Hive SQL使用经验总结

本文探讨了Hive和MySQL在正则匹配、连接查询、去重、视图创建以及性能调优等方面的不同。在Hive中,进行字符串匹配时需考虑Unicode编码,不支持非等值ON条件,但可以通过WHERE子句实现。GROUP BY用于去重时,Hive需借助collect_set()函数。对于连接查询,Hive支持小表在前的大表在后的策略以优化性能,并可通过MAPJOIN避免reduce阶段。此外,介绍了Hive的并行执行设置、EXPLAIN功能以及视图的创建。同时,强调了优化查询性能的重要性,如使用合适的连接顺序和设置hive.auto.convert.join参数。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

  1. 对字符串进行正则匹配时,若包含中文,则需转成 unicode 编码
  2. 若进行连接查询,hive 中 on 不支持非等值连接;可以在 on 中使用等值连接,后面再加上 where 条件,进行非等值的判断,但不支持 or
  3. 使用 group by 进行去重时,MySQL 可以直接 select 非 group by 字段,获取各组头条匹配数据,但 hive 中会报错;可以通过 collect_set(column_name),获取组内字段值数组,从而进行后续操作
  4. 连接查询通过 where 进行过滤后,左表不保留匹配不上即 null 值的记录
  5. 针对上条情况,可以在上述结果表外层包一层查询,左连接上表,on id 相等
  6. hive 中支持 array,map 等数据容器格式及多样的函数或自定义函数,可以合理的使用来简化sql 代码
  7. 在进行连接查询时,小表放在左边,大表放在右边,能提高查询性能
  8. map-side JOIN,如果查询语句中有一张是小表,完全可以将小表放在内存中,这样其他表可以在内存中与小表进行逐一匹配,从而省略掉常规连接查询所需要的reduce操作,hive v0.7开始支持两种操作:
    1. SELECT /*+ MAPJOIN(d) */ a, b, c... from ...
    2. hive> set hive.auto.convert.join=true;
  9. 视图view,CREATE VIEW new_view AS SELECT * FROM ...,后续可以像操作表一样来操作这个视图
  10. 调优:
    1. explain(同于MySQL):explain SELECT * FROM...
  11. 并行执行:当查询语句中包含非依赖关系可以并行执行的语句时,可以开启并发执行,提高job执行效率,但会占用更多的集群资源;设置:
    1. hive> set hive exec parallel=true;

     

### HiveSQL 练习题与学习资源 以下是关于HiveSQL的相关练习题和学习资源的详细介绍: #### 一、基础建表语句 创建表格是Hive操作的基础之一。例如,可以通过以下命令定义一个简单的成绩表`score`[^2]: ```sql CREATE TABLE score ( uid STRING, subject_id STRING, score INT ) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'; ``` 此语句用于创建一张包含学生ID (`uid`)、科目ID (`subject_id`) 和分数 (`score`) 的表。 --- #### 二、解决数据倾斜问题的技术 在实际应用中,Hive查询可能因数据分布不均而引发性能瓶颈。为了缓解这一现象,可以采用如下方法[^1]: - **动态分区插入** 通过`DISTRIBUTE BY RAND()`实现随机分配数据到不同分区内,从而减少特定键值的压力。 ```sql INSERT OVERWRITE TABLE sales PARTITION (date) SELECT id, product, amount, date FROM original_table DISTRIBUTE BY RAND(); ``` - **聚合函数优化** 针对倾斜数据集执行高效统计计算时,可利用`GROUP BY`完成汇总操作。 ```sql SELECT key, COUNT(*) FROM skewed_table GROUP BY key; ``` 上述两种方式分别适用于写入阶段以及读取分析场景下的性能调优需求。 --- #### 三、复杂窗口函数的应用实例 对于更高级别的数据分析任务,则需要用到诸如数组集合运算等功能来增强表达能力。下面展示了一个判断某篇文章是否属于原创作品的例子[^3]: ```sql SELECT oid, SUM(IF(array_contains(origin, old), 1, 0)) AS nums -- 判断是否存在于array内 FROM ( SELECT id, oid, collect_set(IF(oid = 0, id, NULL)) OVER () AS origin -- 构造原创文章Array FROM table )t1 WHERE oid <> 0; ``` 这里运用到了`COLLECT_SET`收集唯一值并形成列表的功能,再配合条件过滤实现了目标逻辑。 --- #### 四、推荐的学习平台与资料 除了官方文档外,还有许多优质的在线教程可以帮助深入理解HiveSQL的实际应用场景及其最佳实践方案: - 尚硅谷提供的《Hive SQL 题目总结》涵盖了大量实战案例; - 各大技术博客分享的真实项目经验也是不可多得的好素材; - LeetCode 或 HackerRank 上虽无专门分类,但部分大数据相关挑战同样涉及此类知识点。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

mylife512

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值