Hive SQL / SQL

1. 建表 & 拉取表

建表

create table student(
	name string, 
	age  BIGINT,
	subject array<string>, -- 学科
	score map<string, float>, -- 学科对应成绩
	address struct<houseNumber: int, street: string>
) 
row format delimited
fields terminated by "\t"; -- 列间隔符

加载数据

-- local 从本地加载，省略则从HDFS加载
load data local inpath '/root/covid/2020-02.csv' into table covid2020;
-- 加载数据到分区
load data inpath '/data/covid/2020-02.csv' into table covid2020 partition(dt='2020-02');

2. 插入数据 insert + select

-- overwrite 覆盖
-- into 追加
insert overwrite/into table table1
select id
	  ,name
from table2;

-- 一次查询，插入多个表或分区
from table2
insert into/overwrite table table1 partition(dt="01")
select_value1
insert into/overwrite table table1 partition(dt="02")
select_value2
;

3. 查询

3.1 查询语句语法/顺序

注意先后顺序

select all/distinct expr1
				    ,expr2
from table_name
where condition -- 过滤
group by condition -- 分组查询
having condition -- 分组后组内过滤
order by col_list -- 最终查询结果排序
limit number
offset number
;

3.2 关系操作符

-- <==> 都为null或都不为null，返回true
where A <==> B 

-- 判空，必须用is (not) null
-- 若string类型为"",则hive的is null判断反回为False
where job is null

-- in 集合
where job(col_name) in('研发'， ‘销售’)

3.3 聚合函数

多行数据一起计算，返回一行值

count(*) 统计行数，包含null
count(col_name) 统计指定列的行数，不包含null
max() 不包含null
min()
sum()
avg()

select count(*) from table1;

3.4 where

-- where 中可以使用函数
select * from table1 where length(name) > 5;
-- where中不能使用聚合函数

3.5 分组聚合

选择分组后，select字段只能选择 分组的字段(job)、聚合函数。

-- 分组后， 组内count(*)
select job
	   ,count(*)
from emp
group by job
;

3.6 having 筛选分组后结果

select job
	  ,count(*) cnt
from emp
group by job
having cnt >= 2;

-- 相当于
select job
	   ,cnt
from 
(
	select job
		  ,count(*) cnt
	from emp
	group by job
) t
where cnt >= 2;

3.7 显式类型转换 & select产生指定值的列

select
	'none' as none_col1,
	cast('none' as int) as none_col2

显示类型转换
cast(‘100’ as int)
select cast(12.1 as int); >>> 12

4. join 横向拼接

4.1 等值连接 & 不等值连接

-- 等值连接
select 
	*
from table1
join table2
on table1.id = table2.id
;

-- 不等值连接
on 中不是"=", 早期版本hive 不支持不等值连接

4.2 两表连接

4.2.1 内连接

join 或inner join；
两表连接字段的交集，不能join的行不显示。

select 
	tb1.name,
	tb2.name
from table1 tb1
join / inner join table2 tb2
on tb1.id = tb2.id;

4.2.2 左外连接 & 右外连接

left join 或left outer join；
保留左表所有数据，右表补空。
右外连接 相反。

select 
	tb1.name,
	tb2.name
from table1 tb1
left/right join table2 tb2
on tb1.id = tb2.id;

4.2.3 满外连接

full join 或full outer join
保留两表左右，不能连接的字段补空。

select 
	tb1.name,
	tb2.name
from table1 tb1
full join table2 tb2
on tb1.id = tb2.id;

4.3 多表连接

select
	*
from table1
join table2
on table1.id = table2.id
join table3
on table2.name = table3.name

(
	select 
		id, name
	from stu_info
	where course_id = '01'
) t1
full outer join
(
	select 
		id, name
	from stu_info
	where course_id = '02'
) t2
on t1.id = t2.id
full outer join
(
	select 
		id, name
	from stu_info
	where course_id = '03'
) t3
-- 如果某id 不在t1中在t2中
-- 如果t1.id 为空则返回t2.id,如果不为空则返回t1.id
on nvl(t1.id, t2.id) = t3.id

4.4 笛卡尔积

select 
	*
from table1
join table2

-- 或
select 
	*
from table1, table2

5. union 纵向拼接

1. 两表上下拼接，对应字段的数量、类型都必须相同；
2. 对应字段名不一样，能连接上；最终字段名以第一个表的字段名为准；
3. union 连接的必须是select查询语句；
4. 连接完后，当成一个select查询使用就行；
5. union all 不会对相同数据去重，union会对上下两部分相同部分去重。

select 
	*
from stu
where score = 30
union
select 
	*
from stu
where score = 40
;

6. 排序

6.1 order by 全局排序

默认升序（asc）， desc 降序descend
hive 最终执行reduce时，只能一个reduce以实现全局排序，数据量大时order by不合适；
可以使用order by + limit n ，每个Map取出n个，减少了reduce时的压力

select
	*
from table1
order by col_name desc
;

6.2 sort by reduce内部排序

保证每个reduce内有序，全局不保证有序。

-- 设置reduce个数
set mapreduce.job.reduces=3;
-- 查看reduce个数
set mapreduce.job.reduces;

-- reduce内部排序
select
	*
from emp
sort by col_1 desc;

7. 其他

7.1 select中判断筛选出null

7.1.1 MYSQL ifnull

筛选出第二大的，但可能初筛排序后只有一个，再筛第二大为null
ifnull 指定为null时，替换为什么值。

select
	ifnull(
		(
			select
				salary
			from Employee
			order by salary desc
			limit 1
			offset 1
		)
		,null
	) as No2_highest_salary

7.1.2 Hive SQL if( , , )

如果column是null，返回第二个值，不是则返回第三个值

if(column is null, 'IS NULL', 'IS NOT NULL')