一、数据库

1 创立库语句

CREATE DATABASE [IF NOT EXISTS] database_name [COMMENT database_comment] [LOCATION hdfs_path] [WITH DBPROPERTIES (property_name=property_value, ...)];

2查询数据库

2.1 显示数据库

show databases;

2.2 过滤显示查问的数据库

show databases like 'd*';

2.3 显示数据库信息

desc database ods;

    

2.4 显示数据库详细信息，extended

desc database extended ods;

2.5 切换数据库详细信息，use

use dwd;

3 批改数据库

3.1 批改数据库属性，Alter

ALTER (DATABASE|SCHEMA) database_name SET DBPROPERTIES (property_name=property_value, …);

3.2 删除数据库，drop

3.2.1 删除空的数据库

drop database dwd;

3.2.2删除非空的数据库，应用cascade强制删除。

drop database dwd cascade;

二、表

1 建表语句

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name [(col_name data_type [COMMENT col_comment], ...)] [COMMENT table_comment] [PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)] [CLUSTERED BY (col_name, col_name, ...) [SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] [ROW FORMAT row_format] [STORED AS file_format] [LOCATION hdfs_path] [TBLPROPERTIES (property_name=property_value, ...)] [AS select_statement]

（1）CREATE TABLE 创立一个指定名字的表。如果雷同名字的表曾经存在，则抛出异样；用户能够用 IF NOT EXISTS 选项来疏忽这个异样。

（2）EXTERNAL关键字能够让用户创立一个内部表，在建表的同时能够指定一个指向理论数据的门路（LOCATION），在删除表的时候，外部表的元数据和数据会被一起删除，而内部表只删除元数据，不删除数据。

（3）COMMENT：为表和列增加正文。

（4）PARTITIONED BY创立分区表

（5）CLUSTERED BY创立分桶表

（6）SORTED BY不罕用，对桶中的一个或多个列另外排序

（7）ROW FORMAT

DELIMITED [FIELDS TERMINATED BY char] [COLLECTION ITEMS TERMINATED BY char]

        [MAP KEYS TERMINATED BY char] [LINES TERMINATED BY char]

   | SERDE serde_name [WITH SERDEPROPERTIES (property_name=property_value, property_name=property_value, ...)]

用户在建表的时候能够自定义SerDe或者应用自带的SerDe。如果没有指定ROW FORMAT 或者ROW FORMAT DELIMITED，将会应用自带的SerDe。在建表的时候，用户还须要为表指定列，用户在指定表的列的同时也会指定自定义的SerDe，Hive通过SerDe确定表的具体的列的数据。

SerDe是Serialize/Deserilize的简称， hive应用Serde进行行对象的序列与反序列化。

（8）STORED AS指定存储文件类型

罕用的存储文件类型：SEQUENCEFILE（二进制序列文件）、TEXTFILE（文本）、RCFILE（列式存储格式文件）

如果文件数据是纯文本，能够应用STORED AS TEXTFILE。如果数据须要压缩，应用 STORED AS SEQUENCEFILE。

（9）LOCATION ：指定表在HDFS上的存储地位。

（10）AS：后跟查问语句，依据查问后果创立表。

（11）LIKE容许用户复制现有的表构造，然而不复制数据。

（12）TBLPROPERTIES设置表的属性，在表明压缩类型时用过。（例如”orc.compress”=”SNAPPY”）

2 查问表信息

2.1 查看表的元数据信息 desc

DESCRIBE  FORMATTED orders;

2.2 批改 alter

2.2.1 批改表名： alter table dept rename to depts;

2.2.2 批改表属性：

alter table depts set tblproperties ('EXTERNAL'='TRUE') alter table depts set tblproperties ('EXTERNAL'='FALSE')

2.2.3 批改列,留神如果批改的字段类型和之前的字段类型不统一，之前的数据就无奈显示

批改列名和列数据类型：alter table depts change dept_name dname string ; 批改地位搁置第一位：alter table depts change id did string first; 批改地位指定某一列前面：alter table depts change dname dname string after did;

2.2.4 增加列(慎用)

alter table depts add columns(daddress string);

2.2.5 增加分区

alter table depts add partition(dt=20200713); alter table depts add partition(dt=20200713) location '/user/test/20200713.txt';

2.2.6 批改分区

alter table depts partition(dt=20170404) rename to partition(dt=20170405); alter table depts partition(dt=20170404) set location '/user/test/depts.txt';

2.2.7 删除分区

alter table depts drop if exists partition(dt=20170404);

2.3 查问表数据

Hive中的SELECT根底语法和规范SQL语法基本一致，反对WHERE、DISTINCT、GROUP BY、ORDER BY、HAVING、LIMIT、子查问等；

具体语法：

[WITH CommonTableExpression (, CommonTableExpression)*] SELECT [ALL | DISTINCT] select_expr, select_expr, ... FROM table_reference [WHERE where_condition] [GROUP BY col_list] [CLUSTER BY col_list | [DISTRIBUTE BY col_list] [SORT BY col_list] ] [LIMIT number]

2.3.1 罕用关键词简介

(1) ORDER BY和SORT BY

ORDER BY用于全局排序，就是对指定的所有排序键进行全局排序，应用ORDER BY的查问语句，最初会用一个Reduce Task来实现全局排序。

explain select id,name from emp where deptid = 1001

explain select id,name from emp where deptid = 1001 order by id

SORT BY用于分区内排序，即每个Reduce工作内排序。

设定了2个reduce，从后果能够看出，每个reduce内做了排序。设定一个reduce，从后果看和order by统一。

（2）DISTRIBUTE BY和CLUSTER BY

distribute by：依照指定的字段或表达式对数据进行划分，输入到对应的Reduce或者文件中。

cluster by：除了兼具distribute by的性能，还兼具sort by的排序功能。

(3)GROUP BY语句通常会和聚合函数一起应用，依照一个或者多个列队后果进行分组，而后对每个组执行聚合操作。

（4）子查问

子查问和规范SQL中的子查问语法和用法基本一致，须要留神的是，Hive中如果是从一个子查问进行SELECT查问，那么子查问必须设置一个别名。

SELECT col FROM ( SELECT a+b AS col FROM t1 ) t2

where 语句中也反对子查问。

SELECT * FROM A WHERE A.a IN (SELECT foo FROM B); SELECT A FROM T1 WHERE EXISTS (SELECT B FROM T2 WHERE T1.X = T2.Y)

WITH..AS..也叫做子查问局部,语句容许hive定义一个sql片段,供整个sql应用，行将子查问作为一个表的语法，叫做Common Table Expression（CTE）

with q1 as (select from src where key= '5'), q2 as (select from src s2 where key = '4') select from q1 union all select from q2; with q1 as ( select key, value from src where key = '5') from q1 insert overwrite table s1 select * from q1;

(5)Hive查问中有两个虚构列：INPUT__FILE__NAME：数据对应的HDFS文件名；BLOCK__OFFSET__INSIDE__FILE：该行记录在文件中的偏移量；

(6)HAVING 语句

having与where不同点

·where前面不能写分组函数，而having前面能够应用分组函数。

·having只用于group by分组统计语句。

(7) JOIN语句

Hive中除了反对和传统数据库中一样的内关联、左关联、右关联、全关联，还反对LEFT SEMI JOIN和CROSS JOIN，但这两种JOIN类型也能够用后面的代替。

·内关联（JOIN）

·左外关联（LEFT [OUTER] JOIN）

·右外关联（RIHGHT [OUTER] JOIN）

（8）LIKE语句

如果字符串A或者字符串B为NULL，则返回NULL；如果字符串A合乎表达式B的正则语法，则为TRUE；否则为FALSE。B中字符”_”示意任意单个字符，而字符”%”示意任意数量的字符。

年龄表

查问年龄为1结尾的数据：select * from ages where  age like '1%';

查问年龄第二位是1的数据：select * from ages where  age like '_1%';

RLIKE子句是Hive中LIKE性能的一个扩大，其能够通过Java的正则表达式这个更弱小的语言来指定匹配条件。

2.3.2 罕用函数简介

(1) 字符串连贯函数，concat

语法: concat(string A, string B...)

返回值: string

阐明：返回输出字符串连贯后的后果，反对任意个输出字符串

举例：select concat('abc','def','gh') from ages ;

（2）带分隔符字符串连贯函数：concat_ws

语法: concat_ws(string SEP, string A, string B...)

返回值: string

阐明：返回输出字符串，连贯后的后果，SEP示意各个字符串间的分隔符

举例：select concat_ws(',','abc','def','gh') from ages ;

除此之外还能够将数组的模式转换为字符串concat_ws(string SEP, array)

举例：select concat_ws('|',array('ads','des','ss')) from ages ;

（3）汇合去重函数：collect_set

语法: collect_set(col)

返回值: array

阐明: 将col字段进行去重，合并成一个数组。

举例：cookies表

select cookieid,collect_set(name) from cookies group by cookieid ;

(4) UDTF一进多出

列转行：explode

语法: explode(ARRAY)

返回值: 多行

阐明：将数组转换为多行

举例：select explode(array('ads','des','ss'))from ages;

除此之外还能够将map拆分为多行。

（5）UDAF多进一出

聚合函数count，sum，avg等

（6）窗口函数

个别和聚合函数配合应用

OVER()：指定剖析函数工作的数据窗口大小，这个数据窗口大小可能会随着行的变而变动。

举例：

orders表

总结：over是对分的组失去后果的count ，因为搜到了4集体，所以count数为4。间接count是分组后对组中的数据进行count。

总结：增加partition by name 示意依照name分组进行sum求和。

(7) 排序函数

RANK() 排序雷同时会反复，总数不会变

DENSE_RANK() 排序雷同时会反复，总数会缩小

ROW_NUMBER() 会依据程序计算

举例：scores表

select name, subject, score, rank() over(partition by subject order by score desc) rp, dense_rank() over(partition by subject order by score desc) drp, row_number() over(partition by subject order by score desc) rmp from scores;

失去后果：

（8）函数总结大全

一、关系运算：

  1. 等值比拟: =
  2. 等值比拟:<=>
  3. 不等值比拟: <>和!=
  4. 小于比拟: <
  5. 小于等于比拟: <=
  6. 大于比拟: >
  7. 大于等于比拟: >=
  8. 区间比拟
  9. 空值判断: IS NULL
  10. 非空判断: IS NOT NULL
  11. LIKE比拟: LIKE
  12. JAVA的LIKE操作: RLIKE
  13. REGEXP操作: REGEXP

二、数学运算：

  1. 加法操作: +
  2. 减法操作: –
  3. 乘法操作: *
  4. 除法操作: /
  5. 取余操作: %
  6. 位与操作: &
  7. 位或操作: |
  8. 位异或操作: ^

9．位取反操作: ~

三、逻辑运算：

  1. 逻辑与操作: AND 、&&
  2. 逻辑或操作: OR 、||
  3. 逻辑非操作: NOT、!

四、复合类型构造函数

  1. map构造
  2. struct构造
  3. named_struct构造
  4. array构造
  5. create_union

五、复合类型操作符

  1. 获取array中的元素
  2. 获取map中的元素
  3. 获取struct中的元素

六、数值计算函数

  1. 取整函数: round
  2. 指定精度取整函数: round
  3. 向下取整函数: floor
  4. 向上取整函数: ceil
  5. 向上取整函数: ceiling
  6. 取随机数函数: rand
  7. 天然指数函数: exp
  8. 以10为底对数函数: log10
  9. 以2为底对数函数: log2
  10. 对数函数: log
  11. 幂运算函数: pow
  12. 幂运算函数: power
  13. 开平方函数: sqrt
  14. 二进制函数: bin
  15. 十六进制函数: hex
  16. 反转十六进制函数: unhex
  17. 进制转换函数: conv
  18. 绝对值函数: abs
  19. 正取余函数: pmod
  20. 正弦函数: sin
  21. 反正弦函数: asin
  22. 余弦函数: cos
  23. 反余弦函数: acos
  24. positive函数: positive
  25. negative函数: negative

七、汇合操作函数

  1. map类型大小：size
  2. array类型大小：size
  3. 判断元素数组是否蕴含元素：array_contains
  4. 获取map中所有value汇合
  5. 获取map中所有key汇合
  6. 数组排序

八、类型转换函数

  1. 二进制转换：binary
  2. 根底类型之间强制转换：cast

九、日期函数

  1. UNIX工夫戳转日期函数: from_unixtime
  2. 获取以后UNIX工夫戳函数: unix_timestamp
  3. 日期转UNIX工夫戳函数: unix_timestamp
  4. 指定格局日期转UNIX工夫戳函数: unix_timestamp
  5. 日期工夫转日期函数: to_date
  6. 日期转年函数: year
  7. 日期转月函数: month
  8. 日期转天函数: day
  9. 日期转小时函数: hour
  10. 日期转分钟函数: minute
  11. 日期转秒函数: second
  12. 日期转周函数: weekofyear
  13. 日期比拟函数: datediff
  14. 日期减少函数: date_add
  15. 日期缩小函数: date_sub

十、条件函数

  1. If函数: if
  2. 非空查找函数: COALESCE
  3. 条件判断函数：CASE
  4. 条件判断函数：CASE

十一、字符串函数

1.    字符ascii码函数：ascii

2.    base64字符串

  1. 字符串连贯函数：concat

4.    带分隔符字符串连贯函数：concat_ws

  1. 数组转换成字符串的函数：concat_ws
  2. 小数位格式化成字符串函数：format_number
  3. 字符串截取函数：substr,substring
  4. 字符串截取函数：substr,substring
  5. 字符串查找函数：instr
  6. 字符串长度函数：length
  7. 字符串查找函数：locate
  8. 字符串格式化函数：printf
  9. 字符串转换成map函数：str_to_map
  10. base64解码函数：unbase64(string str)
  11. 字符串转大写函数：upper,ucase
  12. 字符串转小写函数：lower,lcase
  13. 去空格函数：trim
  14. 右边去空格函数：ltrim
  15. 左边去空格函数：rtrim
  16. 正则表达式替换函数：regexp_replace
  17. 正则表达式解析函数：regexp_extract
  18. URL解析函数：parse_url
  19. json解析函数：get_json_object
  20. 空格字符串函数：space
  21. 反复字符串函数：repeat
  22. 左补足函数：lpad
  23. 右补足函数：rpad
  24. 宰割字符串函数: split
  25. 汇合查找函数: find_in_set

30.    分词函数：sentences

  1. 分词后统计一起呈现频次最高的TOP-K
  2. 分词后统计与指定单词一起呈现频次最高的TOP-K

十二、混合函数

  1. 调用Java函数：java_method
  2. 调用Java函数：reflect
  3. 字符串的hash值：hash

十三、XPath解析XML函数

  1. xpath
  2. xpath_string
  3. xpath_boolean
  4. xpath_short, xpath_int, xpath_long
  5. xpath_float, xpath_double, xpath_number

十四、汇总统计函数（UDAF）

  1. 个数统计函数: count
  2. 总和统计函数: sum
  3. 平均值统计函数: avg
  4. 最小值统计函数: min
  5. 最大值统计函数: max
  6. 非空集合总体变量函数: var_pop
  7. 非空集合样本变量函数: var_samp
  8. 总体规范偏离函数: stddev_pop
  9. 样本规范偏离函数: stddev_samp

10．中位数函数: percentile

  1. 中位数函数: percentile
  2. 近似中位数函数: percentile_approx
  3. 近似中位数函数: percentile_approx
  4. 直方图: histogram_numeric
  5. 汇合去重数：collect_set
  6. 汇合不去重函数：collect_list

十五、表格生成函数Table-Generating Functions (UDTF)

  1. 数组拆分成多行：explode
  2. Map拆分成多行：explode