hive窗口函数练习题

已于 2024-03-24 17:52:54 修改
阅读量3.1k 收藏 48
点赞数 23
CC 4.0 BY-SA版权
分类专栏： Hive 文章标签： hive
于 2020-11-08 12:41:33 首次发布
爱小刘，爱生活
本文链接：https://blog.youkuaiyun.com/weixin_45775873/article/details/109556502

有作业问题可私信小刘，欢迎探讨

一、第一套练习

需求：
1、求用户明细并统计每天的用户总数
2、计算从第一天到现在的所有 score 大于80分的用户总数
3、计算每个用户到当前日期分数大于80的天数

test_window.txt数据：

20191020,11111,85
20191020,22222,83
20191020,33333,86
20191021,11111,87
20191021,22222,65
20191021,33333,98
20191022,11111,67
20191022,22222,34
20191022,33333,88
20191023,11111,99
20191023,22222,33

建表：

0: jdbc:hive2://hadoop:11240> create table test_window(logday string,userid string,score int)
. . . . . . . . . . . . . . > row format delimited
. . . . . . . . . . . . . . > fields terminated by ',';
0: jdbc:hive2://hadoop:11240> load data local inpath '/home/xiaokang/hivedata/test_window.txt'
. . . . . . . . . . . . . . > into table test_window;
0: jdbc:hive2://hadoop:11240> select * from test_window;
+---------------------+---------------------+--------------------+
| test_window.logday  | test_window.userid  | test_window.score  |
+---------------------+---------------------+--------------------+
| 20191020            | 11111               | 85                 |
| 20191020            | 22222               | 83                 |
| 20191020            | 33333               | 86                 |
| 20191021            | 11111               | 87                 |
| 20191021            | 22222               | 65                 |
| 20191021            | 33333               | 98                 |
| 20191022            | 11111               | 67                 |
| 20191022            | 22222               | 34                 |
| 20191022            | 33333               | 88                 |
| 20191023            | 11111               | 99                 |
| 20191023            | 22222               | 33                 |
+---------------------+---------------------+--------------------+

1、求用户明细并统计每天的用户总数

0: jdbc:hive2://hadoop:11240> select *,count()over(partition by logday)as day_total from test_window;
+---------------------+---------------------+--------------------+------------+
| test_window.logday  | test_window.userid  | test_window.score  | day_total  |
+---------------------+---------------------+--------------------+------------+
| 20191020            | 33333               | 86                 | 3          |
| 20191020            | 22222               | 83                 | 3          |
| 20191020            | 11111               | 85                 | 3          |
| 20191021            | 33333               | 98                 | 3          |
| 20191021            | 22222               | 65                 | 3          |
| 20191021            | 11111               | 87                 | 3          |
| 20191022            | 33333               | 88                 | 3          |
| 20191022            | 22222               | 34                 | 3          |
| 20191022            | 11111               | 67                 | 3          |
| 20191023            | 22222               | 33                 | 2          |
| 20191023            | 11111               | 99                 | 2          |
+---------------------+---------------------+--------------------+------------+

2、计算从第一天到现在的所有 score 大于80分的用户总数

0: jdbc:hive2://hadoop:11240> select *,count()over(order by logday rows between unbounded preceding and current row) as total from test_window where score>80;
+---------------------+---------------------+--------------------+--------+
| test_window.logday  | test_window.userid  | test_window.score  | total  |
+---------------------+---------------------+--------------------+--------+
| 20191020            | 33333               | 86                 | 1      |
| 20191020            | 22222               | 83                 | 2      |
| 20191020            | 11111               | 85                 | 3      |
| 20191021            | 33333               | 98                 | 4      |
| 20191021            | 11111               | 87                 | 5      |
| 20191022            | 33333               | 88                 | 6      |
| 20191023            | 11111               | 99                 | 7      |
+---------------------+---------------------+--------------------+--------+

3、计算每个用户到当前日期分数大于80的天数

0: jdbc:hive2://hadoop:11240> select *,count()over(partition by userid order by logday rows between unbounded preceding and current row) as total
. . . . . . . . . . . . . . > from test_window where score>80 order by logday,userid;
+---------------------+---------------------+--------------------+--------+
| test_window.logday  | test_window.userid  | test_window.score  | total  |
+---------------------+---------------------+--------------------+--------+
| 20191020            | 11111               | 85                 | 1      |
| 20191020            | 22222               | 83                 | 1      |
| 20191020            | 33333               | 86                 | 1      |
| 20191021            | 11111               | 87                 | 2      |
| 20191021            | 33333               | 98                 | 2      |
| 20191022            | 33333               | 88                 | 3      |
| 20191023            | 11111               | 99                 | 3      |
+---------------------+---------------------+--------------------+--------+

二、第二套练习

需求：
1、查询在2017年4月份购买过的顾客及总人数
2、查询顾客的购买明细及月购买总额
3、查询顾客的购买明细及到目前为止每个顾客购买总金额
4、查询顾客上次的购买时间----lag()over()偏移量分析函数的运用

数据：

jack,2017-01-01,10
tony,2017-01-02,15
jack,2017-02-03,23
tony,2017-01-04,29
jack,2017-01-05,46
jack,2017-04-06,42
tony,2017-01-07,50
jack,2017-01-08,55
mart,2017-04-08,62
mart,2017-04-09,68
neil,2017-05-10,12
mart,2017-04-11,75
neil,2017-06-12,80
mart,2017-04-13,94

建表：

0: jdbc:hive2://hadoop:11240> create table business(name string,orderdate string,cost int)
. . . . . . . . . . . . . . > row format delimited
. . . . . . . . . . . . . . > fields terminated by ',';
0: jdbc:hive2://hadoop:11240> load data local inpath "/home/xiaokang/hivedata/business.txt"
. . . . . . . . . . . . . . > into table business;
0: jdbc:hive2://hadoop:11240> select * from business;
+----------------+---------------------+----------------+
| business.name  | business.orderdate  | business.cost  |
+----------------+---------------------+----------------+
| jack           | 2017-01-01          | 10             |
| tony           | 2017-01-02          | 15             |
| jack           | 2017-02-03          | 23             |
| tony           | 2017-01-04          | 29             |
| jack           | 2017-01-05          | 46             |
| jack           | 2017-04-06          | 42             |
| tony           | 2017-01-07          | 50             |
| jack           | 2017-01-08          | 55             |
| mart           | 2017-04-08          | 62             |
| mart           | 2017-04-09          | 68             |
| neil           | 2017-05-10          | 12             |
| mart           | 2017-04-11          | 75             |
| neil           | 2017-06-12          | 80             |
| mart           | 2017-04-13          | 94             |
+----------------+---------------------+----------------+

1、查询在2017年4月份购买过的顾客及总人数

在本例中：

  • over()必须跟在聚合函数（本例中count()）后面，over()叫做开窗函数。
  • 开窗的意义在于它开了一个窗口，这个窗口叫做数据集。
  • 开窗的作用范围：仅仅是给前面的聚合函数count()使用的
  • 开窗等于开一部分数据集出来
  • over()中为空，表示对整个数据集开窗
0: jdbc:hive2://hadoop:11240> select name,count(*) over()
. . . . . . . . . . . . . . > from business
. . . . . . . . . . . . . . > where substring(orderdate,1,7)='2017-04'
+-------+-----------------+
| name  | count_window_0  |
+-------+-----------------+
| mart  | 5               |
| mart  | 5               |
| mart  | 5               |
| mart  | 5               |
| jack  | 5               |
+-------+-----------------+

2、查询顾客的购买明细及所有顾客的购买总额
所有人的花费求和

0: jdbc:hive2://hadoop:11240> select *,sum(cost)over() 
. . . . . . . . . . . . . . > from business;
+----------------+---------------------+----------------+---------------+
| business.name  | business.orderdate  | business.cost  | sum_window_0  |
+----------------+---------------------+----------------+---------------+
| mart           | 2017-04-13          | 94             | 661           |
| neil           | 2017-06-12          | 80             | 661           |
| mart           | 2017-04-11          | 75             | 661           |
| neil           | 2017-05-10          | 12             | 661           |
| mart           | 2017-04-09          | 68             | 661           |
| mart           | 2017-04-08          | 62             | 661           |
| jack           | 2017-01-08          | 55             | 661           |
| tony           | 2017-01-07          | 50             | 661           |
| jack           | 2017-04-06          | 42             | 661           |
| jack           | 2017-01-05          | 46             | 661           |
| tony           | 2017-01-04          | 29             | 661           |
| jack           | 2017-02-03          | 23             | 661           |
| tony           | 2017-01-02          | 15             | 661           |
| jack           | 2017-01-01          | 10             | 661           |
+----------------+---------------------+----------------+---------------+

3、查询顾客的购买明细以及每位顾客的总花费
按人分组求和

0: jdbc:hive2://hadoop:11240> select *,sum(cost) over(distribute by name)
. . . . . . . . . . . . . . > from business;
+----------------+---------------------+----------------+---------------+
| business.name  | business.orderdate  | business.cost  | sum_window_0  |
+----------------+---------------------+----------------+---------------+
| jack           | 2017-01-05          | 46             | 176           |
| jack           | 2017-01-08          | 55             | 176           |
| jack           | 2017-01-01          | 10             | 176           |
| jack           | 2017-04-06          | 42             | 176           |
| jack           | 2017-02-03          | 23             | 176           |
| mart           | 2017-04-13          | 94             | 299           |
| mart           | 2017-04-11          | 75             | 299           |
| mart           | 2017-04-09          | 68             | 299           |
| mart           | 2017-04-08          | 62             | 299           |
| neil           | 2017-05-10          | 12             | 92            |
| neil           | 2017-06-12          | 80             | 92            |
| tony           | 2017-01-04          | 29             | 94            |
| tony           | 2017-01-02          | 15             | 94            |
| tony           | 2017-01-07          | 50             | 94            |
+----------------+---------------------+----------------+---------------+

4、查询顾客的购买明细及到目前为止每个顾客购买总金额
按人分组，按时间排序，花费累加

# 方法一：
0: jdbc:hive2://hadoop:11240> select * ,sum(cost) over(distribute by name sort by orderdate)
. . . . . . . . . . . . . . > from business;
+----------------+---------------------+----------------+---------------+
| business.name  | business.orderdate  | business.cost  | sum_window_0  |
+----------------+---------------------+----------------+---------------+
| jack           | 2017-01-01          | 10             | 10            |
| jack           | 2017-01-05          | 46             | 56            |
| jack           | 2017-01-08          | 55             | 111           |
| jack           | 2017-02-03          | 23             | 134           |
| jack           | 2017-04-06          | 42             | 176           |
| mart           | 2017-04-08          | 62             | 62            |
| mart           | 2017-04-09          | 68             | 130           |
| mart           | 2017-04-11          | 75             | 205           |
| mart           | 2017-04-13          | 94             | 299           |
| neil           | 2017-05-10          | 12             | 12            |
| neil           | 2017-06-12          | 80             | 92            |
| tony           | 2017-01-02          | 15             | 15            |
| tony           | 2017-01-04          | 29             | 44            |
| tony           | 2017-01-07          | 50             | 94            |
+----------------+---------------------+----------------+---------------+

#方法二：
0: jdbc:hive2://hadoop:11240> select *,
. . . . . . . . . . . . . . > sum(cost)
. . . . . . . . . . . . . . > over(partition by name
. . . . . . . . . . . . . . > order by orderdate rows between unbounded preceding and current row)
. . . . . . . . . . . . . . > as total_amount
. . . . . . . . . . . . . . > from business;
+----------------+---------------------+----------------+---------------+
| business.name  | business.orderdate  | business.cost  | total_amount  |
+----------------+---------------------+----------------+---------------+
| jack           | 2017-01-01          | 10             | 10            |
| jack           | 2017-01-05          | 46             | 56            |
| jack           | 2017-01-08          | 55             | 111           |
| jack           | 2017-02-03          | 23             | 134           |
| jack           | 2017-04-06          | 42             | 176           |
| mart           | 2017-04-08          | 62             | 62            |
| mart           | 2017-04-09          | 68             | 130           |
| mart           | 2017-04-11          | 75             | 205           |
| mart           | 2017-04-13          | 94             | 299           |
| neil           | 2017-05-10          | 12             | 12            |
| neil           | 2017-06-12          | 80             | 92            |
| tony           | 2017-01-02          | 15             | 15            |
| tony           | 2017-01-04          | 29             | 44            |
| tony           | 2017-01-07          | 50             | 94            |
+----------------+---------------------+----------------+---------------+

5、查询顾客上次的购买时间----lag()over()偏移量分析函数的运用

0: jdbc:hive2://hadoop:11240> select *,
#如果上次的购买时间为null，将其处理为1970-01-01
. . . . . . . . . . . . . . > lag(orderdate,1,'1970-01-01') over(partition by name order by orderdate) last_date
. . . . . . . . . . . . . . > from business;
+----------------+---------------------+----------------+-------------+
| business.name  | business.orderdate  | business.cost  |  last_date  |
+----------------+---------------------+----------------+-------------+
| jack           | 2017-01-01          | 10             | 1970-01-01  |
| jack           | 2017-01-05          | 46             | 2017-01-01  |
| jack           | 2017-01-08          | 55             | 2017-01-05  |
| jack           | 2017-02-03          | 23             | 2017-01-08  |
| jack           | 2017-04-06          | 42             | 2017-02-03  |
| mart           | 2017-04-08          | 62             | 1970-01-01  |
| mart           | 2017-04-09          | 68             | 2017-04-08  |
| mart           | 2017-04-11          | 75             | 2017-04-09  |
| mart           | 2017-04-13          | 94             | 2017-04-11  |
| neil           | 2017-05-10          | 12             | 1970-01-01  |
| neil           | 2017-06-12          | 80             | 2017-05-10  |
| tony           | 2017-01-02          | 15             | 1970-01-01  |
| tony           | 2017-01-04          | 29             | 2017-01-02  |
| tony           | 2017-01-07          | 50             | 2017-01-04  |
+----------------+---------------------+----------------+-------------+

6、查询顾客下一次的购买时间

0: jdbc:hive2://hadoop:11240> select *,
. . . . . . . . . . . . . . > lead(orderdate,1,'9999-99-99') over(partition by name order by orderdate) last_date
. . . . . . . . . . . . . . > from business;
+----------------+---------------------+----------------+-------------+
| business.name  | business.orderdate  | business.cost  |  last_date  |
+----------------+---------------------+----------------+-------------+
| jack           | 2017-01-01          | 10             | 2017-01-05  |
| jack           | 2017-01-05          | 46             | 2017-01-08  |
| jack           | 2017-01-08          | 55             | 2017-02-03  |
| jack           | 2017-02-03          | 23             | 2017-04-06  |
| jack           | 2017-04-06          | 42             | 9999-99-99  |
| mart           | 2017-04-08          | 62             | 2017-04-09  |
| mart           | 2017-04-09          | 68             | 2017-04-11  |
| mart           | 2017-04-11          | 75             | 2017-04-13  |
| mart           | 2017-04-13          | 94             | 9999-99-99  |
| neil           | 2017-05-10          | 12             | 2017-06-12  |
| neil           | 2017-06-12          | 80             | 9999-99-99  |
| tony           | 2017-01-02          | 15             | 2017-01-04  |
| tony           | 2017-01-04          | 29             | 2017-01-07  |
| tony           | 2017-01-07          | 50             | 9999-99-99  |
+----------------+---------------------+----------------+-------------+

7、查询顾客购买明细及月购买总额
先按姓名进行分组，再按月份进行分组

hive> select *,
. . > sum(cost)over(partition by name,substr(orderdate,1,7)) as total
. . > from business;

在这里插入图片描述
8、查询日期前20%的订单信息
先按日期排序，并分成5组

hive> select *,
. . > ntile(5)over(order by orderdate) as sortgroup_num
. . > from business;

在这里插入图片描述

再查询出分组号为1的记录

hive> select * from
. . > (select *,
. . > ntile(5)over(order by orderdate) as sortgroup_num
. . > from business) t
. . > where t.sortgroup_num = 1;

在这里插入图片描述

三、第三套练习

需求：
1、每门学科学生成绩排名(是否并列排名、空位排名三种实现)
2、每门学科成绩排名top n的学生

score.txt

name	subject	score
孙悟空	语文	87
孙悟空	数学	95
孙悟空	英语	68
大海	语文	94
大海	数学	56
大海	英语	84
宋宋	语文	64
宋宋	数学	86
宋宋	英语	84
婷婷	语文	65
婷婷	数学	85
婷婷	英语	78

建表：

0: jdbc:hive2://hadoop:11240> create table score(name string,subject string,score int)
. . . . . . . . . . . . . . > row format delimited fields terminated by "\t";
0: jdbc:hive2://hadoop:11240> load data local inpath '/home/xiaokang/hivedata/score.txt' into table score;
0: jdbc:hive2://hadoop:11240> select * from score;
+-------------+----------------+--------------+
| score.name  | score.subject  | score.score  |
+-------------+----------------+--------------+
| 孙悟空         | 语文             | 87           |
| 孙悟空         | 数学             | 95           |
| 孙悟空         | 英语             | 68           |
| 大海          | 语文             | 94           |
| 大海          | 数学             | 56           |
| 大海          | 英语             | 84           |
| 宋宋          | 语文             | 64           |
| 宋宋          | 数学             | 86           |
| 宋宋          | 英语             | 84           |
| 婷婷          | 语文             | 65           |
| 婷婷          | 数学             | 85           |
| 婷婷          | 英语             | 78           |
+-------------+----------------+--------------+

1、每门学科学生成绩排名(是否并列排名、空位排名三种实现)

  • row_number()按照值排序时产生一个自增编号，不会重复（如：1、2、3、4、5、6）
  • rank() 按照值排序时产生一个自增编号，值相等时会重复，会产生空位（如：1、2、3、3、3、6）
  • dense_rank() 按照值排序时产生一个自增编号，值相等时会重复，不会产生空位（如：1、2、3、3、3、4）
0: jdbc:hive2://hadoop:11240> select *,
. . . . . . . . . . . . . . > row_number()over(partition by subject order by score desc) as row_number_method,
. . . . . . . . . . . . . . > rank()over(partition by subject order by score desc) as rank_method,
. . . . . . . . . . . . . . > dense_rank()over(partition by subject order by score desc) as dense_rank_method
. . . . . . . . . . . . . . > from score;
+-------------+----------------+--------------+--------------------+--------------+--------------------+
| score.name  | score.subject  | score.score  | row_number_method  | rank_method  | dense_rank_method  |
+-------------+----------------+--------------+--------------------+--------------+--------------------+
| 孙悟空         | 数学             | 95           | 1                  | 1            | 1                  |
| 宋宋          | 数学             | 86           | 2                  | 2            | 2                  |
| 婷婷          | 数学             | 85           | 3                  | 3            | 3                  |
| 大海          | 数学             | 56           | 4                  | 4            | 4                  |
| 宋宋          | 英语             | 84           | 1                  | 1            | 1                  |
| 大海          | 英语             | 84           | 2                  | 1            | 1                  |
| 婷婷          | 英语             | 78           | 3                  | 3            | 2                  |
| 孙悟空         | 英语             | 68           | 4                  | 4            | 3                  |
| 大海          | 语文             | 94           | 1                  | 1            | 1                  |
| 孙悟空         | 语文             | 87           | 2                  | 2            | 2                  |
| 婷婷          | 语文             | 65           | 3                  | 3            | 3                  |
| 宋宋          | 语文             | 64           | 4                  | 4            | 4                  |
+-------------+----------------+--------------+--------------------+--------------+--------------------+

2、每门学科成绩排名前三的学生

0: jdbc:hive2://hadoop:11240> select * from (
. . . . . . . . . . . . . . > select *,
. . . . . . . . . . . . . . > row_number() over(partition by subject order by score desc) as rmp
. . . . . . . . . . . . . . > from score
. . . . . . . . . . . . . . > ) as t
. . . . . . . . . . . . . . > where t.rmp<=3;
+---------+------------+----------+--------+
| t.name  | t.subject  | t.score  | t.rmp  |
+---------+------------+----------+--------+
| 孙悟空     | 数学         | 95       | 1      |
| 宋宋      | 数学         | 86       | 2      |
| 婷婷      | 数学         | 85       | 3      |
| 宋宋      | 英语         | 84       | 1      |
| 大海      | 英语         | 84       | 2      |
| 婷婷      | 英语         | 78       | 3      |
| 大海      | 语文         | 94       | 1      |
| 孙悟空     | 语文         | 87       | 2      |
| 婷婷      | 语文         | 65       | 3      |
+---------+------------+----------+--------+
原创 | 详解Hive窗口函数及10道实战练习
a934079371的博客
08-29 3450
文末有赠书福利目录：一、hive窗口函数语法----over()窗口函数的语法结构----常与over()一起使用的分析函数二、hive窗口函数练习28道题前言：我们在学习hive窗口函...
hive 窗口函数练习
weixin_51142332的博客
05-18 821
hive 窗口函数练习 第一套练习 1、使用 over() 函数进行数据统计, 统计每个用户及表中数据的总数 2、求用户明细并统计每天的用户总数 3、计算从第一天到现在的所有 score 大于80分的用户总数 4、计算每个用户到当前日期分数大于80的天数 测试数据 20191020,11111,85 20191020,22222,83 20191020,33333,86 20191021,11111,87 20191021,22222,65 20191021,33333,98 20191022,11111
Hive窗口函数练习题
Jamie's Blogs
12-12 870
每个用户截止到每月为止的最大单月访问次数和累计到该月的总访问次数 0: jdbc:hive2://node03:10000> create table view_log( . . . . . . . . . . . . . . > name string, . . . . . . . . . . . . . . > time string, . . . . . . . . . ....
查询语句例子
黄钻高级会员的专栏
02-28 187
1. 列出至少有一个员工的所有部门。 select distinct dept.dname from dept join emp on dept.deptno=emp.deptno; 2. 列出薪金比“SMITH”多的所有员工。 select ename from emp where sal&gt;(select sal from emp where ename='SMITH'); s...
hive练习
qq_42506914的博客
03-25 275
学生课程成绩 use myhive; CREATE TABLE `course` ( `id` int, `sid` int , `course` string, `score` int ) ; // 插入数据 // 字段解释：id, 学号， 课程， 成绩 INSERT INTO `course` VALUES (1, 1, 'yuwen', 43); INSERT IN...
hive窗口函数.docx
07-08
以下是 28 道 Hive 窗口函数练习题： 1. 使用 over() 函数进行数据统计，统计每个用户及表中数据的总数 ```sql select *, count(userid) over() as total from test_window; ``` 2. 求用户明细并统计每天的用户总数...
09-20 hive SQL窗口函数+ 练习重点练习题
weixin_46400833的博客
09-20 546
Hive SQL窗口函数: 核心语法主框架： 8-Select 1 -From （left table） 3- （join_type）join(right_table) 2- On 4--Where 5-Group by 6- With 7-Having 9-Order by 10-Limit 1、 sum（）、avg（）用于累计窗口函数 2、 row_number(),rank() 用于创建排序窗口函数 3、 ntile（）分组查询窗口函数 4、 lag（），lead（）偏析分析窗口函数 累计窗口
Hive窗口函数面试题（带答案版本）
最新发布
m0_51388399的博客
03-30 1230
窗口函数面试题
SQL语句+语法 I 数据分析面试必备！
SeizeeveryDay的博客
03-19 494
↑关注 + 置顶 ~ 别错过小z的干货内容|作者：无眠| 来源：知乎前些天在网上冲浪的时候看到一个案例咨询，问说世界500强的数据分析要不要去，...
hive hql 窗口函数 练习
努力吧闫小胖的博客
09-21 1073
窗口函数 物理窗口 真实往上下移动多少行rows between CURRENT ROW | UNBOUNDED PRECEDING | [num] PRECEDING AND UNBOUNDED FOLLOWING | [num] FOLLOWING| CURRENT ROW 如: over(partition by col order by rows between 1 preceding ...
hivesql语句练习
12-06
1.上传tar包 2.解压 tar -zxvf hive-1.2.1.tar.gz 3.安装mysql数据库 推荐yum 在线安装 4.配置hive （a）配置HIVE_HOME环境变量 vi conf/hive-env.sh 配置其中的$hadoop_home （b）配置元数据库信息 vi hive-site.xml 添加如下内容： javax.jdo.option.ConnectionURL jdbc:mysql://localhost:3306/hive?createDatabaseIfNotExist=true JDBC connect string for a JDBC metastore javax.jdo.option.ConnectionDriverName com.mysql.jdbc.Driver Driver class name for a JDBC metastore javax.jdo.option.ConnectionUserName root username to use against metastore database javax.jdo.option.ConnectionPassword hadoop password to use against metastore database 5.安装hive和mysq完成后，将mysql的连接jar包拷贝到$HIVE_HOME/lib目录下 如果出现没有权限的问题，在mysql授权(在安装mysql的机器上执行) mysql -uroot -p #(执行下面的语句 *.*:所有库下的所有表 %：任何IP地址或主机都可以连接) GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY 'root' WITH GRANT OPTION; FLUSH PRIVILEGES; 6. Jline包版本不一致的问题，需要拷贝hive的lib目录中jline.2.12.jar的jar包替换掉hadoop中的 /home/hadoop/app/hadoop-2.6.4/share/hadoop/yarn/lib/jline-0.9.94.jar 启动hive bin/hive ---------------------------------------------------------------------------------------------------- Hive几种使用方式： 1.Hive交互shell bin/hive 2.Hive JDBC服务(参考java jdbc连接mysql) 3.hive启动为一个服务器，来对外提供服务 bin/hiveserver2 nohup bin/hiveserver2 1>/var/log/hiveserver.log 2>/var/log/hiveserver.err & 启动成功后，可以在别的节点上用beeline去连接 bin/beeline -u jdbc:hive2://mini1:10000 -n root 或者 bin/beeline ! connect jdbc:hive2://mini1:10000 4.Hive命令 hive -e ‘sql’ bin/hive -e 'select * from t_test'
Hive常见的练习题
大数据进阶之路
09-05 1501
Hive常见的练习题 1. 测试数据 -- student s_id s_name s_birth s_sex 01 赵雷 1990-01-01 男 02 钱电 1990-12-21 男 03 孙风 1990-05-20 男 04 李云 1990-08-06 男 05 周梅 1991-12-01 女 06 吴兰 1992-03-01 女 07 郑竹 1989-07-01 女 08 王菊 1990-01-20 女 -- course c_id c_course t_id 01 语文 02 02 数学 01
hive练习:窗口函数相关
hello world
09-17 1017
1.编写sql实现每个用户截止到每月为止的最大单月访问次数和累计到该月的总访问次数 数据: A,2015-01,5 A,2015-01,15 B,2015-01,5 A,2015-01,8 B,2015-01,25 A,2015-01,5 A,2015-02,4 A,2015-02,6 B,2015-02,10 B,2015-02,5 A,2015-03,16 A,2015-...
[hive]窗口函数练习(未完)
胖胖的博客
03-31 1334
Hive（七）Hive分析窗口函数 - ZackSun - 博客园
HiveSQL面试题
Nice的博客
10-31 8719
1.我们有如下的用户访问数据 userId visitDate visitCount u01 2017/1/21 5 u02 2017/1/23 6 u03 2017/1/22 8 u04 2017/1/20 3 u01 2017/1/23 6 u01 2017/2/21 8 u02 2017/1/23 6 u01 2017/2/22 4 要求使用...
【每天进步一点点】【hive窗口函数】 窗口函数综合练习
weixin_40420525的博客
08-10 315
窗口函数综合练习 1.需求 1.1 数据 pk,2021-09-01,500,10.10.10.9 xingxing,2021-09-02,3500,10.10.10.10 pk,2021-02-03,46,10.10.10.9 xingxing,2021-09-04,578,10.10.10.10 pk,2021-09-05,345,10.10.10.9 pk,2021-04-06,235,10.10.10.9 xingxing,2021-09-07,78,10.10.10.10 pk,2021-0
Hive窗口函数及练习
weixin_45941889的博客
07-15 287
1.窗口函数over()的语法结构 分析函数 over (partition by 列名 order by 列名 rows between 开始位置 and 结束位置） over()函数包括三个函数： 分区 partition by 列名 排序 order by 列名 指定窗口范围 rows between 开始位置 and 结束位置 这三个函数可以同时使用也可以不使用 over()函数中如果不使用这三个函数，窗口大小是针对查询产生的所有数据，如果指定了分区，窗口大小是针对每个分区的数据。 #1.统计每个
Hive学习——开窗函数精讲
雷神乐乐的博客
02-24 3117
Hive中开窗函数十分重要，很多业务需求都可以用开窗函数解决
HiveSQL练习（中级40题，含数据及答案）
xtsheng123456的博客
11-05 940
HiveSQL练习（中级40题，含数据及答案）
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

小刘新鲜事儿

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

实付元
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