[一起學Hive]之九-Hive的查詢語句SELECT
八、Hive的查詢語句SELECT
在所有的資料庫系統中,SELECT語句是使用最多,也最複雜的一塊,Hive中的查詢語句SELECT支援的語法當然也比較複雜,本文只能盡力去介紹。
8.1 基礎查詢語法
Hive中的SELECT基礎語法和標準SQL語法基本一致,支援WHERE、DISTINCT、GROUP BY、ORDER BY、HAVING、LIMIT、子查詢等;
語法如下:
- [WITH CommonTableExpression(,CommonTableExpression)*]
- SELECT [ALL | DISTINCT] select_expr, select_expr,...
- FROM table_reference
- [WHERE where_condition]
- [GROUP BY col_list]
- [CLUSTER BY col_list
- |[DISTRIBUTE BY col_list][SORT BY col_list]
- ]
- [LIMIT number]
下面介紹Hive中比較特殊的一些查詢語法。
8.2 ORDER BY和SORT BY
ORDER BY用於全域性排序,就是對指定的所有排序鍵進行全域性排序,使用ORDER BY的查詢語句,最後會用一個Reduce Task來完成全域性排序。
SORT BY用於分割槽內排序,即每個Reduce任務內排序。
看下面的例子:
原表資料為:
- hive>select*from lxw1234_com;
- OK
- 5
- 3
- 6
- 2
- 9
- 8
- 1
使用ORDER BY
- hive>select*from lxw1234_com order by id;
- 1
- 2
- 3
- 5
- 6
- 8
- 9
使用SORT BY
hive> set mapred.reduce.tasks=2;
hive> select * from lxw1234_com sort by id;
2
5
6
9
1
3
8
設定了2個reduce,從結果可以看出,每個reduce內做了排序。
如果reduce數為1,那麼ORDER BY和SORT BY的結果是一樣的:
- hive>set mapred
- hive>select*from lxw1234_com sort by id;
- 1
- 2
- 3
- 5
- 6
- 8
- 9
真實業務環境中,我們的需求大多需要使用ORDER BY全域性排序來完成。
8.3 DISTRIBUTE BY和CLUSTER BY
distribute by:按照指定的欄位或表示式對資料進行劃分,輸出到對應的Reduce或者檔案中。
cluster by:除了兼具distribute by的功能,還兼具sort by的排序功能。
##distribute by
- hive>set mapred.reduce.tasks=2;
- hive>INSERT overwrite LOCAL directory '/tmp/lxw1234/'
- SELECT id FROM lxw1234_com
- distribute BY id;
執行後在本地的/tmp/lxw1234目錄中生成了000000_0和000001_0兩個檔案:
cat 000000_0
8
2
6
cat 000001_0 ##id%2=1的記錄
1
9
3
5
##cluster by
- hive>set mapred.reduce.tasks=2;
- hive> INSERT overwrite LOCAL directory '/tmp/lxw1234/'
- SELECT id FROM lxw1234_com
- CLUSTER BY id;
- cat 000000_0
- 2
- 6
- 8
- cat 000001_0
- 1
- 3
- 5
- 9
注意:使用cluster by之後,每個檔案中的id都進行了排序,而distribute by沒有。
8.4 子查詢
子查詢和標準SQL中的子查詢語法和用法基本一致,需要注意的是,Hive中如果是從一個子查詢進行SELECT查詢,那麼子查詢必須設定一個別名。
- SELECT col
- FROM (
- SELECT a+b AS col
- FROM t1
- ) t2
另外,從Hive0.13開始,在WHERE子句中也支援子查詢,比如:
- SELECT *
- FROM A
- WHERE A.a IN (SELECT foo FROM B);
- SELECT A
- FROM T1
- WHERE EXISTS (SELECT B FROM T2 WHERE T1.X = T2.Y)
還有一種將子查詢作為一個表的語法,叫做Common Table Expression(CTE):
- with q1 as(select*from src where key='5'),
- q2 as(select*from src s2 where key ='4')
- select*from q1 union all select*from q2;
- with q1 as(select key, value from src where key ='5')
- from q1
- insert overwrite table s1
- select*;
8.5 虛擬列
Hive查詢中有兩個虛擬列:
INPUT__FILE__NAME:資料對應的HDFS檔名;
BLOCK__OFFSET__INSIDE__FILE:該行記錄在檔案中的偏移量;
- hive>select id,INPUT__FILE__NAME, BLOCK__OFFSET__INSIDE__FILE from lxw1234_com;
- 5 hdfs://cdh5/tmp/lxw1234/1.txt 0
- 3 hdfs://cdh5/tmp/lxw1234/1.txt 2
- 6 hdfs://cdh5/tmp/lxw1234/1.txt 4
- 2 hdfs://cdh5/tmp/lxw1234/1.txt 6
- 9 hdfs://cdh5/tmp/lxw1234/1.txt 8
- 8 hdfs://cdh5/tmp/lxw1234/1.txt 10
- 1 hdfs://cdh5/tmp/lxw1234/1.txt 12