Hive中关于DML的一些事儿

蔚落 2023-03-01 09:25 21阅读 0赞

## CTE 和嵌套查询 ##

### CTE(Common Table Express) ###

-- CTE语法
    with t1 as (select ...)select * from t1；

> CTE嵌套  
> 写语句不需要考虑顺序

### 嵌套查询 ###

select * from(select ...) [as] t1;

## join ##

> hive仅支持等值查询

> 问：join有几种连接方式？
> 
> 内连接，外连接，交叉连接，等值连接

### 内连接(inner join) ###

-- 左右两表都存在于连接条件相匹配的数据保留
    select * from emp e join dept d on e.deptno=d.deptno;

### 外连接(outer join) ###

#### 左外连接 ####

-- join 左侧满足where条件的将被保留
    select * from emp e left join dept d on e.deptno=d.deptno;

#### 右外连接 ####

-- join 右侧满足where条件的将被保留
    select * from emp e right join dept d on e.deptno=d.deptno;

#### 满外连接 ####

-- 返回所有表中满足where的记录
    select * from emp e full join dept d on e.deptno=d.deptno;

### 交叉连接(cross join) ###

德卡尔积式连接

### 隐式连接(implicit join) ###

### hive中的map-join和reduce-join ###

1.  hive.auto.convert.join

> 0.11版本默认为true

1.  hive.mapjoin.smalltable.filesize/hive.smalltable.filesize  
    由此参数决定小表的总大小，大小为25M左右，大概两三万行

#### Map join ####

小表关联大表(小表在左，大表在右)  
可进行不等值计算

##### 开启mapjoin(运行时自动将连接转换为mapjoin) #####

set hive.auto.convert.join = true（默认值）

> 在UNION ALL, LATERAL VIEW, GROUP BY/JOIN/SORT BY/CLUSTER BY/DISTRIBUTE BY等操作后面  
> 在UNION, JOIN 以及其他 MAPJOIN之前

## Union ##

所有子集数据必须具有相同的名称和类型

> 所有子集数据必须具有相同的名称和类型  
> 集合其他操作可以使用JOIN/OUTER JOIN来实现(差集、交集)

> union：去重  
> union：不去重

## insert ##

### 数据插入到表 ###

-- INSERT支持OVERWRITE(覆盖)和INTO(追加)
    INSERT OVERWRITE/INTO TABLE tablename1 
    [PARTITION (partcol1=val1, partcol2=val2 ...)] 
    select fileds,... from tb_other

> table 关键字可选

INSERT OVERWRITE TABLE test select 'hello'; -- INSERT不支持的写法
    insert into employee select * from ctas_employee; -- 通过查询语句插入
    -- 多插入
    
    from ctas_employee              --高性能：只需扫描一次输入数据
    insert overwrite table employee select *
    insert overwrite table employee_internal select *;
    
    -- 插入到分区
    from ctas_patitioned 
    insert overwrite table employee PARTITION (year, month)
    select *,'2018','09';
    
    -- 通过指定列插入(insert into可以省略table关键字)  
    insert into employee(name) select 'John' from test limit 1;
    							-- 指定列有利于 data schema changes
    
    -- 通过指定值插入
    insert into employee(name) value('Judy'),('John');

## 数据插入/导出到文件 ##

### insert导出 ###

> 只支持overwrite  
> 支持来自同一个数据源/表的多次插入  
> LOCAL：写入本地文件系统  
> 默认数据以TEXT格式写入，列由^A分隔  
> 支持自定义分隔符导出文件为不同格式,CSV,JSON等

-- 从同一数据源插入本地文件，hdfs文件，表
    from ctas_employee
    insert overwrite local directory '/tmp/out1'  select *
    insert overwrite directory '/tmp/out1' select *
    insert overwrite table employee_internal select *;
    
    -- 以指定格式插入数据
    insert overwrite directory '/tmp/out3'
    row format delimited fields terminated by ','
    select * from ctas_employee;
    
    -- 其他方式从表获取文件
    hdfs dfs -getmerge <table_file_path>

### hadoop命令导出到本地 ###

hive (default)> dfs -get /user/hive/warehouse/student/month=201709/000000_0
    /opt/module/datas/export/student3.txt;

### hive shell 命令导出 ###

> 基本语法：（hive -f/-e 执行语句或者脚本 > file）

[atguigu@hadoop102 hive]$ bin/hive -e 'select * from default.student;' >
     /opt/module/datas/export/student4.txt;

### Export导出到HDFS上 ###

> 除数据库，可导入导出所有数据和元数据

(defahiveult)> export table default.student to
     '/user/hive/warehouse/export/student';
     
     # import导入数据
    IMPORT TABLE employee FROM '/tmp/output3';
    IMPORT TABLE employee_partitioned partition (year=2014, month=11) FROM '/tmp/output5';

### Sqoop ###

目前不知道

## 数据排序 ##

### order by ###

employee_id 	1~100
    employee_id>95	96~100		1
    employee_id<=95	1~95		0
    
    select * from employee_hr
    order by case when employee_id>95 then 1 else 0 end desc
    limit 10;

### sort by ###

### distrubute by ###

distrubuted by 语句要写在sort by

### cluster by ###

## 分组 ##

### Group by ###

除了聚合函数，其他选中的字段必须出现值group by 中有体现

if(表达式，条件满足的值，条件不满足的值)
    
    case when 条件表达式 then 条件满足的值
    	 when 条件表达式 then 条件满足的值
         when 条件表达式 then 条件满足的值
    	 else 条件不满足的值

### having ###

用于筛选group by