Apache Hive的基本使用语法（二）

Hive SQL操作

7、修改表

• 表重命名

alter table score4 rename to score5;

• 修改表属性值

# 修改内外表属性
ALTER TABLE table_name SET TBLPROPERTIES("EXTERNAL"="TRUE");
# 修改表注释
ALTER TABLE table_name SET TBLPROPERTIES ('comment' = new_comment);

• 其余属性可参见
  点此官网链接查看
• 添加分区

ALTER TABLE tablename  ADD PARTITION (month='201101');

• 修改分区值

ALTER TABLE tablename PARTITION (month='202005') RENAME TO PARTITION (month='201105');

• 删除分区

ALTER TABLE tablename DROP PARTITION (month='201105');

• 添加列

ALTER TABLE table_name ADD COLUMNS (v1 int, v2 string);

• 修改列名

ALTER TABLE test_change CHANGE v1 v1new INT;

• 清空表（只可以清空内部表）

TRUNCATE TABLE tablename;

• 删除表

DROP TABLE tablename;

8、数组类型（array）

• 如下数据文件，有2个列，locations列包含多个城市:
  说明:name与locations之间制表符分隔，locations中元素之间逗号分隔
  
  可以使用array数组类型，存储locations的数据
  建表语句：

create table myhive.test_array(name string, work_locations array<string>)
row format delimited fields terminated by '\t'
COLLECTION ITEMS TERMINATED BY ',';

• 常用查询语句

# 查询所有数据
select * from myhive.test_array;
# 查询loction数组中第一个元素
select name, work_locations[0] location from myhive.test_array;
# 查询location数组中元素的个数
select name, size(work_locations) location from myhive.test_array;
# 查询location数组中包含tianjin的信息
select * from myhive.test_array where array_contains(work_locations,'tianjin');

9、映射类型（map）

• map类型其实就是简单的指代：Key-Value型数据格式。 有如下数据文件，其中members字段是key-value型数据
  字段与字段分隔符: “,”；需要map字段之间的分隔符：“#”；map内部k-v分隔符：“:”
  
• 建表语句

create table myhive.test_map(
id int, name string, members map<string,string>, age int
)
row format delimited
fields terminated by ','
COLLECTION ITEMS TERMINATED BY '#' 
MAP KEYS TERMINATED BY ':';

• 常用查询语句

# 查询全部
select * from myhive.test_map;
# 查询father、mother这两个map的key
select id, name, members['father'] father, members['mother'] mother, age from myhive.test_map;
# 查询全部map的key，使用map_keys函数，结果是array类型
select id, name, map_keys(members) as relation from myhive.test_map;
# 查询全部map的value，使用map_values函数，结果是array类型
select id, name, map_values(members) as relation from myhive.test_map;
# 查询map类型的KV对数量
select id,name,size(members) num from myhive.test_map;
# 查询map的key中有brother的数据
select * from myhive.test_map where array_contains(map_keys(members), 'brother');

10、结构类型（struct）

• struct类型是一个复合类型，可以在一个列中存入多个子列，每个子列允许设置类型和名称
  有如下数据文件，说明：字段之间#分割，struct之间冒号分割
  
• 建表语句

create table myhive.test_struct(
id string, info struct<name:string, age:int>
)
row format delimited
fields terminated by '#'
COLLECTION ITEMS TERMINATED BY ':';

• 常用查询

select * from hive_struct;
# 直接使用列名.子列名 即可从struct中取出子列查询
select ip, info.name from hive_struct;

11、数据查询

• 查询语句基本语法如下（跟普通数据库sql查询基本一样）：
  SELECT [ALL | DISTINCT]select_expr, select_expr, ... FROM table_reference [WHERE where_condition] [GROUP BYcol_list] [HAVING where_condition] [ORDER BYcol_list] [CLUSTER BYcol_list | [DISTRIBUTE BY col_list] [SORT BY col_list] ] [LIMIT number]

# 排序查询
SELECT * FROM orders WHERE useraddress like '%广东%' ORDER BY totalmoney DESC LIMIT 1;
# 分组查询
SELECT userid, AVG(totalmoney) AS avg_money FROM itheima.orders GROUP BY userid HAVING avg_money > 10000;
# Join连接查询
SELECT o.orderid, o.userid, u.username, o.totalmoney, o.useraddress, o.paytime FROM itheima.orders o LEFT JOIN itheima.users u ON o.userid = u.userid;
# RLIKE查询（支持正则）
SELECT * FROM itheima.orders WHERE useraddress RLIKE '.*广东.*';
SELECT * FROM itheima.orders WHERE userphone  RLIKEE '188\\S{4}0\\S{3}';
# UNION查询
SELECT t_id FROM itheima.course WHERE t_id = '周杰轮'UNION ALLSELECT t_id FROM itheima.course WHERE t_id = '王力鸿'

12、数据抽样

• 基于随机分桶抽样语法：
  SELECT ... FROM tbl TABLESAMPLE(BUCKET x OUT OF y ON(colname | rand()))

SELECT * FROM orders TABLESAMPLE(BUCKET 1 OUT OF 10 ON rand());

• 基于数据块抽样语法（每一次抽样的结果都一致）：
  SELECT ... FROM tbl TABLESAMPLE(num ROWS | num PERCENT | num(K|M|G));

1. num ROWS 表示抽样num条数据
2. num PERCENT 表示抽样num百分百比例的数据
3. num(K|M|G) 表示抽取num大小的数据，单位可以是K、M、G表示KB、MB、GB

SELECT * FROM orders TABLESAMPLE(num rows);

13、虚拟列

• 虚拟列是Hive内置的可以在查询语句中使用的特殊标记，可以查询数据本身的详细参数。
• Hive目前可用3个虚拟列：

1. INPUT__FILE__NAME，显示数据行所在的具体文件
2. BLOCK__OFFSET__INSIDE__FILE，显示数据行所在文件的偏移量
3. ROW__OFFSET__INSIDE__BLOCK，显示数据所在HDFS块的偏移量
   注：此虚拟列需要设置：SET hive.exec.rowoffset=true 才可使用

SELECT *, INPUT__FILE__NAME, BLOCK__OFFSET__INSIDE__FILE, ROW__OFFSET__INSIDE__BLOCK FROM course;

Hive函数

• Hive的函数分为两大类：内置函数（Built-in Functions）、用户定义函数UDF（User-Defined Functions）：
  
  Hive函数官方文档，点此查看
• Hive内置函数（举例说明）

# 查看当下可用的所有函数
show functions
# 查看函数的使用方式
describe function extended funcname

• 数学函数

# 取整函数: round  返回double类型的整数值部分 （遵循四舍五入）
select round(3.1415926);
# 指定精度取整函数: round(double a, int d) 返回指定精度d的double类型
select round(3.1415926,4);
# 取随机数函数: rand 每次执行都不一样 返回一个0到1范围内的随机数
select rand();
# 指定种子取随机数函数: rand(int seed) 得到一个稳定的随机数序列
select rand(3);
# 求数字的绝对值
select abs(-3);
# 得到pi值（小数点后15位精度）
select pi();

• 集合函数
  
• 类型转换函数
  
• 日期函数
  
• 条件函数
  
• 数据脱敏函数
  
• 字符串函数
  
• 其他函数
  
  至此，Apache Hive的基本使用语法分享结束！！！