hive中查询案例（表的建立以及split函数使用）

1.hive表的两种类型

在hive上创建表时，有内表与外表两种类型，对应的语句为
CREATE TABLE 与CREATE EXTERNAL TABLE。
其中创建内表过程中，hive会将数据移动到数据仓库指向路径。
而创建外表时，记录数据所在路径，不对数据进行任何操作。
因此删除数据表时，内表的元数据与数据一同删除，而外表数据不会改动，仅删除元数据。在使用时尽量使用外表，以防不时删除表带来数据缺失的不便。

2.hive表的分区

hive表的分区是指在创建表时指定partition的分区，每个分区以文件夹的形式单独存在表文件夹的目录下。创建代码如下：
CREATE EXTERNAL TABLE transaction(
Type string,
TransID string,
AgentID string,
Client string,
RcptTime string,
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
LINES TERMINATED BY ‘\n’
PARTITIONED BY（year string，month string）
/*PARTITIONED BY为分区语句*/
STORED AS TEXTFILE
LOCATION '/user/data';

注意：LOCATION后面跟的是HDFS系统下的文件目录，若不指定则默认创建为 /user/hive/warehouse 目录

hive分区不是表中实际的字段，在使用时一般预先在hdfs上创建好分区对应的目录路径，再使用分区。对于transaction表，事先在hdfs上创建/user/data/year/month文件夹，然后创建表。

动态分区/静态分区（待续….）

3.hive表导入数据的几种方式

参照该博客，讲的很详细——Hive总结（七）Hive四种数据导入方式
http://blog.csdn.net/lifuxiangcaohui/article/details/40588929

4.split函数使用

split是hive中的字符串分割函数，使用非常简单。
split(str, regex) - Splits str around occurances that match regex
表中RcptTime的数据格式类型为“2014/7/4 14:50”使用split函数提取其中小时数的语句为split(split("2014/7/4 14:50",' ')[1],':')[0]
首先对空格进行分割，得到两部分{“2014/7/4” “14:50”}，其中[1]={“14:50”}。然后同理得到小时数14。