内部表 和 外部表的区别 ----------------------------
/*
问题: 内部表 和 外部表的区别是什么?
答案:
    1. 格式不同.
        直接创建Hive表默认就是内部表, 如果要创建外部表, 必须用 external 关键字.
    2. 删除时是否会删除源文件.
        删除内部表的时候, 除了会删除元数据, 还会删除源文件.
        删除外部表的时候, 只会删除元数据, 但是源文件(HDFS上)还在.
    3. 应用场景不同.
        删除Hive的时候, 如果也要同步删除源文件, 就用内部表.
        否则就用外部表, 例如: Hbase 和 Hive的映射.
*/
-- 1. 建表, 内部表.
create table t_archer_inner (
    id string comment 'ID',
    name string comment '英雄',
    hp_max string comment '最大生命',
    mp_max string comment '最大法力',
    attack_max string comment '最高物攻',
    defense_max string comment '最大物防',
    attack_range string comment '攻击范围',
    role_main string comment '主要定位',
    role_assist string comment '次要定位'
) comment '射手表'
row format delimited fields terminated by '\t';
-- 2. 上传文件, 查询表数据.
select * from t_archer_inner;       -- 10条.

-- 3. 建表, 外部表.
create external table t_archer_outer (
    id string comment 'ID',
    name string comment '英雄',
    hp_max string comment '最大生命',
    mp_max string comment '最大法力',
    attack_max string comment '最高物攻',
    defense_max string comment '最大物防',
    attack_range string comment '攻击范围',
    role_main string comment '主要定位',
    role_assist string comment '次要定位'
) comment '射手表'
row format delimited fields terminated by '\t';
-- 4. 上传文件, 查询表数据.
select * from t_archer_outer;       -- 10条

-- 查看所有数据表, 如果这里边没有, 说明Hive的元数据删除了.
show tables;

-- 5. 删除内部表 和 外部表, 观察: Hive是否还有表的信息(元数据), HDFS上源文件是否还存在.
drop table t_archer_inner;
drop table t_archer_outer;

-- 6. 思考: 如果删除了外部表, 又把外部表创建了出来, 里边有数据吗?
-- 答案: 如果表名, 数据类型, 字段数量等和原表(删除前的外部表)一致, 则重新创建表之后, 直接就有数据.

-- 7. 扩展: 内部表 和 外部表之间如何互相转换.
desc formatted t_archer_outer;
-- 外部表 转 内部表
alter table t_archer_outer set tblproperties('EXTERNAL'='FALSE');
-- 内部表 转 外部表
alter table t_archer_outer set tblproperties('EXTERNAL'='TRUE');

案例7: 分区表之静态分区

-- ---------------------------- 案例7: 分区表之 静态分区 ----------------------------
/*
分区表详解:
    概述/作用:
        1. 分区 = 分文件夹, 即: 把1个整体 拆分成 n个文件夹, 避免全表扫描, 提高查询效率.
        2. 例如: 公司成立10年所有的数据都在1个文件夹中放着, 查找数据, 每次都要全表扫描, 效率相对较低.
           可以按照 年月分区, 把每年每月的数据都放一起, 这样查找时只要找指定的内容即可, 降低扫描次数, 提高效率.
    格式:
        create table 表名(

        ) partitioned by(分区字段1 数据类型, 分区字段2 数据类型...)
        row format ......;
    细节:
        分区字段必须是表中没有的字段.
*/
-- 1. 建表 t_all_hero, 用来存储王者荣耀所有的英雄数据(射手, 法师, 刺客, 战士, 坦克, 辅助)
create table t_all_hero (
    id string comment 'ID',
    name string comment '英雄',
    hp_max string comment '最大生命',
    mp_max string comment '最大法力',
    attack_max string comment '最高物攻',
    defense_max string comment '最大物防',
    attack_range string comment '攻击范围',
    role_main string comment '主要定位',
    role_assist string comment '次要定位'
) comment '王者荣耀英雄表'
row format delimited fields terminated by '\t'; -- 行格式切割 字段分隔符为 '\t'

-- 2. 把所有的英雄数据文件(例如: 射手, 法师, 刺客, 战士, 坦克, 辅助)都传入到该表所在的HDFS路径下.

-- 3. 查看表数据.
select * from t_all_hero;

-- 4. 新需求: 查询所有的 射手数据.
select * from t_all_hero where role_main='archer';      -- 10条

-- 5. 思考上述的查询方式, 效率高不高?
-- 答案: 不高, 因为需要全表扫描, 可以用分区表解决, 把每一类英雄数据放到一起, 这样查找某一类的时候, 可以精准查找, 避免全表扫描.

-- 6. 创建分区表, 按照 角色主要定位 进行分区(分文件夹)
create table t_all_hero_part (
    id string comment 'ID',
    name string comment '英雄',
    hp_max string comment '最大生命',
    mp_max string comment '最大法力',
    attack_max string comment '最高物攻',
    defense_max string comment '最大物防',
    attack_range string comment '攻击范围',
    role_main string comment '主要定位',
    role_assist string comment '次要定位'
)
comment '王者荣耀英雄表'
partitioned by (role string)   -- 按照角色主要定位分区, 分区字段必须是表中没有的字段
row format delimited fields terminated by '\t';

-- 7. 往分区表中添加数据, 静态分区, 即: 分区字段 = 值, 类似于 静态IP, 都是手动写死的.
load data local inpath '/export/data/hivedata/archer.txt' into table t_all_hero_part partition (role='sheshou');
load data local inpath '/export/data/hivedata/assassin.txt' into table t_all_hero_part partition (role='cike');
load data local inpath '/export/data/hivedata/mage.txt' into table t_all_hero_part partition (role='fashi');
load data local inpath '/export/data/hivedata/support.txt' into table t_all_hero_part partition (role='fuzhu');
load data local inpath '/export/data/hivedata/tank.txt' into table t_all_hero_part partition (role='tanke');
load data local inpath '/export/data/hivedata/warrior.txt' into table t_all_hero_part partition (role='zhanshi');

-- 8. 查询表数据.
select * from t_all_hero;       -- 不分区
select * from t_all_hero where role_main='archer';          -- 全表扫描, 效率低.

select * from t_all_hero_part;  -- 分区
select * from t_all_hero_part where role='sheshou';          -- 精准扫描, 效率相对较高.

案例8: 分区表之动态分区

-- ---------------------------- 案例8: 分区表之 动态分区 ----------------------------
-- 细节: 动态分区时, 要关闭严格模式, 因为严格模式要求: 在动态分区的时候, 至少要有1个静态分区.
set hive.exec.dynamic.partition.mode=nonstrict;  -- 关闭严格模式

-- 例如: partition(role) 动态分区,  partition(role='sheshou') 静态分区,   partition(role='sheshou', year,month) 1个静态分区, 2个动态分区
-- 1. 建表, 动态分区表.
create table t_all_hero_part_dynamic (
    id string comment 'ID',
    name string comment '英雄',
    hp_max string comment '最大生命',
    mp_max string comment '最大法力',
    attack_max string comment '最高物攻',
    defense_max string comment '最大物防',
    attack_range string comment '攻击范围',
    role_main string comment '主要定位',
    role_assist string comment '次要定位'
)
comment '王者荣耀英雄表'
partitioned by (role string)   -- 按照角色主要定位分区, 分区字段必须是表中没有的字段
row format delimited fields terminated by '\t';

-- 2. 往(动态)分区表中添加数据, insert + select 方式.
insert into t_all_hero_part_dynamic partition (role)  -- 动态分区
select *, role_main from t_all_hero;  -- role_main是分区列, 内容一样的数据会被放到一起.

-- 3. 查看结果.
select * from t_all_hero_part_dynamic;

案例9: 分区表之总结

-- ---------------------------- 案例9: 分区表之 总结 ----------------------------
/*
分区总结:
    1. 分区 = 分文件夹, 目的是: 避免全表扫描, 降低扫描的次数, 提高查询效率.
    2. 分区字段必须是表中 没有的 字段.
    3. Hive默认开启了严格模式, 要求: 动态分区时, 至少指定1个静态分区.
        partition(role)             动态分区
        partition(role='fashi')     静态分区
    4. 实际开发中, 可以是单级分区, 也可以是多级分区, 多级分区一般不会超过3层, 且大多数是 年月日分区.
*/
-- 0. 创建学生分区表.
create table stu_part(
    id int,
    name string,
    gender string,
    age int,
    sno string
)
partitioned by (year string, month string)      -- 按照年, 月分区.
row format delimited fields terminated by ',';

-- 1. 往学生分区表中添加数据.
insert into stu_part partition (year='2023', month='05')   -- 静态分区
select * from stu;

select * from stu_part;

-- 2. 查看表所有的分区.
show partitions stu_part;

-- 3. 手动添加分区
alter table stu_part add partition(year='2023', month='03');    -- 手动添加1个分区

alter table stu_part add
    partition(year='2023', month='01')
    partition(year='2022', month='01')
    partition(year='2022', month='03')
    partition(year='2021', month='05')
    partition(year='2023', month='09'); -- 手动添加多个分区

-- 4. 修改分区
alter table stu_part partition (year='2023', month='09') rename to partition (year='2021', month='11');

-- 5. 删除分区.
alter table stu_part drop partition(month='01');      -- 删除(每年)所有的 1月分区
alter table stu_part drop partition(year='2021');     -- 删除2021年所有的分区
alter table stu_part drop partition(year='2023',month='03');     -- 删除2023年03月的分区

案例10: 分桶表

-- ---------------------------- 案例10: 分桶表 ----------------------------
/*
分桶表相关:
    概述:
        分桶 = 分文件.
    目的/好处:
        1. 把1个整体(大文件) 拆分成 n个小文件, 减少join的次数, 提高查询效率.
        2. 方便采样, 抽样.
    细节:
        1. 分桶字段必须是表中已有的字段.
        2. 分桶表不能通过load方式加载数据, 因为要把文件拆分成n份, 所以必须通过 insert + select方式实现, 它的底层会转MR.
        3. 分桶的原理:  哈希取模法
            分桶的公式: 分桶字段的哈希值 % 桶的个数 = 结果, 结果是啥, 就进那个桶
            例如: 按照性别(男, 女)分桶, 分成2个桶, 执行流程如下:
                select abs(hash('男')) % 2    => 0, 1
                select abs(hash('男')) % 2    => 0, 1
        4. 哈希值 就是 根据字段的内容计算出来的1个整数(可能是正数, 也可能是负数), 类似于: 每个学生都有自己的 学号一样.
        5. 同一对象(内容)哈希值一定相同, 不同对象哈希值一般不同.
           例如: 重地和通话, 儿女和农丰...  去Java中执行.
*/
-- 0. 分桶原理, 哈希取模法
select hash('男');   -- -27446
select hash('女');   -- -28845

select abs(hash('男'));  -- 27446
select abs(hash('男')) % 2;  -- 0
select abs(hash('女')) % 2;  -- 1

-- 1. 创建普通表.
create database day07;
use day07;
show tables;
create table stu(
    id int,
    name string,
    gender string,
    age int,
    sno string
) row format delimited fields terminated by ',';

-- 2. 添加数据到普通表, 查询表数据.
select * from stu;

-- 3. 创建分桶表(不排序), 指定: 按照性别分桶, 分成2个桶.
create table stu_bucket(
    id int,
    name string,
    gender string,
    age int,
    sno string
) clustered by (gender) into 2 buckets    -- 按照性别分桶, 分成2个桶, 分桶字段必须是表中已有的字段
row format delimited fields terminated by ',';

-- 4. 直接上传文件到分桶表中, 观察, 分桶表中是否有数据?
-- 结论: 有数据, 但是没有按照我们的要求分成2个桶, 思考: 为啥?
-- 答案: 分桶表必须通过 insert + select 方式添加数据, 底层会转MR, 把数据分成n个文件.
insert into stu_bucket select * from stu;
select * from stu_bucket;   -- 22条数据, HDFS路径下 2个文件.

-- 6. 创建分桶(排序)表, 按照: 性别分, 桶内按照年龄降序排列.
create table stu_bucket_sort(
    id int,
    name string,
    gender string,
    age int,
    sno string
) clustered by (gender) sorted by (age desc) into 2 buckets    -- 按照性别分桶, 分成2个桶, 桶内数据按照 年龄降序排列.
row format delimited fields terminated by ',';

-- 7. 往分桶排序表中添加数据, 然后查看结果.
insert into stu_bucket_sort select * from stu;      -- 普通表的数据 =>  分桶排序表中.

select * from stu_bucket_sort;

案例11: 复杂类型 array

-- ---------------------------- 案例11: 复杂类型 array ----------------------------
-- 源文件中数据格式为: "zhangsan	beijing,shanghai,tianjin,hangzhou"   建表存储.
-- 1. 建表, 用于存储上述格式的数据.
drop table test_array;
create table test_array(
    name string,
    addrs string
) row format delimited
    fields terminated by '\t';    -- 切割后, 数据格式为: "zhangsan", "beijing,shanghai,tianjin,hangzhou"


-- 2. 上传源文件, 查看表数据.
select * from test_array;

-- 3. 查找包含 hangzhou 这个城市的 数据信息.
select * from test_array where addrs like '%hangzhou%';

-- 4. 查找每个人, 都去过几个城市, 第2个去的城市是哪里.
select * from test_array;

-- 5. 虽然能实现需求, 但是比较麻烦, 针对于这个特定的数据格式, 我们用复杂类型 array来表示.
create table test_array(
    name string,
    addrs array<string>     -- 表示 所有去过的城市的数组. 数据格式为: [值1, 值2, 值3...]
) row format delimited
    fields terminated by '\t'               -- 切割后, 数据格式为: "zhangsan", "beijing,shanghai,tianjin,hangzhou"
    collection items terminated by ',';     -- 切割后, 数据格式为: "zhangsan", ["beijing", "shanghai", "tianjin", "hangzhou"]

-- 6. 上传文件, 查看表数据.
select * from test_array;

-- 7. 数组的相关操作.
-- 查询所有数据
select * from test_array;

-- 查询addrs数组中第一个元素, 索引是从 0 开始数的.
select *, addrs[0] from test_array;
-- 查询addrs数组中元素的个数
select * , size(addrs) from test_array;

-- 查询addrs数组中包含tianjin的信息
select *, array_contains(addrs, 'tianjin') from day07.test_array;               -- 这样是看结果, 不是筛选.
select * from day07.test_array where array_contains(addrs, 'tianjin')=true;

-- 最终写法, 即: 上述代码的变形版, 省略true.
select * from day07.test_array where array_contains(addrs, 'tianjin');

案例12: 复杂类型 struct

-- ---------------------------- 案例12: 复杂类型 struct ----------------------------
-- 源文件中数据格式为: "1#周杰轮:11"   建表存储.
-- 流程: "1#周杰轮:11" => "1", "周杰轮:11"  => "1", {"name":"周杰轮", "age":11}
-- 1. 建表, 用于存储上述格式的数据.
drop table test_struct;
create table test_struct(
    name string,
    info struct<name:string, age:int>       -- 结构体, 即: 键值对形式, 可以有无数组键值对组合.
) row format delimited
    fields terminated by '#'            -- 切割后, 数据格式为: "1", "周杰轮:11"
    collection items terminated by ':'; -- 切割后, 数据格式为: "1", {"name":"周杰轮","age":11}

-- 2. 上传表数据, 查看表信息.
select * from test_struct;

-- 3. 结构体的相关操作.
select *, info.name from test_struct;       -- 通过 info.键名 的方式, 可以实现 根据键获取其对应的值.





-- ---------------------------- 案例13: 复杂类型 map ----------------------------
/*
源文件中数据格式为: "1,zhangsan,father:xiaoming#mother:xiaohuang#brother:xiaoxu,28"

流程为:
    1. 原始数据为: "1,zhangsan,father:xiaoming#mother:xiaohuang#brother:xiaoxu,28"
    2. 按照,切割:  "1",  "zhangsan",   "father:xiaoming#mother:xiaohuang#brother:xiaoxu",   "28"
    3. 按照#切割:  "1",  "zhangsan",   ["father:xiaoming", "mother:xiaohuang", "brother:xiaoxu"],   "28"
    4. 按照:切割:  "1",  "zhangsan",   {"father":"xiaoming", "mother":"xiaohuang", "brother":"xiaoxu"},   "28"
*/
-- 1. 建表, 用于存储上述格式的数据.
create table test_map(
    id int,
    name string,
    members map<string, string>,     -- 键值都是string类型
    age int
) row format delimited
    fields terminated by ','            -- 切割后, 数据格式为: "1",  "zhangsan",   "father:xiaoming#mother:xiaohuang#brother:xiaoxu",   "28"
    collection items terminated by '#'  -- 切割后, 数据格式为: "1",  "zhangsan",   ["father:xiaoming", "mother:xiaohuang", "brother:xiaoxu"],   "28"
    map keys terminated by ':';         -- 切割后, 数据格式为: "1",  "zhangsan",   {"father":"xiaoming", "mother":"xiaohuang", "brother":"xiaoxu"},   "28"


-- 2. 查询表数据.
select * from test_map;

-- 3. 完成如下查询.
-- 查询全部
select * from test_map;

-- 查询father、mother这两个map的key
select *, members['father'] father, members['mother'] mother from test_map;     -- 字典通过  字段名['键名'] 的方式获取其对应的值.

-- 查询全部map的key，使用map_keys函数，结果是array类型
select *, map_keys(members) keys from test_map;     -- 结果是array类型   ["father","mother","brother"]
-- 查询全部map的value，使用map_values函数，结果是array类型
select *, map_values(members) keys from test_map;     -- 结果是array类型 ["王林","如花","潇潇"]
-- 查询map类型的KV对数量
select *, size(members) kv from test_map;     -- 结果是array类型
-- 查询map的key中有brother的数据
--                              数组是否包含某个元素        ["father","mother","brother"]      'brother'
select * from test_map where    array_contains(           map_keys(members),               'brother');

-- 获取家庭成员中, 有叫如花的信息.
--                           数组是否包含某个元素        ["王林","如花","潇潇"]           '如花'
select * from test_map where array_contains(         map_values(members),           '如花');