hive sql常用整理-hive引擎設置

 

遇到個情況，跑hive級聯insert數據報錯，可以嘗試換個hive計算引擎

hive遇到FAILED: Execution Error, return code 2 from org.apache.hadoop.hive.ql.exec.mr.MapRedTask錯誤

 

1、配置mapreduce計算引擎
set hive.execution.engine=mr;

2、配置spark計算引擎
set hive.execution.engine=spark;

3、配置tez 計算引擎
set hive.execution.engine=tez;

hive的sql操作與musql些許區別，比如hive沒有group_concat,取而代之的是collect_set；hive不能使用子查詢等，以下是常用操作：

 添加分區

ALTER TABLE table_name ADD PARTITION (partCol = 'value1') location 'loc1'; //示例
ALTER TABLE table_name ADD IF NOT EXISTS PARTITION (dt='20130101') LOCATION '/user/hadoop/warehouse/table_name/dt=20130101'; //一次添加一個分區

例：
ALTER TABLE $abc$ ADD IF NOT EXISTS PARTITION(p_provincecode=$abc.p_provincecode$,p_year=$abc.p_year$,p_month=$abc.p_month$) LOCATION '/hadoop路徑/p_provincecode=$abc.p_provincecode$/p_year=$abc.p_year$/p_month=$abc.p_month$/'

ALTER TABLE page_view ADD PARTITION (dt='2008-08-08', country='us') location '/path/to/us/part080808' PARTITION (dt='2008-08-09', country='us') location '/path/to/us/part080809';  //一次添加多個分區

刪除分區
ALTER TABLE login DROP IF EXISTS PARTITION (dt='2008-08-08');
ALTER TABLE page_view DROP IF EXISTS PARTITION (dt='2008-08-08', country='us');

修改分區
ALTER TABLE table_name PARTITION (dt='2008-08-08') SET LOCATION "new location";
ALTER TABLE table_name PARTITION (dt='2008-08-08') RENAME TO PARTITION (dt='20080808');

添加列(字段)
ALTER TABLE table_name ADD COLUMNS (col_name STRING);  //在所有存在的列后面，但是在分區列之前添加一列

修改列
CREATE TABLE test_change (a int, b int, c int);
/* will change column a's name to a1*/
ALTER TABLE test_change CHANGE a a1 INT;

修改列的順序
ALTER TABLE table_name CHANGE col_old_name col_new_name column_type AFTER column_name;
 
/* will change column a's name to a1, a's data type to string, and put it after column b. The new table's structure is: b int, a1 string, c int*/
ALTER TABLE test_change CHANGE a a1 STRING AFTER b; 

/* will change column b's name to b1, and put it as the first column. The new table's structure is: b1 int, a int, c int*/
ALTER TABLE test_change CHANGE b b1 INT FIRST;

hive刪除字段
ALTER TABLE wireless_union_data_export_part1 REPLACE COLUMNS();

修改表屬性
alter table table_name set TBLPROPERTIES ('EXTERNAL'='TRUE');  //內部表轉外部表 
alter table table_name set TBLPROPERTIES ('EXTERNAL'='FALSE');  //外部表轉內部表

表的重命名
ALTER TABLE table_name RENAME TO new_table_name

gbase修改字段只能先刪掉字段，然后再添加
gbase刪除字段
alter table table_name drop 字段名

gbase添加字段
alter table table_name add COLUMN col_name STRING;

gbase清除表數據不刪除表
delete 表名

常用函數
1.isnull(string a) --如果a是null，返回flase，如果啊不為空，返回true
2.ROUND(double a)四舍五入bigint類型
  CEILING       --舍入到最大整數   3.33舍入到4    2.98舍入到3    -3.61舍入到-3
  FLOOR()       --舍入到最小整數   3.33舍入到3    2.98舍入到2    -3.61舍入到-4
3.map(key1, value1, key2, value2, …)通過指定的鍵/值對，創建一個map

4.cast(expr as <type>)類型轉換。例如將字符”1″轉換為整數:cast(’1′ as bigint)，如果轉換失敗返回NULL。
  例：CAST(num*100 AS decimal(8,0)) as num

5.unix_timestamp()  --如果不帶參數的調用，返回一個Unix時間戳（從’1970- 01 – 0100:00:00′到現在的UTC秒數）
   --指定日期參數調用UNIX_TIMESTAMP（），它返回參數值’1970- 01 – 0100:00:00′到指定日期的秒數
  unix_timestamp(string date, string pattern)   --指定時間輸入格式，返回到1970年秒數：unix_timestamp(’2009-03-20′, ‘yyyy-MM-dd’) = 1237532400
  from_unixtime(bigint unixtime[, string format]) 
    例：select from_unixtime(1505750400,'%Y-%m-%d %H-%i-%S');
  --UNIX_TIMESTAMP參數表示返回一個值’YYYY- MM – DD HH：MM：SS’或YYYYMMDDHHMMSS.uuuuuu格式，這取決於是否是在一個字符串或數字語境中
  to_date(string timestamp)    --返回時間中的年月日： to_date(“1970-01-01 00:00:00″) = “1970-01-01″
  to_dates(string date)     --給定一個日期date，返回一個天數（0年以來的天數）
  year、month、day、hour、minute、second、weekofyear    --日期轉年、轉月…………
  
  hour  --返回指定時間的小時，范圍為0-23  
  weekofyear(string date)   --返回指定日期所在一年中的星期號，范圍0到53
  datediff('string enddate','string startdate')     --兩個時間參數的日期之差
  DATEDIFF ( date-part, date-expression-1, date-expression-2 )      --返回兩個日期之間的間隔
  date-part : year | quarter | month | week | day | hour | minute | second | millisecond
  sec_to_time(秒)    --將秒轉化成時間
  time_to_sec(時間)   --將時間轉化為秒
  date_add(string startdate,int days)       --給定時間，在此基礎上加上指定的時間段
  date_sub(string startdate,int days)       --給定時間，在此基礎上減去指定的時間段
  
6.CASE a WHEN b THEN c [WHEN d THEN e]* [ELSE f] END    --當a=b時,返回c；當a=d時，返回e，否則返回f
  CASE WHEN a THEN b [WHEN c THEN d]* [ELSE e] END      --當值為a時返回b,當值為c時返回d。否則返回e
  
7.concat(string A, string B…)   --連接多個字符串，合並為一個字符串，可以接受任意數量的輸入字符串
                                --任何字符與null連接都是NULL
  concat_ws(string SEP, string A, string B…)    --帶分隔符字符串連接函數
  例如：select concat_ws('_','abc','def','gh') from lxw_dual;返回 abc_def_gh

  行轉列，e.g. select concat_ws('_',collect_set(visitor_name))

8.upper(string A) 或者 ucase(string A)   --將文本字符串轉換成字母全部大寫形式
9.lower(string A) 或者 lcase(string A)   --將文本字符串轉換成字母全部小寫形式
10.trim(string A)   --刪除字符串兩端的空格，字符之間的空格保留
   ltrim   --左邊去空格
   rtrim   --右邊去空格

11.like     --例如：a like b --如果字符串A或者字符串B為NULL，則返回NULL；如果字符串A符合表達式B  的正則語法，則為TRUE；否則為FALSE。
            --B中字符”_”表示任意單個字符，而字符”%”表示任意數量的字符。
   例如：select aaaaaa like '%aaa%'

12.split(string str, string pat)    --將字符串轉換為數組，以pat為分隔

13.substr(string A, int start) 或者 substring(string A, int start) --字符串截取函數，
   例：select substr(‘abcde’,3);  --返回cde
   例：select substring('ancdefghijklmn',4,8);    --返回 defghijk     
   
    該子字符串從指定的 beginIndex 處開始， endIndex:到指定的 endIndex-1處結束。   


14.regexp_extract    --正則表達式解析函數  通過下標返回正則表達式指定的部分
regexp_extract(str, regexp[, idx])
其中：
str是被解析的字符串
regexp 是正則表達式
idx是返回結果 取表達式的哪一部分  默認值為1。
0表示把整個正則表達式對應的結果全部返回,1表示返回正則表達式中第一個() 對應的結果 以此類推 
例 from 
     (select distinct id,      name,   val   from text_table
      where p_provincecode=12345    and regexp_extract(lower(id),'(@id)$|(@num)(\\d*)$',0) <>''
     )a
$   匹配行結束符;
*   匹配0或多個正好在它之前的那個字符;重復零次或多次
\   這是引用符，用來將這里列出的這些元字符當作普通的字符來進行匹配;
|   將兩個匹配條件進行邏輯“或”（Or）運算;
\d  匹配數字。在hive這種寫正則表達式需要用\轉義,所以\\d
^   匹配一行的開始
?   匹配0或1個正好在它之前的那個字符；重復零次或一次
.   匹配除換行符號外的任意字符

15.regexp_replace(string A, string B, string C)    --正則表達式替換函數 字符串A中的B字符被C字符替代
regexp_replace(trim(waitbegin), '/', '-')

unix_timestamp(concat_ws(':', regexp_replace(trim(ackbegin), '/', '-'), '00'))-unix_timestamp(concat_ws(':', regexp_replace(trim(waitbegin), '/', '-'), '00')) as wait_duration,

16.get_json_object(string json_string, string path)  --json解析函數  解析json的字符串json_string,返回path指定的內容。如果輸入的json字符串無效，那么返回NULL。

17.內置聚合函數  count、sum、avg、min、max

18.left semi join ... on ...--只打印左邊的表中的列，規律是如果主鍵在右邊表中存在，則打印，否則過濾掉
--相當於sql的in
--不會產生重復的多條記錄

19.collect_set --與group by組合能列轉行，相當於group_concat
20.SELECT  COALESCE(NULL, NULL, GETDATE())  --由於兩個參數都為null，所以返回getdate（）函數的值，也就是當前時間。即返回第一個非空的值。由於這個函數是返回第一個非空的值，所以參數里面必須最少有一個非空的值，如不是，將會報錯

sql：注意問題
1.hive中只有union 沒有union all
union --聯合兩張表（會自動去重，兩張表取出的字段個數和類型必須一致）    並集操作
union all  --聯合兩張表的所有數據（不會去重，兩張表取出的字段個數和類型必須一致）     並集操作

2.ABS() --求絕對值
  
3.與over函數結合的幾個函數介紹
參考網址：http://blog.csdn.net/winer2008/article/details/4283539
row_number()over()、rank()over()和dense_rank()over()函數的使用
  row_number() 是沒有重復值的排序(即使兩天記錄相等也是不重復的)，可以利用它來實現分頁
  dense_rank() 是連續排序，兩個第二名仍然跟着第三名
  rank()       是跳躍排序，兩個第二名下來就是第四名

row_number() OVER (PARTITION BY COL1 ORDER BY COL2) 
--表示根據COL1分組，在分組內部根據 COL2排序，而此函數計算的值就表示每組內部排序后的順序編號（組內連續的唯一的)
例：row_number() over (partition BY stbid,userid ORDER BY timestamp) AS group_idx,

--over（order by salary range between 5 preceding and 5 following）：窗口范圍為當前行數據幅度減5加5后的范圍內的。
sum(s)over(order by s range between 2 preceding and 2 following) 表示加2或2的范圍內的求和

--over（order by salary rows between 5 preceding and 5 following）：窗口范圍為當前行前后各移動5行。
sum(s)over(order by s rows between 2 preceding and 2 following)表示在上下兩行之間的范圍內
4.group by 和 having
SELECT A COUNT(B) FROM TABLE GROUP BY A HAVING COUNT(B)>2
5.SemanticException Column xx Found in more than One Tables/Subqueries報錯

Hive中有兩張表中擁有同一個字段名稱，在這兩個表做關聯的時候會報這個錯誤，

如

select a.c,   b.c,   c.name
from A b
left join (select count(1) as c,code from B group by code )b  on a.code=b.code
left join C c on a.code = c.code;

a.c 和c.name的c，hive下含義辨識不清楚，改為如下

select a.c,   b.c,   cc.name
from A b
left join (select count(1) as c,code from B group by code )b  on a.code=b.code
left join C cc on a.code = cc.code;

5.子查詢只能在from后或者where后

hive中的子查詢改join操作

 

6.hive基本數據類型記錄

 Hive內置數據類型