Hive(五)【DQL数据查询】

一. 基本查询
二. Join语句
三. 排序

一. 基本查询

1.1 算数运算符

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

案例

查询所有员工的薪水然后加1

select sal+1 from emp

1.2 常用聚合函数

可以和分组group by 配合使用

案例

求总行数、最大值、最小值、总和、平均值

select count(*),max(sal),min(sal),sum(sal),avg(sal) from emp

1.3 limit

案例

查询emp表前五行

select * from emp limit 5;

查询emp表第5-第10行

select * from emp limit 4,6;

--数据从第0行开始计数，4代表第5行，6代表从第5行往后再查6行

1.4 where

注意：where字句紧随from字句、where字句不能使用字段别名

1.5 比较运算符(between|in|is null)

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，反之返回FALSE
A<=>B	基本数据类型	如果A和B都为NULL，则返回TRUE，如果一边为NULL，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<B	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。

1.6 LIKE和RLIKE

LIKE

%代表任意个字符

_ 代表一个字符
RLIKE

RLIKE子句是Hive中这个功能的一个扩展，其可以通过Java的正则表达式这个更强大的语言来指定匹配条件。

案例

1.查找以A开头的员工信息

select * from emp where ename LIKE 'A%';    --LIKE

select * from emp where ename RLIKE '^A';   --RLIKE

2.查找名字第二个字母为A的员工信息

select * from emp where ename LIKE '_A%';

select * from emp where ename RLIKE '^.A';

3.查询名字中带A的员工信息

select * from emp where ename LIKE '%A%';

select * from emp where ename RLIKE '[A]';

1.7 and|or|not

操作符	含义
AND	逻辑并
OR	逻辑或
NOT	逻辑否

1.8 group by|having by

(1)where 后面不能写分组函数，having后面可以使用分组函数。

(2)having只能于group by分组统计语句。

二. Join语句

2.1 内连接

案例

select e.empno,e.ename,d.deptno from emp e join dept d on e.deptno = d.deptno;

2.2 外连接(左|右)

案例

左外连接

select e.empno,e.ename,d.deptno from emp e left join dept d on e.deptno = d.deptno;

右外连接

select e.empno,e.ename,d.deptno from emp e left join dept d on e.deptno = d.deptno;

2.3 满连接

案例

select e.deptno,e.ename,d.deptno from emp e

full join deptno d on e.depno=d.depno;

2.4 多表连接

案例

select * from emp e

join dept d

on e.deptno = d.deptno

join location l

on d.loc = l.loc;

三. 排序

3.1 order by

全局排序，只有一个reducer。对于大数据场景的数据效率非常低，一般不用

别名、多个列全排序

案例

select ename,deptno,sal*2 two_sal from emp order bydeptno asc,two_sal desc;

3.2 sort by 和 distribute by

sort by

sort by为每个reducer进行内部排序(区内排序)，对全局不是排序。

distribute by

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

案例

insert overwrite local directory '/opt/module/hive/data/export'

select * from emp distribute by deptno sort by empno desc;

总结

一般sort by和distribute by一起使用，Hive要求distribute by语句要写sort by语句之前

参数设置：set mapreduce.job.reduces=3，set mapreduce.job.reduces

3.3 cluster by

cluster by可以看做是sort by和distribute by相同字段一起使用的特例。

cluster by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。

案例

select * from emp cluster by deptno;

--上下两种写法等价

select * from emp distribute by deptno sort by deptno;