Hive的查询语句整理

最新推荐文章于 2024-10-22 16:36:53 发布
最新推荐文章于 2024-10-22 16:36:53 发布
阅读量694 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： Hive
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/whiteblacksheep/article/details/96480135

select查询

hive (default)> 
              > select * from emp;
OK
emp.empno       emp.ename       emp.job emp.mgr emp.hiredate    emp.sal emp.comm        emp.deptno
7839    KING    PRESIDENT       NULL    1981-11-17 00:00:00     5000.0  NULL    10
7782    CLARK   MANAGER 7839    1981-06-09 00:00:00     2450.0  NULL    10
7934    MILLER  CLERK   7782    1982-01-23 00:00:00     1300.0  NULL    10
7902    FORD    ANALYST 7566    1981-12-03 00:00:00     3000.0  NULL    20
7788    SCOTT   ANALYST 7566    1982-12-09 00:00:00     3000.0  NULL    20
7566    JONES   MANAGER 7839    1981-04-02 00:00:00     2975.0  NULL    20
7876    ADAMS   CLERK   7788    1983-01-12 00:00:00     1100.0  NULL    20
7369    SMITH   CLERK   7902    1980-12-17 00:00:00     800.0   NULL    20
7698    BLAKE   MANAGER 7839    1981-05-01 00:00:00     2850.0  NULL    30
7499    ALLEN   SALESMAN        7698    1981-02-20 00:00:00     1600.0  300.0   30
7844    TURNER  SALESMAN        7698    1981-09-08 00:00:00     1500.0  0.0     30
7654    MARTIN  SALESMAN        7698    1981-09-28 00:00:00     1250.0  1400.0  30
7521    WARD    SALESMAN        7698    1981-02-22 00:00:00     1250.0  500.0   30
7900    JAMES   CLERK   7698    981-12-03 00:00:00      950.0   NULL    30
Time taken: 0.229 seconds, Fetched: 14 row(s)

hive (default)> select  empno,ename  from emp ;
	
	OK
	empno   ename
	7839    KING
	7782    CLARK
	7934    MILLER
	7902    FORD
	7788    SCOTT
	7566    JONES
	7876    ADAMS
	7369    SMITH
	7698    BLAKE
	7499    ALLEN
	7844    TURNER
	7654    MARTIN
	7521    WARD
	7900    JAMES
	Time taken: 0.047 seconds, Fetched: 14 row(s)
	hive (default)> 
hive (default)> select * from emp  where sal between 1000 and 2000;
OK
emp.empno       emp.ename       emp.job emp.mgr emp.hiredate    emp.sal emp.comm        emp.deptno
7934    MILLER  CLERK   7782    1982-01-23 00:00:00     1300.0  NULL    10
7876    ADAMS   CLERK   7788    1983-01-12 00:00:00     1100.0  NULL    20
7499    ALLEN   SALESMAN        7698    1981-02-20 00:00:00     1600.0  300.0   30
7844    TURNER  SALESMAN        7698    1981-09-08 00:00:00     1500.0  0.0     30
7654    MARTIN  SALESMAN        7698    1981-09-28 00:00:00     1250.0  1400.0  30
7521    WARD    SALESMAN        7698    1981-02-22 00:00:00     1250.0  500.0   30
Time taken: 0.032 seconds, Fetched: 6 row(s)
hive (default)> select * from emp  where sal>=3000;
OK
emp.empno       emp.ename       emp.job emp.mgr emp.hiredate    emp.sal emp.comm        emp.deptno
7839    KING    PRESIDENT       NULL    1981-11-17 00:00:00     5000.0  NULL    10
7902    FORD    ANALYST 7566    1981-12-03 00:00:00     3000.0  NULL    20
7788    SCOTT   ANALYST 7566    1982-12-09 00:00:00     3000.0  NULL    20
Time taken: 0.074 seconds, Fetched: 3 row(s)
hive (default)> 
hive (default)> 
          > select * from emp  limit 2;
OK
emp.empno       emp.ename       emp.job emp.mgr emp.hiredate    emp.sal emp.comm        emp.deptno
7839    KING    PRESIDENT       NULL    1981-11-17 00:00:00     5000.0  NULL    10
7782    CLARK   MANAGER 7839    1981-06-09 00:00:00     2450.0  NULL    10
Time taken: 0.035 seconds, Fetched: 2 row(s)
hive (default)> select  * from emp where comm is null;
OK
emp.empno       emp.ename       emp.job emp.mgr emp.hiredate    emp.sal emp.comm        emp.deptno
7839    KING    PRESIDENT       NULL    1981-11-17 00:00:00     5000.0  NULL    10
7782    CLARK   MANAGER 7839    1981-06-09 00:00:00     2450.0  NULL    10
7934    MILLER  CLERK   7782    1982-01-23 00:00:00     1300.0  NULL    10
7902    FORD    ANALYST 7566    1981-12-03 00:00:00     3000.0  NULL    20
7788    SCOTT   ANALYST 7566    1982-12-09 00:00:00     3000.0  NULL    20
7566    JONES   MANAGER 7839    1981-04-02 00:00:00     2975.0  NULL    20
7876    ADAMS   CLERK   7788    1983-01-12 00:00:00     1100.0  NULL    20
7369    SMITH   CLERK   7902    1980-12-17 00:00:00     800.0   NULL    20
7698    BLAKE   MANAGER 7839    1981-05-01 00:00:00     2850.0  NULL    30
7900    JAMES   CLERK   7698    981-12-03 00:00:00      950.0   NULL    30
Time taken: 0.046 seconds, Fetched: 10 row(s)
hive (default)>

聚合函数

max/min/count/sum/ave 特点：多进一出，进来很多条记录出去只有一条记录

  • 查询部门编号为10的有多少人数

     hive (default)> select  deptno,count(1) sum  from emp group by  deptno having deptno=10;

  • 求最大工资，最小工资，平均工资，工资的和

     hive (default)>  
       > select max(sal),min(sal),avg(sal),sum(sal) from emp;

分组函数 group by

使用group by函数需注意：1.group by中出现的字段，select中也一定要出现，不然会报错；
2.group by 一般和having比较函数一起使用同时也和聚合函数一起使用
3.group by后面可以跟多个字段，只不过需要用","隔开

  • 求部门的平均工资

     hive (default)> 
           > select deptno,avg(sal) avgsal from emp group by deptno;

  • 求每个部门(deptno)、工作岗位(job)的最高工资(salary)，很简单还是注意group by后面的字段内容

     hive (default)> select deptno,job,max(sal) maxsal from emp group by deptno,job;

  • 每个部门的那些工作平均工资大于2000

     hive (default)> select deptno,job,avg(sal) avgsal from emp group by deptno,job having avg(sal)>2000 ;

case when then end 根据已有的字段取一个常用的标识

	hive (default)> 
              > 
              > select  ename,sal,  
              > case
              > when  sal>1  and sal<=1000 then  'lower'
              > when  sal>1000 and sal<=2000 then  'just so so'
              > when  sal>2000  and sal<=3000 then  'ok'
              > else  'high'
              > end
              > from  emp ;
OK
ename   sal     _c2
KING    5000.0  high
CLARK   2450.0  ok
MILLER  1300.0  just so so
FORD    3000.0  ok
SCOTT   3000.0  ok
JONES   2975.0  ok
ADAMS   1100.0  just so so
SMITH   800.0   lower
BLAKE   2850.0  ok
ALLEN   1600.0  just so so
TURNER  1500.0  just so so
MARTIN  1250.0  just so so
WARD    1250.0  just so so
JAMES   950.0   lower
Time taken: 0.048 seconds, Fetched: 14 row(s)
hive (default)>

order by 、 sort by 、distribute by 和 cluster by的区别

  • order by 全局排序 ，在1个reduce中排序 ，一般不建议生产上使用
  • sort by 局部排序 ，每个reduce内是有序
  • distribute by 按照一定的规则把数据分散到某个reducer
  • cluster by 等同于 distribute by xxx sort by xxxx（前提是xxx必须和xxxx是相同的），这个几乎很少用到

默认执行reduce任务的就1个，如果需要多个reduce执行任务，可以设置mapred.reduce.tasks参数
set mapred.reduce.tasks=3 这种设置只是临时会话种有效，如果需要永久有效，则在应在hive_site.xml中设置。
用order by排序的时候如果hive.mapred.mode=strict后面不加limit会报错，但系统默认的是hive.mapred.mode=nonstrict不严格模式，所以加不加limit都不会报错。

		hive (default)> set mapred.reduce.tasks;
	mapred.reduce.tasks=3
	hive (default)> insert overwrite local directory '/home/hadoop/data/sort/' row format delimited fields terminated by ','  select * from emp  sort by empno;
	Query ID = hadoop_20190719141717_d0b35106-40a0-4d0a-a1f7-e17f4e544cdf
	Total jobs = 1
	Launching Job 1 out of 1
	Number of reduce tasks not specified. Defaulting to jobconf value of: 3
	In order to change the average load for a reducer (in bytes):
	  set hive.exec.reducers.bytes.per.reducer=<number>
	In order to limit the maximum number of reducers:
	  set hive.exec.reducers.max=<number>
	In order to set a constant number of reducers:
	  set mapreduce.job.reduces=<number>
	Starting Job = job_1562553101223_0020, Tracking URL = http://hadoop001:8078/proxy/application_1562553101223_0020/
	Kill Command = /home/hadoop/app/hadoop/bin/hadoop job  -kill job_1562553101223_0020
	Hadoop job information for Stage-1: number of mappers: 1; number of reducers: 3
	2019-07-19 15:36:47,245 Stage-1 map = 0%,  reduce = 0%
	2019-07-19 15:36:51,327 Stage-1 map = 100%,  reduce = 0%, Cumulative CPU 0.77 sec
	2019-07-19 15:36:56,557 Stage-1 map = 100%,  reduce = 33%, Cumulative CPU 2.09 sec
	2019-07-19 15:36:58,644 Stage-1 map = 100%,  reduce = 100%, Cumulative CPU 5.0 sec
	MapReduce Total cumulative CPU time: 5 seconds 0 msec
	Ended Job = job_1562553101223_0020
	Copying data to local directory /home/hadoop/data/sort
	MapReduce Jobs Launched: 
	Stage-Stage-1: Map: 1  Reduce: 3   Cumulative CPU: 5.0 sec   HDFS Read: 15426 HDFS Write: 802 SUCCESS
	Total MapReduce CPU Time Spent: 5 seconds 0 msec
	OK
	emp.empno       emp.ename       emp.job emp.mgr emp.hiredate    emp.sal emp.comm        emp.deptno
	Time taken: 18.827 seconds
	查看/home/hadoop/data/sort，看是否是3个文件
	[hadoop@hadoop001 ~]$ cd /home/hadoop/data/sort
	[hadoop@hadoop001 sort]$ ll
	total 12
	-rw-r--r-- 1 hadoop hadoop 341 Jul 19 15:37 000000_0
	-rw-r--r-- 1 hadoop hadoop 345 Jul 19 15:37 000001_0
	-rw-r--r-- 1 hadoop hadoop 116 Jul 19 15:37 000002_0
	[hadoop@hadoop001 sort]$

hive的内置函数

hive的内置函数较多，这里没有必要记，只需要知道怎么查找内置函数就行
show functions;查看说有的内置函数
desc function length(函数名)；查看length函数的说明，没有例子
desc function extended length(函数名)；查看length函数的说明并且还有案例

hive (default)> 
          > create table dual(x string); 
           > insert into table values('');//创建一张空表dual,用来做下面测试

常用有关时间的内置函数

hive (default)> select  ename,lower(ename) from emp;
OK
ename   _c1
KING    king
CLARK   clark
MILLER  miller
FORD    ford
SCOTT   scott
JONES   jones
ADAMS   adams
SMITH   smith
BLAKE   blake
ALLEN   allen
TURNER  turner
MARTIN  martin
WARD    ward
JAMES   james
Time taken: 0.034 seconds, Fetched: 14 row(s)
hive (default)>

date内置函数

	hive.mapred.mode=nonstrict
hive (default)> select current_date from dual;
OK
_c0
2019-07-19
Time taken: 0.034 seconds, Fetched: 1 row(s)
hive (default)> 
             
              > select current_timestamp  from dual;
OK
_c0
2019-07-19 16:37:01.49
Time taken: 0.036 seconds, Fetched: 1 row(s)
hive (default)> 
hive (default)> select unix_timestamp()  from dual;//当前时间的时间戳
OK
_c0
1563525550
Time taken: 0.035 seconds, Fetched: 1 row(s)

hive (default)> select unix_timestamp("2019-07-19 16:42:00")  from dual;
OK
_c0
1563525720
Time taken: 0.031 seconds, Fetched: 1 row(s)

hive (default)> select unix_timestamp("20190719 164200","yyyyMMdd HHmmss")  from dual;//如果时间格式不对，需要先修改格式
OK
_c0
1563525720
Time taken: 0.033 seconds, Fetched: 1 row(s)
hive (default)> 

hive (default)> 
              > 
              > select year("2019-07-19 16:42:00")  from dual;
		OK
		_c0
		2019
		Time taken: 0.032 seconds, Fetched: 1 row(s)
		hive (default)> select month("2019-07-19 16:42:00")  from dual;
		OK
		_c0
		7
		Time taken: 0.031 seconds, Fetched: 1 row(s)
		hive (default)> select day("2019-07-19 16:42:00")  from dual;
		OK
		_c0
		19
		Time taken: 0.03 seconds, Fetched: 1 row(s)
		hive (default)> 
		hive (default)> select date_add("2019-07-19 16:52:57.04",10)  from dual; //向上加10天
	OK
	_c0
	2019-07-29
	Time taken: 0.036 seconds, Fetched: 1 row(s)
	hive (default)> select date_sub("2019-07-19 16:52:57.04",10)  from dual;//减10天
OK
_c0
2019-07-09
Time taken: 0.032 seconds, Fetched: 1 row(s)
hive (default)>

转换函数 cast

	hive (default)> select  cast("5"as int) from dual;
	OK
	_c0
	5
	Time taken: 0.029 seconds, Fetched: 1 row(s)
	hive (default)> select  cast("5a"as int) from dual; //若果前面的5a不满足后面的类型，将会为null
	OK
	_c0
	NULL
	Time taken: 0.027 seconds, Fetched: 1 row(s)
	hive (default)> select  cast("2018-8-8"as date) from dual;
	OK
	_c0
	2018-08-08
	Time taken: 0.028 seconds, Fetched: 1 row(s)
	hive (default)> select  cast(532 as string) from dual;
	OK
	_c0
	532
	Time taken: 0.029 seconds, Fetched: 1 row(s)
	hive (default)>

内置数字函数

	Time taken: 0.029 seconds, Fetched: 1 row(s)
	hive (default)> 
	              > 
	              > 
	              > select  round(5.4) from dual; //round函数，四舍五入
	OK
	_c0
	5.0
	Time taken: 0.035 seconds, Fetched: 1 row(s)
	hive (default)> select  round(3.145654,2) from dual;
	OK
	_c0
	3.15
	Time taken: 0.027 seconds, Fetched: 1 row(s)
	hive (default)> 
	hive (default)> select  least(3,4,5) from dual; 取最小的数
	OK
	_c0
	3
	Time taken: 0.034 seconds, Fetched: 1 row(s)
	hive (default)> select  greatest(3,4,5) from dual;取最大的数
	OK
	_c0
	5
	Time taken: 0.025 seconds, Fetched: 1 row(s)
	hive (default)>

字符串函数

	hive (default)> select concat("www",".","baicu.com") from dual;
OK
_c0
www.baicu.com
Time taken: 0.037 seconds, Fetched: 1 row(s)
hive (default)> select concat_ws(".","192","168","1","1") from dual;
OK
	_c0
	192.168.1.1
	Time taken: 0.027 seconds, Fetched: 1 row(s)
	hive (default)>

Hive来完成wc统计

[hadoop@hadoop001 data]$ cat /home/hadoop/data/wc.txt 
hello   hello   hello
world   world
welcome
[hadoop@hadoop001 data]$ 
hive (default)> create table if not exists wc(sentence string);
OK
Time taken: 0.268 seconds
hive (default)> load data local inpath '/home/hadoop/data/wc.txt' overwrite into table wc;
Loading data to table default.wc
Table default.wc stats: [numFiles=1, numRows=0, totalSize=44, rawDataSize=0]
OK
Time taken: 0.198 seconds

hive (default)> select word,count(1) as cnt from  
          > (select  explode(split(sentence,'\t')) as word from  wc) t
          > group by word order by cnt desc;
Query ID = hadoop_20190719160606_75417f04-c6d4-45c9-9309-3d0cadf21313
Total jobs = 2
Launching Job 1 out of 2
Number of reduce tasks not specified. Estimated from input data size: 1
In order to change the average load for a reducer (in bytes):
  set hive.exec.reducers.bytes.per.reducer=<number>
In order to limit the maximum number of reducers:
  set hive.exec.reducers.max=<number>
In order to set a constant number of reducers:
  set mapreduce.job.reduces=<number>
Starting Job = job_1562553101223_0022, Tracking URL = http://hadoop001:8078/proxy/application_1562553101223_0022/
Kill Command = /home/hadoop/app/hadoop/bin/hadoop job  -kill job_1562553101223_0022
Hadoop job information for Stage-1: number of mappers: 1; number of reducers: 1
2019-07-19 17:43:54,749 Stage-1 map = 0%,  reduce = 0%
2019-07-19 17:43:58,883 Stage-1 map = 100%,  reduce = 0%, Cumulative CPU 1.51 sec
2019-07-19 17:44:03,008 Stage-1 map = 100%,  reduce = 100%, Cumulative CPU 2.74 sec
MapReduce Total cumulative CPU time: 2 seconds 740 msec
Ended Job = job_1562553101223_0022
Launching Job 2 out of 2
Number of reduce tasks determined at compile time: 1
In order to change the average load for a reducer (in bytes):
  set hive.exec.reducers.bytes.per.reducer=<number>
In order to limit the maximum number of reducers:
  set hive.exec.reducers.max=<number>
In order to set a constant number of reducers:
  set mapreduce.job.reduces=<number>
Starting Job = job_1562553101223_0023, Tracking URL = http://hadoop001:8078/proxy/application_1562553101223_0023/
Kill Command = /home/hadoop/app/hadoop/bin/hadoop job  -kill job_1562553101223_0023
Hadoop job information for Stage-2: number of mappers: 1; number of reducers: 1
2019-07-19 17:44:09,024 Stage-2 map = 0%,  reduce = 0%
2019-07-19 17:44:13,185 Stage-2 map = 100%,  reduce = 0%, Cumulative CPU 0.65 sec
2019-07-19 17:44:18,307 Stage-2 map = 100%,  reduce = 100%, Cumulative CPU 1.95 sec
MapReduce Total cumulative CPU time: 1 seconds 950 msec
Ended Job = job_1562553101223_0023
MapReduce Jobs Launched: 
Stage-Stage-1: Map: 1  Reduce: 1   Cumulative CPU: 2.74 sec   HDFS Read: 6753 HDFS Write: 169 SUCCESS
Stage-Stage-2: Map: 1  Reduce: 1   Cumulative CPU: 1.95 sec   HDFS Read: 4655 HDFS Write: 25 SUCCESS
Total MapReduce CPU Time Spent: 4 seconds 690 msec
OK
word    cnt
hello   3
world   2
welcom  1
Time taken: 31.204 seconds, Fetched: 3 row(s)
hive (default)>

注意：explode：一进多出，就是将行变成列。
split是hive内置的函数。

Hive基础语句
qq_47947471的博客
10-08 2345
1.数据库操作 (1)创建数据库 为避免要创建的数据库已经存在错误，增加if not exists判断。（标准写法） create database if not exists myhivebook; (2)使用数据库 use myhivebook; (3)修改数据库 用户可以使用ALTER DATABASE命令为某个数据库的DBPROPERTIES设置键-值对属性值，来描述这个数据库的属性信息。数据库的其他元数据信息都是不可更改的，包括数据库名和数据库所在的目录位置。 alter database m
HIVE语句（上）
wangzhangni的博客
09-26 490
一、了解HIVE 1、是什么 是一个可以将sql翻译为MR程序的工具 支持用户将HDFS上的文件映射为表结构，用户可以输入SQL进行查询分析 将用户定义的库、表结构等信息存储在hive的元数据库中 2、用途 用于构建大数据体系下的数据仓库 3、使用方式 1）方式一：交互式查询 将hive启动为一个服务： bin/hiveserver ，然后可以在任意一台机器上使用beeline客户端连接hi...
Hive查询语句
zhongmingyu
04-10 1183
反之返回false。B的表达式说明如下：‘x%’表示A必须以字母‘x’开头，‘%x’表示A必须以字母‘x’结尾，而‘%x%’表示A包含有字母‘x’,可以位于开头，结尾或者字符串中间。如果A的值大于等于B而且小于或等于C，则结果为true，反之为false。union和union all都是上下拼接sql的结果，这点是和join有区别的，join是左右关联，union和union all是上下拼接。如果A和B都为null或者都不为null，则返回true，如果只有一边为null，返回false。
hive语句
热门推荐
ydb_jason的博客
12-03 1万+
hive基本数据类型smalint：2byte（32768，java short）， int：4byte（对应java int）， bigint：8byte（对应java long，ydb-tlong：多占用存储空间，但是查找速度要更快）， boolean：布尔类型（true|FALSE）， float：单精度浮点型 doublie：双精度浮点型 string：字符串类型（对应ydb-string，
hive语句大全
weixin_44856660的博客
10-25 1033
hive数据库是hdfs上的文件夹，表也是文件夹，表里的数据是文件 hive建表 create table t_student(id string,name string,age int,classNo string) row format delimited fields terminated by ‘,’; 创建外部表 create external table t_a(id string,n...
Hive查询优化整理与Hive简易版思维导图
04-30
本文将深入探讨Hive查询优化的一些关键点，并结合个人实践经验和整理的Hive简易版思维导图，帮助你更好地理解和运用Hive。 一、Hive查询优化基础 1. **表分区**：分区是Hive提高查询效率的重要手段。通过将大表按...
Hive查询语句入门：SELECT基础语法解析
Hive查询语句入门 ## 1.1 了解Hive查询语句的基本概念 Hive是建立在Hadoop之上的数据仓库系统，它提供了类SQL语言HiveQL来进行数据查询和分析。Hive查询语句是对存储在Hadoop中的数据进行检索和分析的重要工具。 ...
Hive基本语句及函数用法汇总
seven的博客
08-20 9270
文章目录1. Hive的基本概念2. Hive基础sql语法2.1 DDL 操作2.2 DML操作:元数据存储2.3 DQL操作:数据查询SQL2.4 从SQL到HiveQL应转变的习惯3. Hive基本函数汇总3.1 常用数据类型3.2 语法关键字3.3 hive常用函数整理 1. Hive的基本概念 1.1 hive是什么？ Hive是基于Hadoop的数据仓库工具，相当于hadoop之上的...
hive 常用ALTER 语句
qq_42807253的博客
10-26 1713
整理了hive 常用的Alter语句，省去翻书时间，工作中用到新的再进行总结
hive官方文档整理
01-17
这份“hive官方文档整理”PDF文件，无疑是深入理解Hive功能和用法的宝贵资源。以下是对Hive核心知识点的详细解析： 1. **Hive概述**：Hive是一个基于Hadoop的数据仓库工具，它允许使用SQL-like语言（HQL，Hive ...
hive 语句总结
05-26
自己平时用到的hive语句做进一步总结和汇总！ 方便我们开发人员开发查阅！
Hive使用语句
doswynkfsw的博客
02-22 1766
连接语句 left outer join 和left join是一样的。 left join 包含左表的所有行。 排序 分区排序，全局排序, MapReduce中的内部排序 https://blog.csdn.net/qq_43192537/article/details/102293995 修改表字段类型 https://blog.csdn.net/glittledream/article/details/84789571 Alter table 表名 change column 原字段名称
hive常见语句
sujins5288的博客
11-29 715
1.hive -e 1.在hive中我们有时期望执行一个或者多个查询（使用分号分隔），执行结束后hive cli立即退出。hive提供了这样的功能，我们可以通过hive -e实现： 临时应急时可以使用这个功能将查询结果保存到一个文件中。增加-S选项可以开启静默模式，这样可以在输出结果去掉 "ok"和“Time taken” 等行，以及其他一些无关紧要的输出信息，例子如下： 上面例子的shel...
Hive常用语句
雷雨中的双桅船
12-25 1390
创建表 hive> CREATE TABLE pokes (foo INT, bar STRING);  创建表并创建索引字段ds hive> CREATE TABLE invites (foo INT, bar STRING) PARTITIONED BY (ds STRING);  显示所有表 hive> SHOW TABLES; 按正条件（正则表达式）显示
Hive语句大全（超级详细的案例大全）
dsb1106421x的博客
10-22 1352
-在上述语法中，`INSERT OVERWRITE TABLE` 是插入或覆盖指定分区表的命令，`test_table` 是分区表的名称，`(date='2024-01'）` 是指定的分区，name,age, gender是要从 `source_table`源表 中抽取的字段。字段分隔符为","。--这里 "/path/to/localfile" 是你要上传文件在Windows中的根路径（完整 的），"/path/to/hdfs" 是你想要把文件存放在HDFS中的路径。
hive常用语句
kehan_c的博客
06-21 419
创建表： create external table etl_fb_unmatched_history( device_id_md5 string, device_type string, platform string, package_name string) location ‘s3://mob-emr-test/dataplatform/DataWareHouse/data/dwh/etl...
hive的常见语句
m0_56133047的博客
05-16 307
#开启hive模式 hive #查看数据库 show databases; #进入某个数据库 use 数据库; #创建数据库 CREATE SCHEMA 数据库名; #删除数据库 DROP DATABASE IF EXISTS 数据库名; #查看所有的表 desc 表名; #显示表结构 desc 表名; #查询表数据 select * from 表名; #创建数据表 use 数据库名; create table 表名; #内部表 #删除表 drop
hive表查询语句与mysql相同吗
最新发布
03-29
接下来，我需要整理这些信息，找出Hive SQL和MySQL在查询语法上的具体异同。相似之处可能包括基本查询结构、JOIN操作、聚合函数等。不同之处可能涉及执行引擎（Hive用MapReduce，MySQL用自身引擎）、处理大规模数据...
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
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