hive学习笔记3：group by子句

1.按照性别来计算不同的用户数

SELECT pv_users.gender, count(DISTINCT pv_users.userid)
FROM pv_users
GROUP BY pv_users.gender;

2.使用GROUP BY时，可以同时使用多个聚合函数，但是聚合函数里面使用DISTINCT时必须包含相同的列

SELECT pv_users.gender, count(DISTINCT pv_users.userid), count(*), SUM(DISTINCT pv_users.userid)
FROM pv_users
GROUP BY pv_users.gender;

3.下面写法就是错误的，因为不允许相同的查询中包含多个不同的DISTINCT表达式

SELECT pv_users.gender, count(DISTINCT pv_users.userid), count(DISTINCT pv_users.ip)
FROM pv_users
GROUP BY pv_users.gender;

4.Select语句和group by子句
使用group by子句，select语句中只能包含group by的子句。当然，也可以使用聚合函数

SELECT 
    a,
    sum(b)
FROM
    t1
GROUP BY
    a; 

但是下面的语句就不可以

SELECT
    a,
    b
FROM
    t1
GROUP BY
    a;

5.对于Group By的Map端聚合
hive.map.aggr控制了如何聚合。默认设置是false，如果设置为true，Hive将会在map任务中直接做第一优先级的聚合。这样通常提供更好的效率，但是可能需要更多的内存来成功运行。

set hive.map.aggr = true;
SELECT COUNT(*) FROM table2;