Hive数据仓库之快速入门

上次已经讲了《Hive数据仓库之快速入门一》不记得的小伙伴可以点击回顾一下,接下来我们再讲Hive数据仓库之快速入门二

一、DQL
hive中的order by、distribute by、sort by和cluster by

order by
全局排序,只有一个Reduce任务

sort by
只做jubu排序

distribute by
用distribute by 会对指定的字段按照hashCode值对reduce的个数取模,然后将任务分配到对应的reduce中去执行

cluster by
distribute by 和 sort by 合用就相当于cluster by,但是cluster by 不能指定排序为asc或 desc 的规则,只能是desc倒序排列

注:distribute by 和 sort by,distribute by 必须在 sort by前面
表连接
1.join只支持等值连接

2.可以 join 多于 2 个表

SELECT a.val, b.val, c.val FROM a JOIN b 
    ON (a.key = b.key1) JOIN c ON (c.key = b.key2)

注:如果join中多个表的 join key 是同一个,则 join 会被转化为单个 map/reduce 任务

3.LEFT,RIGHT和FULL OUTER
SELECT a.val, b.val FROM a LEFT OUTER JOIN b ON (a.key=b.key)

如果 d 表中找不到对应 c 表的记录,d 表的所有列都会列出 NULL,包括 ds 列。也就是说,join 会过滤 d 表中不能找到匹配 c 表 join key 的所有记录。这样的话,LEFT OUTER 就使得查询结果与 WHERE 子句无关

4.解决办法

 SELECT c.val, d.val FROM c LEFT OUTER JOIN d 
     ON (c.key=d.key AND d.ds='2009-07-07' AND c.ds='2009-07-07')

5.LEFT SEMI JOIN
LEFT SEMI JOIN 的限制是, JOIN 子句中右边的表只能在 ON 子句中设置过滤条件,在 WHERE 子句、SELECT 子句或其他地方过滤都不行

SELECT a.key, a.value 
  FROM a 
  WHERE a.key in 
   (SELECT b.key 
    FROM B);

可以被重写为:

SELECT a.key, a.val 
   FROM a LEFT SEMI JOIN b on (a.key = b.key)

6.UNION ALL
用来合并多个select的查询结果,需要保证select中字段须一致
  select_statement UNION ALL select_statement UNION ALL select_statement ...
分析窗口函数
over (partition by * order by d desc)

其他
(1)不支持EXIST ,NOT EXIST

(2)Top N 关键字 为Limit

(3)支持正则筛选字段,如SELECT (ds|hr)?+.+ FROM test

二、DCL

权限
Grant/revoke语法:
grant/revoke priv_type[column_list] on object_type object to/from principal_type principal_name

查看grant 定义:
show grant user user_name on table table_name;

创建/删除角色:
Create/drop Role role_name

角色分配/回收:
Grant role role_name to user user_name
Revoke role role_name from user user_name

角色授权:
Grant/revoke priv_type[col_List] on object_type object from/to role role_name

查看role定义:
show role grant role role_name

相关hive元信息表:
Db_privs:记录了User/Role在DB上的权限
Tbl_privs:记录了User/Role在table上的权限
Tbl_col_privs:记录了User/Role在table column上的权限
Roles:记录了全部创建的role
Role_map:记录了User与Role的相应关系

Hive函数
UDF、UDAF和UDTF
UDF实现输入一行输出一行行的函数
UDAF实现输入多行输出一行的函数
UDTF实现输入一行输出多行的函数
自定义UDF、UDAF和UDTF

相关资料
hive2.0函数大全 http://www.cnblogs.com/MOBIN/...
Mysql数据导入Hive
通过sqoop把mysql数据导入到hive(若hive没对应表则自动建表)
./bin/sqoop import --connect jdbc:mysql://172.17.4.1:3306/poi --username lizt --table poi_amap --hive-import --password 123456

python 客户端
pyhs2
pip install pyhs2

评论

暂无评论