hive select操作(翻譯自Hive wiki)

Select語法

SELECT [ALL | DISTINCT] select_expr, select_expr, ...
FROM table_reference
[WHERE where_condition]
[GROUP BY col_list]
[CLUSTER BY col_list
  | [DISTRIBUTE BY col_list] [SORT BY col_list]
]
[LIMIT number]

select語句可以是union查詢的一部分或者是另一個查詢的子查詢。

table_reference指示查詢的輸入。它可以是普通的表，視圖，join構造或者是子查詢。

簡單查詢。例如，下面的查詢返回表t1所有的列和行。

SELECT * FROM t1

 

WHERE子句

where條件是一個boolean表達式。例如，下面的查詢，返回US地區，amount大於10的銷售記錄。Hive在where子句中不支持IN,EXISTS或子查詢

SELECT * FROM sales WHERE amount > 10 AND region = "US"

 

ALL和DISTINCT子句

ALL和DISTINCT選項，指定重復的行是否返回。如果沒有指定，默認是ALL(所有行會返回)。DISTINCT指定從結果集移除重復的行。

hive> SELECT col1, col2 FROM t1
    1 3
    1 3
    1 4
    2 5
hive> SELECT DISTINCT col1, col2 FROM t1
    1 3
    1 4
    2 5
hive> SELECT DISTINCT col1 FROM t1
    1
    2

 

基於分區的查詢

通常，一個SELECT查詢掃描全部表(除了sampling)。如果表是用PARTITIONED BY字句創建，查詢可以做分區剪除，根據查詢指定的分區范圍，掃描表的一部分。當前Hive在where字句或者JOIN的ON字句中指定了分區，會做分區裁剪。例如，如果表page_views按照列date做分區，下面的查詢，只是返回在2008-03-01到2008-03-31的日期的行。

    SELECT page_views.*
    FROM page_views
    WHERE page_views.date >= '2008-03-01' AND page_views.date <= '2008-03-31'

 

如果表page_views和其他表dim_users做連接，可以在ON字句指定分區的范圍，如下：

    SELECT page_views.*
    FROM page_views JOIN dim_users
      ON (page_views.user_id = dim_users.id AND page_views.date >= '2008-03-01' AND page_views.date <= '2008-03-31')

 

HAVING子句

從Hive0.70開始，Hive添加支持HAVING字句。之前的Hive版本，如果要達到相同的效果，需要用子查詢，例如：

SELECT col1 FROM t1 GROUP BY col1 HAVING SUM(col2) > 10

 

也可以表示為：

SELECT col1 FROM (SELECT col1, SUM(col2) AS col2sum FROM t1 GROUP BY col1) t2 WHERE t2.col2sum > 10

 

LIMIT字句

Limit指示返回的行的數目。隨機選擇返回的行。下面的查詢，隨機返回t1的5行。

SELECT * FROM t1 LIMIT 5

 

Top K查詢。下面的查詢返回的前5名的銷售記錄WRT量。

SET mapred.reduce.tasks = 1
SELECT * FROM sales SORT BY amount DESC LIMIT 5

 

正則表達式列規范

SELECT語句可以執行基於正則表達式的列規范

使用java正則表達式語法:常用http://www.fileformat.info/tool/regex.htm測試結果。

下面的查詢，選擇除了ds和hr的所有列。

SELECT `(ds|hr)?+.+` FROM sales

 

翻譯自 https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Select