1 查询
查询语句语法：
SELECT [ALL | DISTINCT] select_expr, select_expr, ...
FROM table_reference
[WHERE where_condition]
[GROUP BY col_list]
[ORDER BY col_list]
[CLUSTER BY col_list]
| [DISTRIBUTE BY col_list] [SORT BY col_list]
[LIMIT number]
1.1 基本查询（Select…From）
1.1.1 全表和特定列查询
1. 数据准备
（1）原始数据
dept：
10 ACCOUNTING 1700
20 RESEARCH 1800
30 SALES 1900
40 OPERATIONS 1700
emp：
369 SMITH CLERK 7902 1980-12-17 800.00 20
7499 ALLEN SALESMAN 7698 1981-2-20 1600.00 300.00 30
7521 WARD SALESMAN 7698 1981-2-22 1250.00 500.00 30
7566 JONES MANAGER 7839 1981-4-2 2975.00 20
7654 MARTIN SALESMAN 7698 1981-9-28 1250.00 1400.00 30
7698 BLAKE MANAGER 7839 1981-5-1 2850.00 30
7782 CLARK MANAGER 7839 1981-6-9 2450.00 10
7788 SCOTT ANALYST 7566 1987-4-19 3000.00 20
7839 KING PRESIDENT 1981-11-17 5000.00 10
7844 TURNER SALESMAN 7698 1981-9-8 1500.00 0.00 30
7876 ADAMS CLERK 7788 1987-5-23 1100.00 20
7900 JAMES CLERK 7698 1981-12-3 950.00 30
7902 FORD ANALYST 7566 1981-12-3 3000.00 20
7934 MILLER CLERK 7782 1982-1-23 1300.00 10
7534 MILLER CLERK 7782 1982-10-23 1300.00 50
（2）创建部门表
create table if not exists dept(
deptno int,
dname string,
loc int
)
row format delimited fields terminated by '\t';
（3）创建员工表
create table if not exists emp(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int)
row format delimited fields terminated by '\t';
（4）导入数据
hive (default)> load data local inpath '/opt/module/hive-3.1.2/data/dept.txt' into table dept;
hive (default)> load data local inpath '/opt/module/hive-3.1.2/data/emp.txt' into table emp;
2. 全表查询
hive (default)> select * from emp;
OK
emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno
7369 SMITH CLERK 7902 1980-12-17 800.0 NULL 20
7499 ALLEN SALESMAN 7698 1981-2-20 1600.0 300.0 30
7521 WARD SALESMAN 7698 1981-2-22 1250.0 500.0 30
7566 JONES MANAGER 7839 1981-4-2 2975.0 NULL 20
7654 MARTIN SALESMAN 7698 1981-9-28 1250.0 1400.0 30
7698 BLAKE MANAGER 7839 1981-5-1 2850.0 NULL 30
7782 CLARK MANAGER 7839 1981-6-9 2450.0 NULL 10
7788 SCOTT ANALYST 7566 1987-4-19 3000.0 NULL 20
7839 KING PRESIDENT NULL 1981-11-17 5000.0 NULL 10
7844 TURNER SALESMAN 7698 1981-9-8 1500.0 0.0 30
7876 ADAMS CLERK 7788 1987-5-23 1100.0 NULL 20
7900 JAMES CLERK 7698 1981-12-3 950.0 NULL 30
7902 FORD ANALYST 7566 1981-12-3 3000.0 NULL 20
7934 MILLER CLERK 7782 1982-1-23 1300.0 NULL 10
7534 MILLER CLERK 7782 1982-10-23 1300.0 NULL 50
Time taken: 0.271 seconds, Fetched: 15 row(s)
hive (default)> select empno, ename, job, mgr, hiredate, sal, comm, deptno from emp;
OK
empno ename job mgr hiredate sal comm deptno
7369 SMITH CLERK 7902 1980-12-17 800.0 NULL 20
7499 ALLEN SALESMAN 7698 1981-2-20 1600.0 300.0 30
7521 WARD SALESMAN 7698 1981-2-22 1250.0 500.0 30
7566 JONES MANAGER 7839 1981-4-2 2975.0 NULL 20
7654 MARTIN SALESMAN 7698 1981-9-28 1250.0 1400.0 30
7698 BLAKE MANAGER 7839 1981-5-1 2850.0 NULL 30
7782 CLARK MANAGER 7839 1981-6-9 2450.0 NULL 10
7788 SCOTT ANALYST 7566 1987-4-19 3000.0 NULL 20
7839 KING PRESIDENT NULL 1981-11-17 5000.0 NULL 10
7844 TURNER SALESMAN 7698 1981-9-8 1500.0 0.0 30
7876 ADAMS CLERK 7788 1987-5-23 1100.0 NULL 20
7900 JAMES CLERK 7698 1981-12-3 950.0 NULL 30
7902 FORD ANALYST 7566 1981-12-3 3000.0 NULL 20
7934 MILLER CLERK 7782 1982-1-23 1300.0 NULL 10
7534 MILLER CLERK 7782 1982-10-23 1300.0 NULL 50
Time taken: 0.323 seconds, Fetched: 15 row(s)
3. 选择特定列查询
hive (default)> select empno, ename from emp;
OK
empno ename
7369 SMITH
7499 ALLEN
7521 WARD
7566 JONES
7654 MARTIN
7698 BLAKE
7782 CLARK
7788 SCOTT
7839 KING
7844 TURNER
7876 ADAMS
7900 JAMES
7902 FORD
7934 MILLER
7534 MILLER
Time taken: 0.279 seconds, Fetched: 15 row(s)
注意：
（1）SQL 语言 大小写不敏感。
（2）SQL 可以写在一行或者多行
（3）关键字不能被缩写也不能分行
（4）各子句一般要分行写。
（5）使用缩进提高语句的可读性。
1.1.2 列别名
重命名一个列便于计算。命名方法为紧跟列名，也可以在列名和别名之间加入关键字AS。
实例：查询名称和部门
hive (default)> select ename as name, deptno dn from emp;
OK
name dn
SMITH 20
ALLEN 30
WARD 30
JONES 20
MARTIN 30
BLAKE 30
CLARK 10
SCOTT 20
KING 10
TURNER 30
ADAMS 20
JAMES 30
FORD 20
MILLER 10
MILLER 50
Time taken: 0.289 seconds, Fetched: 15 row(s)
1.1.3 算术运算符
案例实操：查询出所有员工的薪水后加 1 显示。
hive (default)> select sal+1 from emp;
OK
_c0
801.0
1601.0
1251.0
2976.0
1251.0
2851.0
2451.0
3001.0
5001.0
1501.0
1101.0
951.0
3001.0
1301.0
1301.0
Time taken: 0.79 seconds, Fetched: 15 row(s)
1.1.4 常用函数
（1）求总行数（count）
hive (default)> select count(*) cnt from emp;
OK
cnt
15
Time taken: 20.637 seconds, Fetched: 1 row(s)
（2）求工资的最大值（max）
hive (default)> select max(sal) max_sal from emp;
OK
max_sal
5000.0
Time taken: 19.305 seconds, Fetched: 1 row(s)
（3）求工资的最小值（min）
hive (default)> select min(sal) min_sal from emp;
OK
min_sal
800.0
Time taken: 31.402 seconds, Fetched: 1 row(s)
（4）求工资的总和（sum）
hive (default)> select sum(sal) sum_sal from emp;
OK
sum_sal
30325.0
Time taken: 8.185 seconds, Fetched: 1 row(s)
（5）求工资的平均值（avg）
hive (default)> select avg(sal) avg_sal from emp;
OK
avg_sal
2021.6666666666667
Time taken: 8.706 seconds, Fetched: 1 row(s)
1.1.5 Limit 语句
典型的查询会返回多行数据。LIMIT 子句用于限制返回的行数。
hive (default)> select * from emp limit 3;
OK
emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno
7369 SMITH CLERK 7902 1980-12-17 800.0 NULL 20
7499 ALLEN SALESMAN 7698 1981-2-20 1600.0 300.0 30
7521 WARD SALESMAN 7698 1981-2-22 1250.0 500.0 30
Time taken: 0.318 seconds, Fetched: 3 row(s)
hive (default)> select sal from emp limit 5;
OK
sal
800.0
1600.0
1250.0
2975.0
1250.0
Time taken: 0.298 seconds, Fetched: 5 row(s)
1.1.6 Where 语句
使用 WHERE 子句，将不满足条件的行过滤掉。
WHERE 子句紧随 FROM 子句。WHERE 子句中不能使用字段别名。
例：查询出薪水大于2000 的所有员工：
hive (default)> select * from emp where sal > 2000;
OK
emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno
7566 JONES MANAGER 7839 1981-4-2 2975.0 NULL 20
7698 BLAKE MANAGER 7839 1981-5-1 2850.0 NULL 30
7782 CLARK MANAGER 7839 1981-6-9 2450.0 NULL 10
7788 SCOTT ANALYST 7566 1987-4-19 3000.0 NULL 20
7839 KING PRESIDENT NULL 1981-11-17 5000.0 NULL 10
7902 FORD ANALYST 7566 1981-12-3 3000.0 NULL 20
Time taken: 0.324 seconds, Fetched: 6 row(s)
1.1.7 比较运算符（Between / In / Is Null）
下面表中描述了谓词操作符，这些操作符同样可以用于 JOIN…ON和 HAVING语句中。
例：（1）查询出薪水等于 5000 的所有员工
hive (default)> select * from emp where sal=5000;
OK
emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno
7839 KING PRESIDENT NULL 1981-11-17 5000.0 NULL 10
Time taken: 0.312 seconds, Fetched: 1 row(s)
（2）查询工资在 800到 950 的员工信息
hive (default)> select * from emp where sal between 800 and 950;
OK
emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno
7369 SMITH CLERK 7902 1980-12-17 800.0 NULL 20
7900 JAMES CLERK 7698 1981-12-3 950.0 NULL 30
Time taken: 0.267 seconds, Fetched: 2 row(s)
（3）查询 comm 为空的所有员工信息
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
7369 SMITH CLERK 7902 1980-12-17 800.0 NULL 20
7566 JONES MANAGER 7839 1981-4-2 2975.0 NULL 20
7698 BLAKE MANAGER 7839 1981-5-1 2850.0 NULL 30
7782 CLARK MANAGER 7839 1981-6-9 2450.0 NULL 10
7788 SCOTT ANALYST 7566 1987-4-19 3000.0 NULL 20
7839 KING PRESIDENT NULL 1981-11-17 5000.0 NULL 10
7876 ADAMS CLERK 7788 1987-5-23 1100.0 NULL 20
7900 JAMES CLERK 7698 1981-12-3 950.0 NULL 30
7902 FORD ANALYST 7566 1981-12-3 3000.0 NULL 20
7934 MILLER CLERK 7782 1982-1-23 1300.0 NULL 10
7534 MILLER CLERK 7782 1982-10-23 1300.0 NULL 50
Time taken: 0.283 seconds, Fetched: 11 row(s)
（4）查询工资是 1500 或 5000 的员工信息
hive (default)> select * from emp where sal in (1500, 5000);
OK
emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno
7839 KING PRESIDENT NULL 1981-11-17 5000.0 NULL 10
7844 TURNER SALESMAN 7698 1981-9-8 1500.0 0.0 30
Time taken: 0.299 seconds, Fetched: 2 row(s)
1.1.8 Like和RLike
（1）使用 LIKE 运算选择类似的值。
（2）选择条件可以包含字符或数字。
% 代表零个或多个字符任意个字符 。
_ 代表一个字符。
（3）RLIKE 子句 是 Hive 中这个功能的一个扩展，其可以通过 Java 的正则表达式这个更强大的语言来指定匹配条件。
案例实操
查找名字以 A 开头的员工信息
hive (default)> select * from emp where ename like 'A%';
OK
emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno
7499 ALLEN SALESMAN 7698 1981-2-20 1600.0 300.0 30
7876 ADAMS CLERK 7788 1987-5-23 1100.0 NULL 20
查找名字中第二个字母为 A 的员工信息
hive (default)> select * from emp where ename like '_A%';
OK
emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno
7521 WARD SALESMAN 7698 1981-2-22 1250.0 500.0 30
7654 MARTIN SALESMAN 7698 1981-9-28 1250.0 1400.0 30
7900 JAMES CLERK 7698 1981-12-3 950.0 NULL 30
Time taken: 0.301 seconds, Fetched: 3 row(s)
查找名字中带有 A 的员工信息
hive (default)> select * from emp where ename rlike '[A]';
OK
emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno
7499 ALLEN SALESMAN 7698 1981-2-20 1600.0 300.0 30
7521 WARD SALESMAN 7698 1981-2-22 1250.0 500.0 30
7654 MARTIN SALESMAN 7698 1981-9-28 1250.0 1400.0 30
7698 BLAKE MANAGER 7839 1981-5-1 2850.0 NULL 30
7782 CLARK MANAGER 7839 1981-6-9 2450.0 NULL 10
7876 ADAMS CLERK 7788 1987-5-23 1100.0 NULL 20
7900 JAMES CLERK 7698 1981-12-3 950.0 NULL 30
Time taken: 0.247 seconds, Fetched: 7 row(s)
1.1.9 逻辑运算符（And / Or / Not）
案例实操
（1）查询薪水大于 1000 ，部门是 30
hive (default)> select * from emp where sal>1000 and deptno=30;
OK
emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno
7499 ALLEN SALESMAN 7698 1981-2-20 1600.0 300.0 30
7521 WARD SALESMAN 7698 1981-2-22 1250.0 500.0 30
7654 MARTIN SALESMAN 7698 1981-9-28 1250.0 1400.0 30
7698 BLAKE MANAGER 7839 1981-5-1 2850.0 NULL 30
7844 TURNER SALESMAN 7698 1981-9-8 1500.0 0.0 30
Time taken: 0.294 seconds, Fetched: 5 row(s)
（2）查询薪水大于 1000 ，或者部门是 30
hive (default)> select * from emp where sal>1000 or deptno=30;
OK
emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno
7499 ALLEN SALESMAN 7698 1981-2-20 1600.0 300.0 30
7521 WARD SALESMAN 7698 1981-2-22 1250.0 500.0 30
7566 JONES MANAGER 7839 1981-4-2 2975.0 NULL 20
7654 MARTIN SALESMAN 7698 1981-9-28 1250.0 1400.0 30
7698 BLAKE MANAGER 7839 1981-5-1 2850.0 NULL 30
7782 CLARK MANAGER 7839 1981-6-9 2450.0 NULL 10
7788 SCOTT ANALYST 7566 1987-4-19 3000.0 NULL 20
7839 KING PRESIDENT NULL 1981-11-17 5000.0 NULL 10
7844 TURNER SALESMAN 7698 1981-9-8 1500.0 0.0 30
7876 ADAMS CLERK 7788 1987-5-23 1100.0 NULL 20
7900 JAMES CLERK 7698 1981-12-3 950.0 NULL 30
7902 FORD ANALYST 7566 1981-12-3 3000.0 NULL 20
7934 MILLER CLERK 7782 1982-1-23 1300.0 NULL 10
7534 MILLER CLERK 7782 1982-10-23 1300.0 NULL 50
Time taken: 0.232 seconds, Fetched: 14 row(s)
（3）查询除了 20 部门和 30 部门以外的员工信息
hive (default)> select * from emp where deptno not in (20, 30);
OK
emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno
7782 CLARK MANAGER 7839 1981-6-9 2450.0 NULL 10
7839 KING PRESIDENT NULL 1981-11-17 5000.0 NULL 10
7934 MILLER CLERK 7782 1982-1-23 1300.0 NULL 10
7534 MILLER CLERK 7782 1982-10-23 1300.0 NULL 50
Time taken: 0.257 seconds, Fetched: 4 row(s)
1.2 分组
1.2.1 Group By 语句
GROUP BY 语句通常会和聚合函数一起使用，按照一个或者多个列队结果进行分组，然后对每个组执行聚合操作。
案例实操
（1）计算 emp 表每个部门的平均工资
hive (default)> select t.deptno, avg(t.sal) avg_sal from emp t group by t.deptno;
OK
t.deptno avg_sal
10 2916.6666666666665
20 2175.0
30 1566.6666666666667
50 1300.0
Time taken: 33.449 seconds, Fetched: 4 row(s)
（2）计算 emp 每个部门中每个岗位的最高薪水
hive (default)> select t.deptno, t.job, max(t.sal) max_sal from emp t
> group by t.deptno, t.job;
OK
t.deptno t.job max_sal
20 ANALYST 3000.0
10 CLERK 1300.0
20 CLERK 1100.0
30 CLERK 950.0
50 CLERK 1300.0
10 MANAGER 2450.0
20 MANAGER 2975.0
30 MANAGER 2850.0
10 PRESIDENT 5000.0
30 SALESMAN 1600.0
Time taken: 10.678 seconds, Fetched: 10 row(s)
1.2.2 Having 语句
1. having与 where不同点
（1）where后面不能写分组函数 而 having后面可以使用分组函数。
（2）having只用于 group by分组统计语句。
2. 案例实操
求每个部门的平均薪水大于 2000 的部门
hive (default)> select deptno, avg(sal) avg_sal from emp group by deptno having avg_sal > 2000;
OK
deptno avg_sal
10 2916.6666666666665
20 2175.0
Time taken: 21.843 seconds, Fetched: 2 row(s)
hive (default)> select deptno, avg_sal from(
> select deptno, avg(sal) avg_sal from emp
> group by deptno)t1
> where avg_sal>2000;
OK
deptno avg_sal
10 2916.6666666666665
20 2175.0
Time taken: 35.768 seconds, Fetched: 2 row(s)
1.3 Join 语句
1.3.1 等值 Join
Hive支持通常的 SQL JOIN语句 。
例：根据员工表和部门表中的部门编号相等，查询员工编号、员工名称、部门编号和部门名称
hive (default)> select e.empno, e.ename, d.deptno, d.dname from emp e join dept d on e.deptno = d.deptno;
OK
e.empno e.ename d.deptno d.dname
7499 ALLEN 30 SALES
7521 WARD 30 SALES
7654 MARTIN 30 SALES
7698 BLAKE 30 SALES
7844 TURNER 30 SALES
7900 JAMES 30 SALES
7369 SMITH 20 RESEARCH
7566 JONES 20 RESEARCH
7788 SCOTT 20 RESEARCH
7876 ADAMS 20 RESEARCH
7902 FORD 20 RESEARCH
7782 CLARK 10 ACCOUNTING
7839 KING 10 ACCOUNTING
7934 MILLER 10 ACCOUNTING
Time taken: 44.828 seconds, Fetched: 14 row(s)
1.3.2 表的别名
好处：使用别名可以简化查询；使用表名前缀可以提高执行效率。
1.3.3 内连接
内连接：只有进行连接的两个表中都存在与连接条件相匹配的数据才会被保留下来。
hive (default)> select e.empno, e.ename, d.deptno from emp e join dept d on e.deptno = d.deptno;
OK
e.empno e.ename d.deptno
7499 ALLEN 30
7521 WARD 30
7654 MARTIN 30
7698 BLAKE 30
7844 TURNER 30
7900 JAMES 30
7369 SMITH 20
7566 JONES 20
7788 SCOTT 20
7876 ADAMS 20
7902 FORD 20
7782 CLARK 10
7839 KING 10
7934 MILLER 10
Time taken: 27.323 seconds, Fetched: 14 row(s)
1.3.4 左外连接
左外连接：JOIN 操作符左边表中符合 WHERE 子句的所有记录将会被返回。
hive (default)> select e.empno, e.ename, d.deptno from emp e left join dept d on e.deptno = d.deptno;
OK
e.empno e.ename d.deptno
7499 ALLEN 30
7521 WARD 30
7654 MARTIN 30
7698 BLAKE 30
7844 TURNER 30
7900 JAMES 30
7369 SMITH 20
7566 JONES 20
7788 SCOTT 20
7876 ADAMS 20
7902 FORD 20
7782 CLARK 10
7839 KING 10
7934 MILLER 10
7534 MILLER NULL
Time taken: 14.959 seconds, Fetched: 15 row(s)
1.3.5 右外连接
右外连接：JOIN 操作符右边表中符合 WHERE 子句的所有记录将会被返回。
hive (default)> select e.empno, e.ename, d.deptno from emp e right join dept d on e.deptno = d.deptno;
OK
e.empno e.ename d.deptno
NULL NULL 40
7782 CLARK 10
7934 MILLER 10
7839 KING 10
7499 ALLEN 30
7900 JAMES 30
7844 TURNER 30
7698 BLAKE 30
7654 MARTIN 30
7521 WARD 30
7369 SMITH 20
7902 FORD 20
7876 ADAMS 20
7788 SCOTT 20
7566 JONES 20
Time taken: 14.322 seconds, Fetched: 15 row(s)
1.3.6 满外连接
满外连接：将会返回所有表中符合WHERE 语句条件的所有记录。如果任 一表的指定字段没有符合条件的值的话，那么就使用 NULL 值替代。
hive (default)> select e.empno, e.ename, d.deptno from emp e full join dept d on e.deptno = d.deptno;
OK
e.empno e.ename d.deptno
7934 MILLER 10
7782 CLARK 10
7839 KING 10
7369 SMITH 20
7566 JONES 20
7788 SCOTT 20
7876 ADAMS 20
7902 FORD 20
7521 WARD 30
7844 TURNER 30
7499 ALLEN 30
7900 JAMES 30
7698 BLAKE 30
7654 MARTIN 30
NULL NULL 40
7534 MILLER NULL
Time taken: 23.816 seconds, Fetched: 16 row(s)
1.3.7 多表连接
注意：连接n 个表，至少需要 n 1 个连接条件。例如：连接三个表，至少需要两个连接条件。
数据准备：
1700 Beijing
1800 Shanghai
1900 Wuhan
（1）创建位置表
hive (default)> create table if not exists location(
> loc int,
> loc_name string
> )
> row format delimited fields terminated by '\t';
OK
Time taken: 0.538 seconds
（2）导入数据
hive (default)> load data local inpath '/opt/module/hive-3.1.2/data/loc.txt' into table location;
Loading data to table default.location
OK
Time taken: 0.837 seconds
（3）多表连接查询
hive (default)> select e.ename, d.dname, l.loc_name
> from emp e
> join dept d
> on d.deptno = e.deptno
> join location l
> on d.loc = l.loc;
OK
e.ename d.dname l.loc_name
ALLEN SALES Wuhan
WARD SALES Wuhan
MARTIN SALES Wuhan
BLAKE SALES Wuhan
TURNER SALES Wuhan
JAMES SALES Wuhan
SMITH RESEARCH Shanghai
JONES RESEARCH Shanghai
SCOTT RESEARCH Shanghai
ADAMS RESEARCH Shanghai
FORD RESEARCH Shanghai
CLARK ACCOUNTING Beijing
KING ACCOUNTING Beijing
MILLER ACCOUNTING Beijing
Time taken: 34.34 seconds, Fetched: 14 row(s)
大多数情况下Hive 会对每对 JOIN 连接对象启动一个 MapReduce 任务。本例中会首先启动一个 MapReduce job 对表 e 和表 d 进行连接操作，然后会再启动一个 MapReduce job 将第一个 MapReduce job 的输出和表 l 进行连接操作。
注意：为什么不是表d 和表 l 先进行连接操作呢 ？
这是因为 Hive 总是按照从左到右的顺序执行的。
优化：当对 3 个或者更多表进行 join 连接时，如果每个 on 子 句都使用相同的连接键的话，那么只会产生一个 MapReduce job 。
1.3.8 笛卡尔积
笛卡尔集会在下面条件下产生：
（1）省略连接条件
（2）连接条件无效
（3）所有表中的所有行互相连接
例：
hive (default)> select empno, dname from emp, dept;
OK
empno dname
7369 ACCOUNTING
7369 OPERATIONS
7369 SALES
7369 RESEARCH
7499 ACCOUNTING
7499 OPERATIONS
7499 SALES
7499 RESEARCH
7521 ACCOUNTING
7521 OPERATIONS
7521 SALES
7521 RESEARCH
7566 ACCOUNTING
7566 OPERATIONS
7566 SALES
7566 RESEARCH
7654 ACCOUNTING
7654 OPERATIONS
7654 SALES
7654 RESEARCH
7698 ACCOUNTING
7698 OPERATIONS
7698 SALES
7698 RESEARCH
7782 ACCOUNTING
7782 OPERATIONS
7782 SALES
7782 RESEARCH
7788 ACCOUNTING
7788 OPERATIONS
7788 SALES
7788 RESEARCH
7839 ACCOUNTING
7839 OPERATIONS
7839 SALES
7839 RESEARCH
7844 ACCOUNTING
7844 OPERATIONS
7844 SALES
7844 RESEARCH
7876 ACCOUNTING
7876 OPERATIONS
7876 SALES
7876 RESEARCH
7900 ACCOUNTING
7900 OPERATIONS
7900 SALES
7900 RESEARCH
7902 ACCOUNTING
7902 OPERATIONS
7902 SALES
7902 RESEARCH
7934 ACCOUNTING
7934 OPERATIONS
7934 SALES
7934 RESEARCH
7534 ACCOUNTING
7534 OPERATIONS
7534 SALES
7534 RESEARCH
Time taken: 21.636 seconds, Fetched: 60 row(s)
1.4 排序
1.4.1 全局排序（Order By）
Order By：全局排序，只有一个 Reducer
（1）使用 ORDER BY 子句排序
ASC(ascend)：升序（默认）
DESC(descend)：降序
（2）ORDER BY 子句在 SELECT语句的结尾
案例实操：
查询员工信息按工资升序排列
hive (default)> select * from emp order by sal limit 5;
OK
emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno
7369 SMITH CLERK 7902 1980-12-17 800.0 NULL 20
7900 JAMES CLERK 7698 1981-12-3 950.0 NULL 30
7876 ADAMS CLERK 7788 1987-5-23 1100.0 NULL 20
7521 WARD SALESMAN 7698 1981-2-22 1250.0 500.0 30
7654 MARTIN SALESMAN 7698 1981-9-28 1250.0 1400.0 30
Time taken: 30.52 seconds, Fetched: 5 row(s)
查询员工信息按工资降序排列
hive (default)> select * from emp order by sal desc limit 5;
OK
emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno
7839 KING PRESIDENT NULL 1981-11-17 5000.0 NULL 10
7788 SCOTT ANALYST 7566 1987-4-19 3000.0 NULL 20
7902 FORD ANALYST 7566 1981-12-3 3000.0 NULL 20
7566 JONES MANAGER 7839 1981-4-2 2975.0 NULL 20
7698 BLAKE MANAGER 7839 1981-5-1 2850.0 NULL 30
Time taken: 10.401 seconds, Fetched: 5 row(s)
1.4.2 按照别名排序
按照员工薪水的2倍排序
hive (default)> select ename, sal*2 twosal from emp order by twosal limit 5;
OK
ename twosal
SMITH 1600.0
JAMES 1900.0
ADAMS 2200.0
WARD 2500.0
MARTIN 2500.0
Time taken: 9.991 seconds, Fetched: 5 row(s)
1.4.3 多个列排序
按照部门和工资升序排序
hive (default)> select ename, deptno, sal from emp order by deptno, sal limit 5;
OK
ename deptno sal
MILLER 10 1300.0
CLARK 10 2450.0
KING 10 5000.0
SMITH 20 800.0
ADAMS 20 1100.0
Time taken: 9.81 seconds, Fetched: 5 row(s)
1.4.4 每个 Reduce内部排序（Sort By）
Sort By：对于大规模的数据集 order by的效率非常低。在很多情况下并不需要全局排序，此时可以使用 sort by。Sort by为每个reducer产生一个排序文件。 每个Reducer内部进行排序，对全局结果集来说不是排序。
（1）设置 reduce个数并查看
hive (default)> set mapreduce.job.reduces;
mapreduce.job.reduces=-1
hive (default)> set mapreduce.job.reduces=3;
hive (default)> set mapreduce.job.reduces;
mapreduce.job.reduces=3
（2）根据部门编号降序查看员工信息
hive (default)> select ename, deptno from emp sort by deptno desc;
OK
ename deptno
MILLER 50
MARTIN 30
TURNER 30
BLAKE 30
SCOTT 20
CLARK 10
KING 10
WARD 30
ALLEN 30
JAMES 30
JONES 20
ADAMS 20
MILLER 10
FORD 20
SMITH 20
Time taken: 15.318 seconds, Fetched: 15 row(s)
（3）将查询结果导入到文件中（按照部门编号降序排序）
hive (default)> insert overwrite local directory '/opt/module/hive-3.1.2/data/sortby-result'
> select ename, deptno from emp sort by deptno desc;
1.4.5 分区（Distribute By）
Distribute By：在有些情况下，我们需要控制某个特定行应该到哪个 reducer，通常是为了进行后续的聚集操作。 distribute by 子句可以做这件事 。 distribute by 类似 MR 中 partition（自定义分区 ），进行分区，结合 sort by 使用。
对于 distribute by 进行测试，一定要分配多 reduce 进行处理，否则无法看到 distribute by 的效果。
例：先按照部门编号分区，再按照员工编号降序排序。
hive (default)> insert overwrite local directory '/opt/module/hive-3.1.2/data/distribute-result'
> select * from emp distribute by deptno sort by empno desc;
注意：distribute by 的分区规则是根据分区字段的 hash 码与 reduce 的个数进行模除后，余数相同的分到一个区 。Hive 要求 DISTRIBUTE BY 语句要写在 SORT BY 语句之前。
1.4.6 Cluster By
当 distribute by 和 sorts by 字段相同时，可以使用 cluster by 方式。
cluster by 除了具有 distribute by 的功能外还兼具 sort by 的功能。但是排序只能是升序排序，不能指定排序规则为 ASC 或者 DESC。
以下两种写法等价：
hive (default)> select * from emp cluster by deptno;
hive (default)> select * from emp distribute by deptno sort by deptno;
注意：按照部门编号分区，不一定就是固定死的数值，可以是 20 号和 30 号部门分到一个分区里面去。
2 分区表和分桶表
2.1 分区表
分区表实际上就是对应一个 HDFS 文件系统上的独立的文件夹，该文件夹下是该分区所有的数据文件。 Hive 中的分区就是分目录，把一个大的数据集根据业务需要分割成小的数据集。在查询时通过 WHERE 子句中的表达式选择查询所需要的指定的分区，这样的查询效率会提高很多。
2.1.1 分区表基本操作
1. 创建分区表
hive (default)> create table if not exists dept_partition(
> deptno int, dname string, loc string
> )
> partitioned by (day string)
> row format delimited fields terminated by '\t';
OK
Time taken: 0.238 seconds
注意：分区字段不能是表中已经存在的数据，可以将分区字段看作表的伪列。
2. 加载数据到分区表中
（1）数据准备：
dept1.txt：
10 ACCOUNTING 1700
20 RESEARCH 1800
dept2.txt：
30 SALES 1900
40 OPERATIONS 1700
dept3.txt：
50 TEST 2000
60 DEV 1900
（2）加载数据：
hive (default)> load data local inpath '/opt/module/hive-3.1.2/data/dept1.txt' into table dept_partition
> partition(day='20210901');
hive (default)> load data local inpath '/opt/module/hive-3.1.2/data/dept2.txt' into table dept_partition
> partition(day='20210902');
hive (default)> load data local inpath '/opt/module/hive-3.1.2/data/dept3.txt' into table dept_partition
> partition(day='20210903');
注意：分区表加载数据时，必须指定分区
3. 查询分区表中数据
单分区查询
dept_partition.deptno dept_partition.dname dept_partition.loc dept_partition.day
10 ACCOUNTING 1700 20210901
20 RESEARCH 1800 20210901
多分区联合查询
hive (default)> select * from dept_partition where day='20210901'
> union
> select * from dept_partition where day='20210902'
> union
> select * from dept_partition where day='20210903';
hive (default)> select * from dept_partition where day='20210901' or day='20210902' or day='20210903';
4. 增加分区
创建单个分区
hive (default)> alter table dept_partition add partition(day='20210904');
OK
Time taken: 0.348 seconds
同时创建多个分区
hive (default)> alter table dept_partition add partition(day='20210905') partition(day='20210906');
OK
Time taken: 3.758 seconds
5.删除分区
删除单个分区
hive (default)> alter table dept_partition drop partition(day='20210906');
Dropped the partition day=20210906
OK
Time taken: 1.283 seconds
同时删除多个分区
hive (default)> alter table dept_partition drop partition(day='20210904'), partition(day='20210905');
Dropped the partition day=20210904
Dropped the partition day=20210905
OK
Time taken: 0.764 seconds
6.查看分区表有多少分区
hive (default)> show partitions dept_partition;
OK
partition
day=20210901
day=20210902
day=20210903
Time taken: 0.636 seconds, Fetched: 3 row(s)
7. 查看分区表结构
hive (default)> desc formatted dept_partition;
# Partition Information
# col_name data_type comment
day string
2.1.2 二级分区
思考：如果一天的日志数据量也很大，如何再将数据拆分?
1. 创建二级分区表
hive (default)> create table dept_partition2(
> dept int, dname string, loc string
> )
> partitioned by (day string, hour string)
> row format delimited fields terminated by '\t';
OK
Time taken: 0.209 seconds
2. 正常的加载数据
（1）加载数据到二级分区表中
hive (default)> load data local inpath '/opt/module/hive-3.1.2/data/dept1.txt' into table dept_partition2
> partition(day='20210901', hour='16');
Loading data to table default.dept_partition2 partition (day=20210901, hour=16)
OK
Time taken: 1.622 seconds
（2）查询分区数据
hive (default)> select * from dept_partition2 where day='20210901' and hour='16';
OK
dept_partition2.dept dept_partition2.dname dept_partition2.loc dept_partition2.day dept_partition2.hour
10 ACCOUNTING 1700 20210901 16
20 RESEARCH 1800 20210901 16
Time taken: 3.496 seconds, Fetched: 2 row(s)
3. 把数据直接上传到分区目录上，让分区表和数据产生关联的三种方式
（1）方式一：上传数据后修复
上传数据
hive (default)> dfs -mkdir -p /user/hive/warehouse/dept_partition2/day=20210901/hour=17;
hive (default)> dfs -put /opt/module/hive-3.1.2/data/dept1.txt /user/hive/warehouse/dept_partition2/day=20210901/hour=17;
查询数据（查询不到刚上传的数据）
hive (default)> select * from dept_partition2 where day='20210901' and hour='17';
OK
dept_partition2.dept dept_partition2.dname dept_partition2.loc dept_partition2.day dept_partition2.hour
Time taken: 0.431 seconds
执行修复命令
hive (default)> msck repair table dept_partition2;
OK
Partitions not in metastore: dept_partition2:day=20210901/hour=17
Repair: Added partition to metastore dept_partition2:day=20210901/hour=17
Time taken: 0.314 seconds, Fetched: 2 row(s)
再次查询数据
hive (default)> select * from dept_partition2 where day='20210901' and hour='17';
OK
dept_partition2.dept dept_partition2.dname dept_partition2.loc dept_partition2.day dept_partition2.hour
10 ACCOUNTING 1700 20210901 17
20 RESEARCH 1800 20210901 17
Time taken: 0.34 seconds, Fetched: 2 row(s)
（2）方式二：上传数据后添加分区
上传数据
hive (default)> dfs -mkdir -p /user/hive/warehouse/dept_partition2/day=20210901/hour=18;
hive (default)> dfs -put /opt/module/hive-3.1.2/data/dept1.txt /user/hive/warehouse/dept_partition2/day=20210901/hour=18;
执行添加分区
hive (default)> alter table dept_partition2 add partition(day='20210901', hour='18');
OK
Time taken: 0.198 seconds
查询数据
hive (default)> select * from dept_partition2 where day='20210901' and hour='18';
OK
dept_partition2.dept dept_partition2.dname dept_partition2.loc dept_partition2.day dept_partition2.hour
10 ACCOUNTING 1700 20210901 18
20 RESEARCH 1800 20210901 18
Time taken: 0.438 seconds, Fetched: 2 row(s)
（3）方式三：创建文件夹后 load 数据到分区
创建目录
hive (default)> dfs -mkdir -p /user/hive/warehouse/dept_partition2/day=20210901/hour=19;
上传数据
hive (default)> load data local inpath '/opt/module/hive-3.1.2/data/dept1.txt' into table dept_partition2
> partition(day='20210901',hour='19');
Loading data to table default.dept_partition2 partition (day=20210901, hour=19)
OK
Time taken: 0.778 seconds
查询数据
hive (default)> select * from dept_partition2 where day='20210901' and hour='19';
OK
dept_partition2.dept dept_partition2.dname dept_partition2.loc dept_partition2.day dept_partition2.hour
10 ACCOUNTING 1700 20210901 19
20 RESEARCH 1800 20210901 19
Time taken: 0.313 seconds, Fetched: 2 row(s)
2.1.3 动态分区调整
关系型数据库中，对分区表 Insert数据时候，数据库自动会根据分区字段的值，将数据插入到相应的分区中，Hive中也提供了类似的机制，即动态分区 (Dynamic Partition），只不过，使用 Hive的动态分区，需要进行相应的配置。
1. 开启动态分区参数设置
（1）开启动态分区功能（默认 true ，开启）
hive (default)> set hive.exec.dynamic.partition=true;
（2）设置为非严格模式（动态分区的模式，默认 strict ，表示必须指定至少一个分区为静态分区， nonstrict 模式表示允许所有的分区字段都可以使用动态分区。）
hive (default)> set hive.exec.dynamic.partition.mode=nonstrict;
（3）在所有执行 MR 的节点上，最大一共可以创建多少个动态分区。默认 1000
hive (default)> set hive.exec.max.dynamic.partitions=1000;
（4）在每个执行 MR 的节点上，最大可以创建多少个动态分区。 该参数需要根据实际的数据来设定。比如：源数据中包含了一年的数据，即 day 字段有 365 个值，那么该参数就需要设置成大于 365 ，如果使用默认值 100 ，则会报错。
hive (default)> set hive.exec.max.dynamic.partitions.pernode=100;
（5）整个 MR Job 中，最大可以创建多少个 HDFS 文件。默认 100000
hive (default)> set hive.exec.max.created.files=100000;
（6）当有空分区生成时，是否抛出异常。一般不需要设置。默认 false
hive (default)> set hive.error.on.empty.partition=false;
2. 案例实操
需求：将 dept 表中的数据按照地区（loc字段）插入到目标表 dept_partition 的相应分区中。
（1）创建目标分区表
hive (default)> create table dept_partition_by(id int, name string)
> partitioned by (loc int)
> row format delimited fields terminated by '\t';
OK
Time taken: 0.097 seconds
（2）设置动态分区
hive (default)> set hive.exec.dynamic.partition.mode = nonstrict;
hive (default)> insert into table dept_partition_by partition(loc)
> select deptno, dname, loc from dept;
（3）查看目标分区表的分区情况
hive (default)> show partitions dept_partition_by;
OK
partition
loc=1700
loc=1800
loc=1900
Time taken: 0.152 seconds, Fetched: 3 row(s)
2.2 分桶表
分区提供一个隔离数据和优化查询的便利方式。不过，并非所有的数据集都可形成合理的分区。 对于一张表或者分区， Hive 可以进一步组织成桶，也就是更为细粒度的数据范围划分 。
分桶是将数据集分解成更容易管理的若干部分的另一个技术。
分区针对的是数据的存储路径；分桶针对的是数据文件。
1. 创建分桶表
（1）数据准备
1001 ss1
1002 ss2
1003 ss3
1004 ss4
1005 ss5
1006 ss6
1007 ss7
1008 ss8
1009 ss9
1010 ss10
1011 ss11
1012 ss12
1013 ss13
1014 ss14
1015 ss15
1016 ss16
（2）创建分桶表
hive (default)> create table stu_buck(id int, name string)
> clustered by(id)
> into 4 buckets
> row format delimited fields terminated by '\t';
OK
Time taken: 0.132 seconds
（3）查看表结构
hive (default)> desc formatted stu_buck;
Num Buckets: 4
（4）导入数据到分桶表中，load的方式
hive (default)> load data inpath '/student/data/student.txt' into table stu_buck;
（5）查看创建的分桶表中是否分成 4 个桶
（6）查询分桶的数据
hive (default)> select * from stu_buck;
OK
stu_buck.id stu_buck.name
1016 ss16
1012 ss12
1008 ss8
1004 ss4
1013 ss13
1009 ss9
1005 ss5
1001 ss1
1014 ss14
1010 ss10
1006 ss6
1002 ss2
1015 ss15
1011 ss11
1007 ss7
1003 ss3
Time taken: 0.274 seconds, Fetched: 16 row(s)
（7）分桶规则：
根据结果可知：Hive 的分桶采用对分桶字段的值进行哈希，然后除以桶的个数求余的方式决定该条记录存放在哪个桶当中。
2. 分桶表操作需要注意的事项 :
（1）reduce 的个数设置为 1, 让 Job 自行决定需要用多少个 reduce，或者将 reduce 的个数设置为大于等于分桶表的桶数。
（2）从 hdfs 中 load 数据到分桶表中，避免本地文件找不到问题。
（3）不要使用本地模式。
3. insert方式将数据导入分桶表
hive (default)> insert into table stu_buck select * from student_insert;
2.3 抽样查询
对于非常大的数据集，有时用户需要使用的是一个具有代表性的查询结果而不是全部结果。 Hive 可以通过对表进行抽样来满足这个需求。
语法：TABLESAMPLE(BUCKET x OUT OF y)
查询表stu_buck 中的数据。
hive (default)> select * from stu_buck tablesample(bucket 1 out of 4 on id);
OK
stu_buck.id stu_buck.name
1016 ss16
1004 ss4
1009 ss9
1002 ss2
1003 ss3
Time taken: 0.161 seconds, Fetched: 5 row(s)
若总共有n桶，则抽取n/y桶数据，所以y需要是n的因子或倍数。从第x桶开始抽。本例中抽取4/4=1桶数据，从第1桶开始抽。
注意：x 的值必须小于等于 y 的值，否则
hive (default)> select * from stu_buck tablesample(bucket 4 out of 1 on id);
FAILED: SemanticException [Error 10061]: Numerator should not be bigger than denominator in sample clause for table stu_buck
参考：
https://www.bilibili.com/video/BV1EZ4y1G7iL?spm_id_from=333.788.b_636f6d6d656e74.11