0
0

HiveQL练习（hive3.x）

零、准备工作

1. Hive环境安装

参见搭建Hive 3.x环境（CentOS 9 + Hadoop3.x）

2. 准备数据

在虚拟机HOME目录创建如下文件内容：

cd /root
vi emp.csv

内容如下：

7369,SMITH,CLERK,7902,1980/12/17,800,,20
7499,ALLEN,SALESMAN,7698,1981/2/20,1600,300,30
7521,WARD,SALESMAN,7698,1981/2/22,1250,500,30
7566,JONES,MANAGER,7839,1981/4/2,2975,,20
7654,MARTIN,SALESMAN,7698,1981/9/28,1250,1400,30
7698,BLAKE,MANAGER,7839,1981/5/1,2850,,30
7782,CLARK,MANAGER,7839,1981/6/9,2450,,10
7788,SCOTT,ANALYST,7566,1987/4/19,3000,,20
7839,KING,PRESIDENT,,1981/11/17,5000,,10
7844,TURNER,SALESMAN,7698,1981/9/8,1500,0,30
7876,ADAMS,CLERK,7788,1987/5/23,1100,,20
7900,JAMES,CLERK,7698,1981/12/3,950,,30
7902,FORD,ANALYST,7566,1981/12/3,3000,,20
7934,MILLER,CLERK,7782,1982/1/23,1300,,10

vi dept.csv

内容如下：

10,ACCOUNTING,NEW YORK
20,RESEARCH,DALLAS
30,SALES,CHICAGO
40,OPERATIONS,BOSTON

3. 进入Hive CLI

在hadoop1上执行下面命令启动Hadoop集群

start-all.sh
mapred --daemon start historyserver

在hadoop2上启动MetaStore服务

nohup hive --service metastore &

在hadoop2或者hadoop3上进入Hive CLI

hive

一、HQL基本练习

1. 上传数据

创建HDFS目录

/hivedata

hive> dfs -mkdir /hivedata;

上传数据到

/hive_test

hive> dfs -put /root/emp.csv /hivedata;
hive> dfs -put /root/dept.csv /hivedata;

验证数据是否上传成功

hive> dfs -ls /hivedata;

在这里插入图片描述

Hive Cli可以执行如下几类命令，需要注意的是命令要使用

;

作为结束符：

  • 执行Shell命令

在Hive中，你可以使用

!

符号来执行Shell命令。例如，你可以在Hive中执行

ls

命令来列出Linux根目录下的文件。

hive >!ls;
  • 执行HDFS命令

在Hive中，你也可以直接使用HDFS命令来操作HDFS上的文件。例如，你可以使用

dfs -mkdir

命令来创建一个新的目录。

hive > dfs -mkdir /jsuttest;
  • 执行HQL

在Hive中，你可以执行HQL语句。

hive >showdatabases;

2. 数据库的基本操作

hive>showdatabases--查看数据库;
hive>createdatabase tmp_db location '/home/hive/db/tmp_db'--创建数据库时指定位置;
hive>descdatabase tmp_db --查看一下数据库的信息;#查看一下数据库的HDFS目录;
hive> dfs -ls -R /home/hive/db/;
hive>dropdatabase tmp_db --删除数据库;

hive>createdatabase test_db;
hive>use test_db;
hive>select current_database()--查看当前使用的数据库;#观察HDFS的目录变化;
hive> dfs -ls -R /user/hive;

3. 内部表的基本操作

hive>createtable emp
    >(empno int,ename string,job string,mgr int,hiredate string,sal int,comm int,deptno int)>row format delimited fieldsterminatedby',';
hive>desc emp;
hive>desc formatted emp;
hive>loaddata inpath '/hivedata/emp.csv'intotable emp;#观察HDFS目录变化;
hive> dfs -ls -R /user/hive/warehouse;
hive> dfs -ls -R /hivedata;

hive>select*from emp;
hive>droptable emp  --删除表;#观察HDFS目录变化;
hive> dfs -ls -R /user/hive/warehouse;

4. 外部表的基本操作

hive> dfs -mkdir -p /hivedata/emp.tb;
hive> dfs -put /root/emp.csv /hivedata/emp.tb;
hive>create external table emp
    >(empno int,ename string,job string,mgr int,hiredate string,sal int,comm int,deptno int)>row format delimited fieldsterminatedby','> location '/hivedata/emp.tb';

hive>desc formatted emp;#观察HDFS目录变化;
hive> dfs -ls -R /user/hive/warehouse;
hive> dfs -ls -R /hivedata/emp.tb;

hive>select*from emp;
hive>droptable emp  --删除表;#观察HDFS目录变化;
hive> dfs -ls -R /hivedata/emp.tb;

5. 分区表的基本操作

hive>create external table emp_ext
    >(empno int,ename string,job string,mgr int,hiredate string,sal int,comm int,deptno int)>row format delimited fieldsterminatedby','> location '/hivedata/emp.tb';
hive>createtable emp_partition
    >(empno int,ename string,job string,mgr int,hiredate string,sal int,comm int)> partitioned by(deptno int)>row format delimited fieldsterminatedby',';
hive>desc emp_partition  --查看表的信息;
hive>insertintotable emp_partition partition(deptno=10)>select empno,ename,job,mgr,hiredate,sal,comm from emp_ext where deptno=10--插入一个分区的数据;
hive>insertintotable emp_partition partition(deptno=20)>select empno,ename,job,mgr,hiredate,sal,comm from emp_ext where deptno=20;
hive>select*from emp_partition;
hive> dfs -ls -R /user/hive;
hive> dfs -cat /user/hive/warehouse/test_db.db/emp_partition/deptno=10/000000_0;
hive>show partitions emp_partition  --查看分区个数;
hive>desc formatted emp_partition;#hdfs新建一个目录;
hive> dfs -mkdir /user/hive/warehouse/test_db.db/emp_partition/deptno=30;  
hive>show partitions emp_partition  --查看分区;
hive> msck repair table emp_partition  --修复表;
hive>show partitions emp_partition   --查看分区;

6. 桶表

hive>createtable emp_bucket
    >(empno int,ename string,job string,mgr int,hiredate string,sal int,comm int,deptno int)>clusteredby(ename)into2 buckets;
hive>insertinto emp_bucket select*from emp_ext;#观察HDFS目录变化;
hive> dfs -ls -R /user/hive;
hive>select*from emp_bucket;

7. 其他

hive>altertable emp_ext renameto emp_new;
hive>altertable emp_new set tblproperties('EXTERNAL'='FALSE');
hive>desc formatted emp_new;
hive>droptable emp_new;
hive> dfs -ls -R /hivedata;

二、查询分析

1. 数据准备

hive>createtable emp
    >(empno int,ename string,job string,mgr int,hiredate string,sal int,comm int,deptno int)>row format delimited fieldsterminatedby',';

hive>loaddatalocal inpath '/root/emp.csv'intotable emp;

hive>createtable dept(deptno int,dname string,loc string)>row format delimited fieldsterminatedby',';  
hive>loaddatalocal inpath '/root/dept.csv'intotable dept;

2. 简单查询

1）全表和特定列查询

hive>select*from emp --查询所有列;
hive>select empno, ename from emp --查询指定列;
hive>selectdistinct mgr from emp --查询有哪些管理者;

2）列别名

重命名一个列，紧跟列名，也可以在列名和别名之间使用关键字 AS

hive>select ename AS name, deptno dn from emp;

3）算术运算

      • 、 % & | ^ ~
hive>select empno,ename,sal*12from emp --计算年薪;

4）LIMIT语句

hive>select*from emp limit2;

5）常用函数

hive>selectcount(*) cnt from emp  --求总行数（count）;
hive>selectmax(sal) max_sal from emp  --求工资的最大值（max）;
hive>selectmin(sal) min_sal from emp   --求工资的最小值（min）;
hive>selectsum(sal) sum_sal from emp  --求工资的总和（sum）;
hive>selectavg(sal) avg_sal from emp  --求工资的平均值（avg）;
hive>select empno,ename,sal,comm, sal*12+nvl(comm,0)from emp  --注意NULL的处理;
hive>select empno,ename,job,sal,>case job when'PRESIDENT'then sal+1000>when'MANAGER'then sal+800>else sal+400>end>from emp  --加薪 PRESIDENT+1000，MANAGER+800，其他+400;

6）Where子句

hive>select*from emp where sal >1000;

7）Like 和 RLike

  • 使用 LIKE 运算选择类似的值, 选择条件可以包含字符或数字:- % 代表零个或多个字符(任意个字符)。- _ 代表一个字符。
  • 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。
hive>select*from emp where ename LIKE'A%'--查找名字以 A 开头的员工信息;
hive>select*from emp where ename LIKE'_A%'--查找名字中第二个字母为 A 的员工信息;
hive>select*from emp where ename RLIKE'[A]'--查找名字中带有 A 的员工信息;

8）比较运算符（Between/In/ Is Null）

等于小于小于等于大于大于等于不等NULL****安全的等于=<<=>>=<> !=<=>

  • A [NOT] BETWEEN B AND C ：A是否属于[B,C]区间，A,B,C任一为NULL, 结果为NULL
  • A IS [NOT] NULL：A是否为空
  • A IN(数值 1, 数值 2)：A是否是列表中的值
  • A [NOT] LIKE B：A是否与B相似
  • A RLIKE B, A REGEXP B：B是基于Java的正则表达式
hive>select*from emp where sal =5000--查询出薪水等于 5000 的所有员工;
hive>select*from emp where sal between500and1000--查询工资在 500 到 1000 的员工信息;
hive>select*from emp where comm isnull--查询 bonus 为空的员工信息;
hive>select*from emp where sal IN(1500,5000)--查询工资是 1500 或 5000 的员工信息;

9) 逻辑运算符（And/Or/Not）

hive>select*from emp where sal>1000and deptno=30--查询薪水大于 1000，部门是 30;
hive>select*from emp where sal>1000or deptno=30--查询薪水大于 1000，或者部门是 30;
hive>select*from emp where deptno notIN(30,20)--查询除了 20 部门和 30 部门以外的员工信息;

10) 分组

  • 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。
hive>select deptno,avg(sal) avg_sal from emp groupby deptno  --计算 emp 表每个部门的平均工资;
hive>select deptno, job,max(e.sal) max_sal from emp e groupby deptno, job   --计算 emp 每个部门中每个岗位的最高薪水;
  • Having 语句 与 where 不同: where 后面不能写分组函数，而 having 后面可以使用分组函数；having 只用于 group by 分组统计语句。
hive>select deptno,avg(sal)from emp groupby deptno   --求每个部门的平均工资;
hive>select deptno,avg(sal) avg_sal from emp groupby deptno having avg_sal >2000--求每个部门的平均薪水大于 2000 的部门;

11) Join语句

  • 内连接
  • 左（右）外连接
  • 全外连接： full join
  • 多表连接
hive>--根据员工表和部门表中的部门编号相等，查询员工编号、员工名称和部门名称;
hive>select e.empno, e.ename, d.deptno, d.dname from emp e join dept d on e.deptno = d.deptno  --内连接;
hive>select e.empno, e.ename, d.deptno from emp e leftjoin dept d on e.deptno = d.deptno  --左连接;

12）排序

  • 全局排序(Order By) - Order By：全局排序，只有一个 Reducer；- 排序方式：ASC（ascend）: 升序（默认）DESC（descend）: 降序
hive>select*from emp orderby sal desc--按工资降序排列; 
hive>select ename, deptno, sal from emp orderby deptno, sal -- 多个列排序;
  • 每个Reduce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。Sort by 为每个 reducer 产生一个排序文件。每个 Reducer 内部进行排序，对全局结果集来说不是排序

hive>set mapreduce.job.reduces=3--设置 reduce 个数;
hive>set mapreduce.job.reduces     --查看设置 reduce 个数;
hive>select*from emp sort by deptno desc--根据部门编号降序查看员工信息;
hive>insert overwrite local directory '/home/hadoop/data/sortby-result'>select*from emp sort by deptno desc--将查询结果导入到文件中（按照部门编号降序排序）;
  • 分区（Distribute By） - Distribute By： 在有些情况下，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
hive>set mapreduce.job.reduces=3;
hive>insert overwrite local directory '/home/hadoop/data/distribute-result'>select*from emp distribute by deptno sort by empno desc--先按照部门编号分区，再按照员工编号降序排序;#查看输出目录;
hive>!ls /home/hadoop/data/distribute-result;
  • 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。

hive>select*from emp cluster by deptno;
hive>select*from emp distribute by deptno sort by deptno;
标签： HiveQL 分区表 桶表
本文转载自: https://blog.csdn.net/tangyi2008/article/details/137729830
版权归原作者 JJustRight 所有， 如有侵权，请联系我们删除。
登录后发布评论

“HiveQL练习（hive3.x）”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

NGCBot-打造基于Hook机制的微信机器人，Windows本地部署

Docker完整卸载的两种方法详细教程例子解析

spark-libFM 项目常见问题解决方案

基于大数据 Python NBA球员数据分析系统(源码+LW+部署讲解+数据库+ppt)

软件测试笔记｜web自动化测试｜Web 自动化测试中，XPath 定位的方法有哪些？如何编写 XPath？

Spring Boot 日志打印配置详解

MySQL中日期和时间戳的转换：字符到DATE和TIMESTAMP的相互转换

文章导航