Python大数据学习之Hadoop学习——day08

一.hive查询

语法结构：

SELECT [ALL | DISTINCT] 字段名，字段名,...

FROM 表名 [inner | left outer | right outer | full outer | left semi join 表名 on 关联条件]

[where 非聚合条件]

[GROUP BY 分组字段名]

[HAVING 聚合条件]

[ORDER BY 排序字段名 asc | desc]

[CLUSTER BY 字段名 | [DISTRIBUTE BY 字段名 SORT BY 字段名]]

[LIMIT x,y]

类sql基本查询

知识点：

基础查询格式：select distinct 字段名 from 表名；

注意：*代表所有字段 distinct去重 as给表或者字段起别名

条件查询格式：select distinct 字段名 from where 条件；

比较运算符：> < >= <= != <>

逻辑运算符：and or not

模糊查询：%代表任意0个或者多个字符

_代表任意1个字符

空判断：为空is null 不为空is not null

范围查询：x到y的连续范围：between x and y

x或者y或者z类的非连续范围：in(x,y,z)

排序查询格式：select distinct 字段名 from 表名 [where 条件] order by 排序字段名 asc | desc ;

聚合查询格式：select distinct 字段名 from 表名;

聚合函数：count() sum() avg() max() min()

分组查询格式：select 分组字段名，聚合函数(字段名) from 表名 [where 非聚合条件] group by 分组字段名 [having 聚合条件]；

分页查询条件：select 字段名 from 表名 [order by 排序字段名 asc|desc] limit x,y；

类sql多表查询

知识点：

交叉连接格式：select 字段名 from 左表 cross join 右表

内连接格式：select 字段名 from 左表 inner join 右表 on 左右表关联条件;

左外连接格式：select 字段名 from 左表 left outer join 右表 on 左右表关联条件；

右外连接格式：select 字段名 from 左表 right outer join 右表 on 左右表关联条件；

自连接：本质是一个特殊的内外连接，最大特点就是左右表是同一个表

子查询：本质是一个select语句作为另外一个select语句的一部分(表或者条件)

hive其他join操作

知识点：

全外连接：左表 full [outer] join 右表 on 条件

左半开连接：左表 left semi join 右表 on 条件

hive其他排序操作[练习]

知识点：

set mapreduce.job reduces: 查看当前设置的reduce数量，默认结果是-1，代表自动reduce数量和桶数量一致

set mapreduce.job.reduce = 数量：-- 修改reduce数量

cluster by 字段名：分桶且正序排序

distribute by 字段名 sort by 字段名：distribute by 负责分，sort by 负责排序，相对比较灵活

order by 字段名：全局排序

注意：cluster by 和 distribute by 字段名 sort by 字段名受当前设置的reduces数量影响，但是设置的reduce数量对order by 无影响，因为order by 就是全局排序，就是一个reduce

建表的时候指定分桶字段和排序字段：clustered by (字段名) sorted by (字段名) into 桶数量 bucket

注意：如果建表的时候设置了桶数量，那么reduce设置建议为-1或者大于桶数量