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;