1.Hive查询
1.基本查询(Select…From)
1.1全表和特定列查询
一、数据准备
1.创建部门表
create table if not exists dept(
deptno int,
dname string,
loc int
)
row format delimited fields terminated by ' ';
2.创建员工表
create table if not exists emp(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int)
row format delimited fields terminated by ' ';
3.导入数据
load data local inpath '/opt/module/datas/dept.txt' into table dept;
load data local inpath '/opt/module/datas/emp.txt' into table emp;
二、全表查询
select * from emp;
三、选择特定列查询
select empno, ename from emp;
1.2列别名
1)重命名一个列
2)便于计算
3)紧跟列名,也可以在列名和别名之间加入关键字‘AS’ 可以加 也可以不加
select ename AS name, deptno dn from emp;
1.3算术运算符
运算符 描述
A+B A和B 相加
A-B A减去B
A*B A和B 相乘
A/B A除以B
A%B A对B取余
A&B A和B按位取与
A|B A和B按位取或
A^B A和B按位取异或 相同为0 不同为1
~A A按位取反 0变1 1变0
1.4常用函数
1.求总行数(count) select count(*) cnt from emp;
2.求工资的最大值(max)select max(sal) max_sal from emp;
3.求工资的最小值(min)select min(sal) min_sal from emp;
4.求工资的总和(sum) select sum(sal) sum_sal from emp;
5.求工资的平均值(avg)select avg(sal) avg_sal from emp;
1.5 Limit语句
典型的查询会返回多行数据。LIMIT子句用于限制返回的行数。
select * from emp limit 5;
1.6 Where语句
1)使用WHERE子句,将不满足条件的行过滤掉
2)WHERE子句紧随FROM子句
select * from emp where sal >1000;
注意:where子句中不能使用字段别名。
2.分组
2.1 Group By语句
GROUP BY语句通常会和聚合函数一起使用,按照一个或者多个列队结果进行分组,然后对每个组执行聚合操作。
2.2 Having语句
1.having与where不同点
where后面(条件)不能写分组函数,而having后面可以使用分组函数。
having只用于group by分组统计语句。
2.求每个部门的平均薪水大于2000的部门
select deptno, avg(sal) avg_sal from emp group by deptno having avg_sal > 2000;
2.Hive排序
2.1 全局排序(Order By)
Order By:全局排序,只有一个Reducer
ASC(ascend): 升序(默认)
DESC(descend): 降序
ORDER BY 子句在SELECT语句的结尾
查询员工信息按工资升序排列 :select * from emp order by sal;
查询员工信息按工资降序排列 :select * from emp order by sal desc;
2.2 按照别名排序
按照员工薪水的2倍排序 : select ename, sal*2 twosal from emp order by twosal;
2.3 多个列排序
按照部门和工资升序排序 :select ename, deptno, sal from emp order by deptno, sal ;
全局排序压力比较大 效率较低 解决方案 两种 一、局部排序 二、加limit (hive中map会先筛选出需要的数据,减少reduce的排序数据)
2.4 每个MapReduce内部排序(Sort By)
Sort By:对于大规模的数据集order by的效率非常低。在很多情况下,并不需要全局排序,此时可以使用sort by。 不指定分区时 ,按照每一行的hash值进行排序
hive的参数修改
1.动态修改
设置reduce个数 hive (default)> set mapreduce.job.reduces=3;
查看设置reduce个数 hive (default)> set mapreduce.job.reduces;
2.静态修改 直接在$HIVE_HOME/conf/hive_site.xml修改 如下图

2.5 分区排序(Distribute By) 可以指定hive按照哪一列的hash值进行分区
Distribute By: 在有些情况下,我们需要控制某个特定行应该到哪个reducer,通常是为了进行后续的聚集操作。distribute by 子句可以做这件事。distribute by类似MR中partition(自定
义分区),进行分区,结合sort by使用。
对于distribute by进行测试,一定要分配多reduce进行处理,否则无法看到distribute by的效果
select * from emp distribute by empno sort by sal desc;

注意:
distribute by的分区规则是根据分区字段的hash码与reduce的个数进行模除后,余数相同的分到一个区。
Hive要求DISTRIBUTE BY语句要写在SORT BY语句之前
2.6 Cluster By
当distribute by和sorts by字段相同时,可以使用cluster by方式。
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。
以下两句话等同:
select * from emp distribute by empno sort by empno;
select * from emp cluster by empno;

2.7 抽样查询
select * from stu tablesample(bucket 1 out of 4 on id);
注:tablesample是抽样语句,语法:TABLESAMPLE(BUCKET x OUT OF y)
id 一般用unique 值,一共用算法把数据分为y份,取其中一份作为抽样查询的结果