[大数据]高质量Hive的常见用法

1. 查询sql进行不使用select *，而是select具体字段，节省资源，减少网络开销，*查询时，很可能就不会使用到覆盖索引，就会造成回表查询

2. 如果知道查询结果只有一条，或者只要最大/最小一条数据，建议用limit 1

3. 尽量避免在where子句中用or连接，可以换成两个查询用union all连接，使用or可能导致索引失效

4. 优化like语句，like '%123'和like '123%'有区别，把%放前面不走索引，放后面会走索引

5. 使用where条件限定要查询的数据，避免返回多余的行，要啥数据就查啥，避免查出来之后再过滤

6. 尽量避免在where子句中对字段进行表达式操作，将导致系统放弃使用索引进行全表扫描，比如where age-1=10，不如直接用age=11

7. left join时，左表尽量小，条件进行放在左边处理，或者在join之前处理好再进行join

8. 尽量避免在where子句中使用！=或<>操作符，否则引擎可能放弃使用索引进而进行全表扫描，如age<>18,可换为age > 18 union all age <18

9. 慎用distinct，在字段很多时候使用会大大降低查询效率，可用group by代替

10. 尽量用union all代替union

11. 只含数字的字段尽量使用数字类型，不要设置为字符型，字符型会降低查询和连接的性能，并会增加存储开销

12. 索引不适合建在有大量重复数据的字段上，如性别等，可能会放弃索引

13. 连接多个表时，加上表名

14. 先过滤再执行groupby