一. 从Hive开始

1. 怎么理解Hive

Hive不能理解成一个传统意义上的数据库，应该理解成一个解决方案。
是Hadoop在hdfs和mapreduce之后才出现的一个结构化数据处理的解决方案。
Hdfs解决了大数据的存储问题，mapreduce解决了数据的计算问题。
一切似乎很美好。
但是使用成本太高

SQL语言的发明使得，数据处理的门槛减低了很多。
Hive就是为了用户使用sql来处理数据

总结，大数据背景下，hdfs看起来想一个无限大的存储空间，mapreduce的思想充分利用所有的cpu和内存。Hive使得用户可以像单机时代一样，用sql来处理数据。

概念回顾: SQL（Structured Query Language），也就是结构化的查询语言。
所以hive中的一个核心模块就是metastore， 用来存储结构化的信息，也就是“数据的数据”，其实也是借用了传统文件系统的“metaData”（元数据）的概念。
一般会存有多少列，每一列是什么样的数据结构这样的数据。
然后hive的执行引擎会将sql进行语法分析，生成语法树，然后生成mapreduce程序，进行数据的计算工作。

2. Hive背景知识

了解hive之前要了解HDFS，mapReduce的概念

HDFS：分布式文件系统
说白了也是一层中间件，不用自己筛选服务器磁盘，且有备份容错机制

MapReduce：分布式计算引擎（鼻祖）
分治：每一个计算器只计算小部分的
规约：将小部分的计算结果再次联合
这就是mapReduce的灵魂

Hive是在前两者之后出现的，而在这之前处理大数据都是用的mapReduce自己进行编程。
但是这样的做法效率太低，人们还是更加习惯使用sql来处理数据

最初的hive就仅仅是提供了一个sql转成mapReduce的解释器

传统的数据库：数据的存储和数据引擎是一体的。
Hive：存储和引擎分离

Hive特点如下：

• 1.将存储到HDFS的数据给套上一层表结构。
• 2.然后请分布式计算引擎来帮忙写入和查询（mapReduce，Tez，Spark）。
• 3.Hive自己仅仅是维护了一个metastore服务和hiveServer服务，前者提供数据的表结构关系，后者对外提供查询和写入的接口。
• 4.Hive存储数据的数据结构是可选的：txt、orc等，除txt外都是列式存储，而传统的数据库都是行式存储。
• 5.没有索引或者粗粒度的索引

实时计算And离线计算：
实时计算是指对输入数据进行近乎即时的处理和分析，以获取当前状态或预测未来趋势。这种计算方式要求系统能够在数据产生后立即进行处理，并将结果迅速反馈给相关系统或用户。实时计算通常用于需要高时效性和高准确性的场景

离线计算则是指对数据进行非实时、批量式的处理和分析。这种计算方式通常用于对历史数据进行深度挖掘和分析，以发现数据中的模式和趋势，为业务决策提供支持。离线计算不需要即时性，但要求计算结果的准确性和全面性。

3. HQL之DQL

Select
From
Where ：可以使用hive支持的任何函数和运算符，但聚合函数除外
Group by：select字段要么是group by分组的字段，要么是被聚合函数应用的字段，聚合函数的本质就是多进一出。
Having：where是没有办法和聚合函数一起使用的，having子句可以让我们筛选分组后		的数据，having中可以使用聚合函数
Order by：全局排序，强烈建议limit和order by一起使用，避免行数过大，如果设置		了hive.mapred.mode为strict时，使用不带limit的order by会有异常。
Limit：用于限制select返回的行数，只给一个参数，代表最大行数，给两个参数代表与		第一行的偏移量。

• 用union注意：
  如果要将order by、sort by、cluster by、distribute by、limit用于单个select中，需要括号，例如：
  
  如果要应用于整个union查询，要放在最后一个之后
  

• CTE表达式
  With 假名 as （select子查询）
  Select *
  From 假名
  其实就是引导定义，支持链式
  With q1 as （select子查询）
  Q2 as （select子查询）
  Select *
  From （使用q1和q2）

• 内连接
  Inner join 或者 join 或者 直接不写
  两个表的交集

• 左外连接
  Outer可以省略
  左表全右表可能不全，而且右边可以为null

• 全外连接
  Outer可以省略
  两边都可以为null，就是并集，两边都全并且去重
  就相当于左右外连接同时使用

• 左半开连接
  Left semi join
  但是结果只会返回左边的字段，并且得到交集，也就是不允许右边为null
  效果上等于内连接后，只取左边的字段

• 算术运算符
  除并取整 div
  除并取余 %
  位与运算 & ： 全真才真
  位或 | ： 全假才假
  位异或 ^ ： 不等为1
  位取反 ~

• 逻辑运算符
  And
  Or
  Not 或者 !
  In
  Not in
  Exists ： 注意是决定主查询是否得以保留
  

3.1 Hive函数分两大类

内置函数
用户自定义函数

• 内置函数
  数值类型函数
  日期类型函数
  字符串类型函数
  Concat（str1， str2）
  Concat（分隔符，str|数组）
  Substr（str，start）不是从0是从1开始，负数就是倒着数开始，直到最后
  Substr（str，2，2）从2开始并长度为2
  正则表达式替换函数
  Regexp_replace(str1，正则表达式，str2)
  Parse_url()
  Split()
  集合函数
  条件函数
  If (1=2, 100, 200) : true为100， false为200
  When case 1=1 then XXX
  Else
  End as 假名
  数据脱敏函数

• 用户自定义函数：根据输入输出的行数
  UDF： 普通函数，一进一出
  UDAF ： 聚合函数，多进一出
  Count
  Avg
  Min
  Max
  多维分析
  Grouping_sets
  Cube
  Rollup
  UDTF： 表生成函数，一进多出
  Explode（）
  Array或者map
  限制： 只查询源数据表没有问题，只查询explode爆炸的表也没有问题，但是不能都返回
  所以hive专门提供了侧视图的语法，专门用来搭配explode这样的UDTF函数
  其实就是源join爆炸

• 侧视图
  Lateral view XXX（）as 假名
  是一种特殊的语法，主要搭配UDTF类型函数一起使用，用于解决UDTF函数的限制（也即是爆炸的虚表没有和原表进行连接）

• 开窗函数
  窗口函数
  OLAP函数
  特点: 输入值是从select语句的结果集中的一行或者多行的“窗口”中获取的。
  关键字：over
  最常见的，分组聚合总是会屏蔽很多细节
  所以窗口函数的存在使得分组聚合过程中的细节被保留
  其中sum比较特殊，有四种不同的用法
  
  还有适合用来top业务的三个