hive select操作(翻译自Hive wiki)

Select语法

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]

select语句可以是union查询的一部分或者是另一个查询的子查询。

table_reference指示查询的输入。它可以是普通的表，视图，join构造或者是子查询。

简单查询。例如，下面的查询返回表t1所有的列和行。

SELECT * FROM t1

WHERE子句

where条件是一个boolean表达式。例如，下面的查询，返回US地区，amount大于10的销售记录。Hive在where子句中不支持IN,EXISTS或子查询

SELECT * FROM sales WHERE amount > 10 AND region = "US"

ALL和DISTINCT子句

ALL和DISTINCT选项，指定重复的行是否返回。如果没有指定，默认是ALL(所有行会返回)。DISTINCT指定从结果集移除重复的行。

hive> SELECT col1, col2 FROM t1
    1 3
    1 3
    1 4
    2 5
hive> SELECT DISTINCT col1, col2 FROM t1
    1 3
    1 4
    2 5
hive> SELECT DISTINCT col1 FROM t1
    1
    2

基于分区的查询

通常，一个SELECT查询扫描全部表(除了sampling)。如果表是用PARTITIONED BY字句创建，查询可以做分区剪除，根据查询指定的分区范围，扫描表的一部分。当前Hive在where字句或者JOIN的ON字句中指定了分区，会做分区裁剪。例如，如果表page_views按照列date做分区，下面的查询，只是返回在2008-03-01到2008-03-31的日期的行。

    SELECT page_views.*
    FROM page_views
    WHERE page_views.date >= '2008-03-01' AND page_views.date <= '2008-03-31'

如果表page_views和其他表dim_users做连接，可以在ON字句指定分区的范围，如下：

    SELECT page_views.*
    FROM page_views JOIN dim_users
      ON (page_views.user_id = dim_users.id AND page_views.date >= '2008-03-01' AND page_views.date <= '2008-03-31')

HAVING子句

从Hive0.70开始，Hive添加支持HAVING字句。之前的Hive版本，如果要达到相同的效果，需要用子查询，例如：

SELECT col1 FROM t1 GROUP BY col1 HAVING SUM(col2) > 10

也可以表示为：

SELECT col1 FROM (SELECT col1, SUM(col2) AS col2sum FROM t1 GROUP BY col1) t2 WHERE t2.col2sum > 10

LIMIT字句

Limit指示返回的行的数目。随机选择返回的行。下面的查询，随机返回t1的5行。

SELECT * FROM t1 LIMIT 5

Top K查询。下面的查询返回的前5名的销售记录WRT量。

SET mapred.reduce.tasks = 1
SELECT * FROM sales SORT BY amount DESC LIMIT 5

正则表达式列规范

SELECT语句可以执行基于正则表达式的列规范

使用java正则表达式语法:常用http://www.fileformat.info/tool/regex.htm测试结果。

下面的查询，选择除了ds和hr的所有列。

SELECT `(ds|hr)?+.+` FROM sales

翻译自 https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Select