基础语句
CREATE DROP 建表、删表
- 建表
--------------------------------------
-- 1. 直接建表
--------------------------------------
-- 创建非分区表时，省去后半部分即可
create table if not exists table_name(
id string comment 'id ',
num string comment '数值'
)
partitioned by (
ym string comment '月份 '
);
--------------------------------------
-- 2. 复制其他表的表结构
--------------------------------------
create table if not exists new_table like old_table;
--------------------------------------
-- 3. 从其他表选取数据创建并插入新表
--------------------------------------
create table if not exists new_table as
select * from old_table;- 删表
drop table table_name ;ALTER 更改表结构
分区
- 添加分区
alter table table_name
add if not exists partition (y='2016',m='12');- 删除分区
ALTER TABLE table_name DROP IF EXISTS PARTITION (ym='201706');- 重命名分区
ALTER TABLE table_name PARTITION (y='2017',m='05')
RENAME TO PARTITION (y='2017',m='06');列
- 删除列
ALTER TABLE table_name DROP COLUMN id;- 增加列
Alter table table_name add COLUMNS (id string comment '代号');- 修改列 (此处可用于 修改字段注释)
ALTER TABLE table_name CHANGE id level string comment '层级代号';- 替换列
ALTET TABLE table_name REPLACE COLUMNS
(id_new string COMMENT '新字段1', level_new string COMMENT '新字段2');表
- 重命名表名
ALTER TABLE old_table RENAME TO new_table;INSERT 插入
- 插入单条数据 （Hive 已支持单条插入）
insert into table_name values(201705,'lol');- 插入分区表
insert overwrite table table_name PARTITION (y='2017',m='01')
select *
from table_name_2
where pt = concat('2017','01'); LOAD 载入
- 重写载入分区表 （非分区表同理）
LOAD DATA LOCAL INPATH 'total.txt' overwrite into table table_name partition (y='2016',m='12');其他语句
- 其他基础SQL类似的语句不再赘述，此处再多列举几个常用语句：
-- 列举库或表
SHOW DATABASES/TABLES;
-- 根据关键字查找库或表
SHOW DATABASES/TABLES LIKE "*keyword*";
-- 列举所有函数
SHOW FUNCTIONS;
-- 查看分区
SHOW PARTITIONS test_table;
-- 查看建表语句
SHOW CREATE TABLE table_name;
-- 详细描述，包括建表时间、最后更新时间、行数统计等。
DESC FORMATTED test_table;
-- 解释语句
EXPLAIN select * from dual;
-- 清空表
truncate table table_name;函数、技巧、方法
- 执行顺序理解
根据 explain 语句的使用发现，在执行以下语句时：
在TableScan步骤，where条件中若有分区筛选条件且目标分区确实存在、且判断方式为=时，自动进行过滤， 然后再在Filter Operator进行其他条件的筛选：predicate: (latitude is not null and (UDFToDouble(longitude) > 100.0) AND (UDFToDouble(ym) > 201701.0)) (type: boolean)predicate: (lat_avg is not null and lng_avg is not null) (type: boolean)
所以， 先join在where和先where在join是等等价的
select b.*, a.name,a.price,a.city
from table_name_a a
join table_name_b b
on round(b.lng_avg,2) = round(a.longitude,2)
and round(b.lat_avg,2) = round(a.latitude,2)
where a.longitude >100 -
shell内通过
hive -v " "调用执行HiveQL语句时,如需要注释，请注意转义问题- 注释的那条语句不能含有分号
; - 注释语句后接语句尽量避免导jar包的语句
- 避免使用 /* */
- 注释的那条语句不能含有分号
-
选择除某几个字段外的所有字段
当某个表的字段特别多，若想选取除某几个字段外的所有字段时，这时语句写起来就会很麻烦，比如有时两个表join的条件的字段名相同时，只能保留一个字段。但有一个方法可以解决这个问题，如下：
set hive.support.quoted.identifiers=none;
select `(y|m|d)?+.+` from dual;- 需注意:
- 括号内不能有空格
- 在shell里调用时需要对这个反引号进行转义
- 通过
concat_ws、collect_set和str_to_map的使用，实现字符串转map
str_to_map(concat_ws(',',collect_set(concat_ws(':',key, cast(value as string)))))avg()函数会自动剔除NULL，总数除以非NULL个数- 字符串截取函数
substr、substring是等价的
substr(string A, int start, int len)
substring(string A, int start, int len) -
x between a and b等同于a<= x <=b -
子查询加最好要加别称
报错：Failed rule: ‘identifier’ in subquery source
解决：子查询加 别称 -
设置队列问题，
mapred.job.queue.name与mapreduce.job.queuename
set mapred.job.queue.name=queue_xx;MRv2重新命名了MRv1中的所有配置参数，但兼容MRv1中的旧参数，只不过会打印一条警告日志提示用户参数过期。详见此篇博文。
- 查询表的实际更新情况
desc formatted 的结果往往只有CreateTime，LastAccessTime经常为UNKNOWN的状态，可以用hadoop 指令去查询数据文件的真实更新时间：hadoop fs ‐ls truePath/databaseName.db/tableName/
调优
占个坑，有时间再来填
Hive里的坑点
limit m,n的问题
使用语句：create table a as select * from b limit m,n时，会导致新建表a内无数据，解决办法:- 看似可以其实并不好使：
create table a as select * from (select * from b limit m,n ) t - 解决： 使用
row_number()加序号,根据序号选取
- 看似可以其实并不好使：
- NULL 值问题
length(NULL)等于NULLNULL与空字符串:
由下可见：NULL不可以与字符串或数值比较，''可与字符串比较但不可与数值比较
hive (xx_safe)> select * from dual;
OK
dual.lol
100
50
1
1
2
fangjiale
NULL
--(此处为'')
hive (xx_safe)> select * from dual where lol !='1';
OK
dual.lol
fangjiale
100
50
2
--(此处为'')
hive (xx_safe)> select * from dual where lol !=1;
OK
dual.lol
100
50
2