hive-DML-查询
查询语法：
SELECT [ALL | DISTINCT] select_expr, select_expr, ...
FROM table_reference
[WHERE where_condition]
[GROUP BY col_list]
[ORDER BY col_list]
[CLUSTER BY col_list
| [DISTRIBUTE BY col_list] [SORT BY col_list]
]
[LIMIT [offset,] rows]
SELECT 语句可以是联合查询的一部分，也可以是另一个查询的子查询。
table_reference表示查询的输入。它可以是常规表、视图、连接构造或子查询。
表名和列名不区分大小写。
简单查询
全表查询
select * from table_name;
指定列查询
select select_expr1, select_expr2 from table_name;
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 |
| ~A | A按位取反 |
limit子句
LIMIT 子句可用于限制 SELECT 语句返回的行数。
LIMIT 需要一个或两个数字参数，它们都必须是非负整数常量。
第一个参数指定要返回的第一行的偏移量，第二个参数指定要返回的最大行数。
当给出单个参数时，它代表最大行数，偏移量默认为 0。
以下查询返回 5 个任意客户
SELECT * FROM customers LIMIT 5;
以下查询返回要创建的前 5 个客户
SELECT * FROM customers ORDER BY create_date LIMIT 5;
以下查询返回要创建的第 3 个到第 7 个客户
SELECT * FROM customers ORDER BY create_date LIMIT 2,5;
这些例子来自hive官网
where子句
WHERE 条件是一个布尔表达式。也支持某些类型的子查询。
比较运算符
| 操作符 | 支持的数据类型 | 描述 |
|---|---|---|
| A=B | 基本数据类型 | 如果A等于B则返回TRUE，否则返回FALSE |
| A<=>B | 基本数据类型 | 如果A和B都为NULL，则返回TRUE，否则返回FALSE |
| A<>B, A!=B | 基本数据类型 | A或者B为NULL则返回NULL；如果A不等于B，则返回TRUE，反之返回FALSE |
A| 基本数据类型 |
A或者B为NULL，则返回NULL；如果A小于B，则返回TRUE，反之返回FALSE |
|
| A<=B | 基本数据类型 | A或者B为NULL，则返回NULL；如果A小于等于B，则返回TRUE，反之返回FALSE |
| A>B | 基本数据类型 | A或者B为NULL，则返回NULL；如果A大于B，则返回TRUE，反之返回FALSE |
| A>=B | 基本数据类型 | A或者B为NULL，则返回NULL；如果A大于等于B，则返回TRUE，反之返回FALSE |
| A [NOT] BETWEEN B AND C | 基本数据类型 | 如果A，B或者C任一为NULL，则结果为NULL。如果A的值大于等于B而且小于或等于C，则结果为TRUE，反之为FALSE。如果使用NOT关键字则可达到相反的效果。 |
| A IS NULL | 所有数据类型 | 如果A等于NULL，则返回TRUE，反之返回FALSE |
| A IS NOT NULL | 所有数据类型 | 如果A不等于NULL，则返回TRUE，反之返回FALSE |
| IN(数值1, 数值2) | 所有数据类型 | 使用 IN运算显示列表中的值 |
| A [NOT] LIKE B | STRING 类型 | B是一个SQL下的简单正则表达式，也叫通配符模式，如果A与其匹配的话，则返回TRUE；反之返回FALSE。B的表达式说明如下：‘x%’表示A必须以字母‘x’开头，‘%x’表示A必须以字母’x’结尾，而‘%x%’表示A包含有字母’x’,可以位于开头，结尾或者字符串中间。如果使用NOT关键字则可达到相反的效果。 |
| A RLIKE B, A REGEXP B | STRING 类型 | B是基于java的正则表达式，如果A与其匹配，则返回TRUE；反之返回FALSE。匹配使用的是JDK中的正则表达式接口实现的，因为正则也依据其中的规则。例如，正则表达式必须和整个字符串A相匹配，而不是只需与其字符串匹配。 |
like
通配符：
% 代表零个或多个字符(任意个字符)
_ 代表一个字符
逻辑运算符
| 操作符 | 含义 |
|---|---|
| AND | 逻辑并 |
| OR | 逻辑或 |
| NOT | 逻辑否 |
group by语句
按性别计算不同用户的数量，可以编写以下查询：
INSERT OVERWRITE TABLE pv_gender_sum
SELECT pv_users.gender, count (DISTINCT pv_users.userid)
FROM pv_users
GROUP BY pv_users.gender;
可以同时进行多个聚合，但是，任何两个聚合都不能具有不同的 DISTINCT 列。例如，以下是可能的，因为 count(DISTINCT) 和 sum(DISTINCT) 指定了相同的列：
INSERT OVERWRITE TABLE pv_gender_agg
SELECT pv_users.gender, count(DISTINCT pv_users.userid), count(*), sum(DISTINCT pv_users.userid)
FROM pv_users
GROUP BY pv_users.gender;
但是，不允许以下查询。不允许在同一个查询中使用多个 DISTINCT 表达式。
INSERT OVERWRITE TABLE pv_gender_agg
SELECT pv_users.gender, count(DISTINCT pv_users.userid), count(DISTINCT pv_users.ip)
FROM pv_users
GROUP BY pv_users.gender;
使用 group by 子句时，select 语句只能包含 group by 子句中包含的列
SELECT
a,
sum(b)
FROM
t1
GROUP BY
a;
以下查询不工作，这是因为 select 子句有一个额外的列 ( b)，它没有包含在 group by 子句中（它也不是聚合函数）
SELECT
a,
b
FROM
t1
GROUP BY
a;
group by 语句后使用having语句进行过滤。