首页 > 其他分享 >【Hive】DML及DQL语句

【Hive】DML及DQL语句

时间:2023-06-08 23:03:23浏览次数:55  
标签:insert -- DML Hive stu overwrite DQL id select


由于Hive是分布式语言(其本质是操作了HDFS上的文件,因为HSFS是分布式架构,所以就决定了Hive是一门分布式SQL)。丢,我解释的可能不是很专业,将就看看。通常来说存储在HDFS上的数据是不能修改的,但是appendTofile这个linux命令是个特例(hadoop fs -appendToFile /root/2.txt /aa/1.txt)-将数据从L inux上传到HDFS文件系统并将文件内筒追加到HDFS指定文件的末尾,所以Hive是没有数据的删除的SQL命令的,只有增删查,但是又说到DML了,所以数据操作只有增删。(是对数据表的操作)

关于DQL虽说跟MySQL有些许区别,实际上大同小异。

文言文

HQL DML语句介绍

它指的是 数据操作语言, 主要是用来 操作表数据的, 对表数据进行 增删改操作, 这里特指的是: 如何往Hive表中新增数据.

数据导入: 流向: Linux, HDFS => Hive 方式:

  1. 通过 load data方式实现.

  2. 通过 insert + select 方式实现, 相对更灵活.

load data方式详解:

格式: ​ load data [local] inpath '源文件的路径' [overwrite] into table 表名; ​ 解释:

    1. 加local指的是本地路径, 即: Linux文件路径.  路径前缀要加 file:///  可以省略不写.
      不加local指的是HDFS路径, 路径前缀要加 hdfs://node1:8020/ 可以省略不写.
  2. 不写overwrite是追加写入, 如果写了(overwrite)则是覆盖写入.

insert + select 方式详解:

格式: insert [into | overwrite] table 表名 partition(分区字段=值) select 列1, 列2... from 表名; ​ 细节:

    1. into是追加写入, 后续的table可以省略.
      overwrite是覆盖写入, 后续的table不能省略.
  2. 插入的时候, 要求和查询出的列的个数, 对应的数据类型必须保持一致, 至于列名, 表名无所谓.
  3. insert + select方式底层回转MR程序来执行.

数据导出:

格式: ​ insert overwrite [local] directory '目的地目录的路径' row format delimited fields terminated by '行格式分隔符'select 列1, 列2... from 表名; ​ 细节:

  1. 加local是Linux路径, 不加则是HDFS路径.

  2. 导出时, 是覆盖导出, 可以指定字段分隔符.

数据导入之load方式

-- 不转MR, Linux的源文件还在, 相当于拷贝一份给HDFS.
load data local inpath '/export/data/hivedata/students.txt' into table stu;    

-- 不转MR, 相当剪切HDFS文件到另一个HDSF文件路径下.
load data inpath 'hdfs路径' overwrite into table stu;

-- 严格来讲有5中导入方式,前面加local表示linux路径,后面加overwrite表示覆盖写入。还有一种是在浏览器直接上传文件。

数据导入之insert+select方式

-- 会转MR程序, into方式是 追加写入, table可以省略.
insert into table stu_insert select * from stu;

-- 会转MR程序, overwrite方式是 覆盖写入, table不可以省略.
insert overwrite table stu_insert select * from stu;  

数据导出

数据导出: 格式: insert overwrite [local] directory '目的地目录的路径' row format delimited fields terminated by '行格式分隔符' select 列1, 列2... from 表名; 细节:

       1. `加local是Linux路径, 不加则是HDFS路径.`
      2. `导出时, 是覆盖导出, 可以指定字段分隔符.`
-- 将stu的表数据导出到 HDFS目录中.指定分隔符为'$'
insert overwrite directory '/wordcount' row format delimited fields terminated by '$'
select id, name, age from stu;

-- 将stu的表数据导出到 Linux目录中.指定分隔符为'#'
insert overwrite local directory '/export/data/hivedata2' row format delimited fields terminated by '#'
select * from stu;

文言文

HQL DQL语句介绍

概述: ​ HQL DQL指的是 数据查询语句, 主要是对 表数据进行查询操作的. ​ 对比: ​ MySQL中 单表查询语句 完整格式如下: ​ select distinct 列1, 列2... from 表名where 组前筛选group by 分组字段having 组后筛选order by 排序字段 [asc/desc]limit 起始索引, 数据条数;

Hive中 单表查询语句 完整格式如下: [CTE表达式] select distinct | all 列1, 列2... from 表名 where 组前筛选 group by 分组字段 having 组后筛选 order by 排序字段 [asc/desc] cluster by 分桶排序字段 | distribute by 分桶字段 sort by 排序字段 limit 起始索引, 数据条数;

细节: 1. HQL的代表查询格式 较之于 MySQL的单表查询格式, 有3处不同. A. HQL 可以支持 CTE表达式. B. HQL 筛选列的时候可以写 all 或者 distinct C. HQL 支持分桶查询. 2. distribute by 表示分桶, sort by表示桶内排序, 如果 分桶字段 和 排序字段是同一个字段, 则可以用cluster by实现. 即: cluster by 分桶排序字段 = distribute by 分桶字段 + sort by 桶内排序字段

简单查询

基本跟MySQL一样,但是Hive有all关键字,其实跟select * 差不多。

select distinct orderstatus from orders; -- 去重查询订单状态

select all orderstatus from orders; -- 不去重查询,跟不写all是一样的效果

select count(orderid) from orders; -- 查询数据量,注意这里count(*)是查不出来东西的,跟MySQL不一样(count(主键字段名)> count(1)> count(※)

聚合, 分组查询

和MySQL基本一样,这里就不多bb了。

举几个简单的栗子

-- 统计未支付、已支付各自的人数
select
      count(orderno),
      case
          when ispay=0 then '未支付'
          else '已支付' end
from orders group by ispay;
select userid,max(realtotalmoney),realtotalmoney from orders where ispay=1 group by userid;
-- 统计每个用户的平均订单消费额,过滤大于10000的数据
select round(avg(realtotalmoney),0),
      userid
from orders group by userid having avg(realtotalmoney)>10000;
-- 统计每个用户的平均订单消费额
select userid,avg(realtotalmoney) from orders group by userid;
select userid,round(avg(realtotalmoney),1) from orders group by userid;
-- 统计每个用户的平均订单消费额,过滤大于10000的数据
select userid,
      round(avg(realtotalmoney),1) as real_total_monry_avg
from orders group by userid having round(avg(realtotalmoney),1)>10000;

join连接查询

比MySQL多个左半连接查询,以及满外连接。

左半连接,以左表为主,与右表join后,满足条件的数据会保存下来。

满外连接,左右表数据全部留下,对不上的用null填充。

select * from employee e1,employee_address e2 where e1.id=e2.id;  -- 隐式连接

select * from employee e1 inner join employee_address e2 on e1.id=e2.id;  -- 显示连接
-- 满外连接 full outer join
select * from employee e1 full join employee_address e2 on e1.id=e2.id;
-- 左半连接 left semi join
select * from employee e1 left semi join employee_address e2 on e1.id=e2.id;

分桶查询

desc formatted stu;  -- 这里发现桶的数量是默认为-1的
set mapreduce.job.reduces = 3;  --手动设置ReduceTask任务数, 相当于设置了 桶的数量

select * from stu cluster by id ;  -- 按照id进行分桶,相同的(哈希值%桶数)会放到一个桶中,默认根据id升序排列
select * from stu distribute by id sort by age;  -- 根据id分桶,根据年龄排序
-- 若是根据id分桶,根据根据id排序则
select * from stu cluster by id; --> 等价select * from stu distribute by id sort by id;

标签:insert,--,DML,Hive,stu,overwrite,DQL,id,select
From: https://www.cnblogs.com/liam-sliversucks/p/17467908.html

相关文章

  • Hive-DQL(续)及函数
    Hive--DQL正则匹配正则表达式(Regexp)介绍:概述:​正确的,符合特定规则的字符串.RegularExpression细节:正则表达式不独属于任意的一种语言,市场上大多数的语言都支持正则,例如:Java,Python,HiveSQL,JavaScript等...要求:能用我们讲的规则,看懂别人写的......
  • 【Interview】Hive原理及调优
    关于Hive的参数配置:Hive的参数配置有3种配置方式:方式1:在hive的配置文件中直接进行修改.方式2:在开启Hive服务的时候,设置参数nohuphive--servicehiveserver2--hiveconf参数名=参数值&方式3:通过set方式进行修改.setmapreduce.job.reduces=3;--分桶......
  • 【Hive】窗口函数
    窗口函数介绍:概述:窗口函数指的是over()函数,它可以结合特定的函数一起使用,完成不同的功能.​目的/作用:​窗口函数=给表新增一列,至于新增的内容是什么,取决于窗口函数和什么函数一起使用.格式:能和窗口函数一起使用的函数over(partitionby分组字段order......
  • docker搭建hadoop和hive集群
    一、安装docker并生成相关的镜像(1)安装docker安装docker教程https://www.runoob.com/docker/centos-docker-install.html只要在终端输入:sudodockerrunhello-world后出现如下图的内容就证明安装docker成功了(2)拉取CentOS镜像(Ubuntu镜像也行)在终端输入:sudodockerpullcent......
  • 9、hive的explode、Lateral View侧视图、聚合函数、窗口函数、抽样函数使用详解
    ApacheHive系列文章[1、apache-hive-3.1.2简介及部署(三种部署方式-内嵌模式、本地模式和远程模式)及验证详解][2、hive相关概念详解--架构、读写文件机制、数据存储][3、hive的使用示例详解-建表、数据类型详解、内部外部表、分区表、分桶表][4、hive的使用示例详解-事务表、......
  • Hive - 多种表类型的CURD测试
     关于torc、textfile、orc、es、hyperdrive表的CURD测试  TORC(支持事务的orc表)测试TORC(分区表)测试TEXTFILE表测试ORC表测试ES(ElasticSearch表)测试hyperdrive表测试    TORC(支持事务的orc表)测试--torc测试--=======CREATETABLEdefault.torc_test(......
  • 7、hive shell客户端与属性配置、内置运算符、函数(内置运算符与自定义UDF运算符)
    ApacheHive系列文章1、apache-hive-3.1.2简介及部署(三种部署方式-内嵌模式、本地模式和远程模式)及验证详解2、hive相关概念详解--架构、读写文件机制、数据存储3、hive的使用示例详解-建表、数据类型详解、内部外部表、分区表、分桶表4、hive的使用示例详解-事务表、视图、物......
  • 8、hive的关系运算、逻辑预算、数学运算、数值运算、日期函数、条件函数和字符串函数
    ApacheHive系列文章1、apache-hive-3.1.2简介及部署(三种部署方式-内嵌模式、本地模式和远程模式)及验证详解2、hive相关概念详解--架构、读写文件机制、数据存储3、hive的使用示例详解-建表、数据类型详解、内部外部表、分区表、分桶表4、hive的使用示例详解-事务表、视图、物......
  • hive综述
    1.hive的作用用类SQL的语言HQL来计算HDFS中的数据,主要做海量数据的离线分析,没有实物的概念.联机分析处理)的操作tips: sethive.cli.print.current.db=true//显示数据库实例名sethive.cli.print.header=true   //显示列名3.基础建......
  • RDS 、HDFS、 mapreduce 、spark 、hive、 hbase 、zookeeper 、kafka 、flume、mysql
    这些技术是大数据领域的常用组件,它们之间的配置文件依赖关系如下:RDS是一种关系型数据库,可以独立安装和使用,不需要依赖其他组件。HDFS是Hadoop分布式文件系统,通常与MapReduce一起使用。在Hadoop集群中,HDFS需要配置core-site.xml和hdfs-site.xml两个文件,其中core-site......