hive语句

hive基本数据类型

smalint：2byte（32768，java short），int：4byte（对应java int），bigint：8byte（对应java long，ydb-tlong：多占用存储空间，但是查找速度要更快），boolean：布尔类型（true|FALSE），float：单精度浮点型doublie：双精度浮点型string：字符串类型（对应ydb-string，ydb-haoma[做模糊检索3-5]ydb-simplefext[分词将标题内容分词后存储，默认分词是1-3元，倒排索引：ydb是先到目录里找到词后再进内容页]ydb-and和or实现，and是先查a然后查b把a，b相同的合并一起，or是a，b都差完之后把同样的合并不一样的再分别输出）。\n行和行之间分割db是数据库名，要是想查询某个数据库里的东西就加上库名create table （if  not exits：如果有同名表就不执行创建），external外部表：如果删除表，只是删除表，内容不会被删除，而且其他人都可以共享这个外部表

增加修改删除表分区在94（数67）页

insert into    select     ---from 分区

语句实例

1、创建一个表，字段之间用 \t 分隔；

        hive>create  table  student (id  int,  name  string) row  format  delimited  fields  terminated  by '\t' ;

2、将本地一个数据提交到hive里去

        hive>load data local inpath '/home/zkpk/student.txt' into  table  student ;

3、查询表里的数据：

        hive>select  *  from  student ;

4、只查询前两条：

        hive>select  * from  student  limit  2 ;

5、统计一个表的行数：

        hive>select  count(*)  from student ;

6、求一个表id字段的id 之和：

        hive>select  sum(id)  from  student ;

7、创建外部表：

        hive>create  external  table  ext_student  (id int, name string) row format delimited  fields  terminated  by  ' \t  '  location  ' /data ' ;     //这样就不必将文件放到hive里去 就可以对其进行操作了   ，只需要将文件放到hdfs上的/data目录下面。

8、内部表先有表后有数据；外部表先有数据后有表。

9、创建分区表：

hive>create external table beauties  (id bigint, name string,  size  double)  partitioned by (nation  string)  row  format  delimited fields  terminated  by  '\t'  location  '\beauty' ;        hive>load  data  local  inpath  '/home/zkpk/b.c'  into  table  beauties  partition(nation='China') ;        hive>alter  table  beauties  add  partition  (nation='Japan') ;        hive>select  *  from  beauties ;        hive>select  *  from  beauties  where  nation='China' ;           //查找某一分区的数据内容；

10、多表关联：

hive>select  t . account ,  u . name , t . income , t . expenses , t . surplus from  user_info  u  join  (select  account ,  sum(income)  as  income ,  sum(expenses) as  expenses ,  sum(income-expenses)  as  surplus  from trade_detail  group  by  account)  t  on  u . account  =  t . account ;

11、存储过程没有返回值，函数有返回值

12、在linux环境下一次访问hive：

hive  -e  "selcte  *  from  mytable   limit  3" ;

13、

hive -f 1.hql

14、打印表的字段信息：

  hive>describe  yourtable ;

15、创建数据库：

        hive>create  database  financials ;        hive>create  database  if  not  exists  financials ;

16、过滤数据库：

        hive>show  databases  like  " f . * " ;

17、添加描述信息：

        hive> create database test092302 with dbproperties ('creator'='Mark', 'date'='2015-09-23');        hive> describe database extended test092302;

18、删除数据库：

        hive> drop database if exists human_resources;   或者        hive> drop database human_resources;

19、删除存在表的数据库：

        hive> drop database test0923 cascade;      //在后面加上cascade关键字

20、创建数据库时添加描述信息：

        hive> create database test092302 comment 'Holds all test tables';     //使用comment，创建表时也可以用

21、去重查询：group by的使用

        hive>select  *  from  mytable  group  by  uid ;

22、独立UID总数：

        hive>select  count(distinct(uid)) from  mytable ; （高效） 或者   hive>select  count(*) from(select  *  from mytable  group  by  uid)  a ;

23、查询频度排名（频度最高的前50）：

        hive> select keyword,count(*) as cnt from sogou_1w group by keyword order by cnt desc limit 50;

24、将查询的结果放入另一个表中：

        hive> create table uid_cnt (uid string, cnt int) row format delimited fields terminated by '\t';       //先创建临时表 uid_cnt        hive> insert overwrite table sogou.uid_cnt select uid,count(*) from sogou_1w group by uid;     //再将查询的数据结果放入临时表中

25 修改列名：

hive> alter table test    > column •stuname•  name string;“ • ”右上角的~键describe test;

26 增加列：

hive> alter table test add columns(    > height int);hive>describe test;

27替换列：

hive> alter table test replace columns(    > id int,    > name string,    > age int);

28 为表添加属性：

hive> alter table test set tblproperties (    > 'note'='hello welcome');

show create table test;

29 创建带有分区的内部表：

hive> create table testpar(    > id int,    > name string,age int) PARTITIONED BY (day string)    > ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'     > location '/testpar';

30 为带有分区的内部表加载数据：

hive> load data local inpath '/home/zkpk/test' into table testpar     > partition (day='0925');

31 添加防止删除的保护：

hive> alter table testpar    > partition (day='0925') enable no_drop;

32 测试：删除分区

hive> alter table testpar drop if exists partition (day='0925');

33 删除添加的”删除”保护：

hive> alter table testpar    > partition (day='0925') disable no_drop;

34 添加防止查询的保护：

hive> alter table testpar    > partition (day='0925') enable offline;

35 删除防止查询的保护:

hive> alter table testpar    > partition (day='0925') disable offline;

select * from testpar;

36 按条件向分区表插入数据

hive>from test_1  ts  insert into table  testpart partition (day='0920') select * where ts.age>20   insert into table testpart partition (day='0919') select * where ts.name='xiaofang'; 注释:上面SQL语句分三部分第一部分  from test_1  ts  从rest_1表中查询并为其添加ts别名第二部分 insert into table  testpart partition (day='0920') select * where ts.age>20将test_1表中年龄大于20的数据添加到分区表testpart中新建的0920分区中.第三部分   insert into table testpart partition (day='0919') select * where ts.name='xiaofang'将test_1表中名字为xiaofang的数据添加到分区表testpart中新建的0919分区中查询结果:hive>  select  * from  testpart;

37 向管理表中加载数据：

hive> load data local inpath '/home/zkpk/test' overwrite  into table testpar partition (day='0925');

38 通过查询语句向表中插入数据：

hive> insert into table testpar    > partition (day='0926')    > select * from test;hive> select * from testpar;hive> insert into table testpar    > partition (day='0922')    > select * from test    > where age >20;hive> from test    > insert into table testpar    > partition (day='0921')    > select * where age>22;hive> from test ts    > insert into table testpar    > partition (day='0920')    > select * where ts.age>20    > insert into table testpar    > partition (day='0919')    > select * where ts.name='张三';==================动态分区插入===================

39 在test表中添加一列day

hive> alter table test add columns(day string);[zkpk@master ~]$ vi test[zkpk@master ~]$ cat test1    张三    20    09212    李四    22    09223    Jarrey    25    0923

40 加载数据：

hive> load data local inpath '/home/zkpk/test' overwrite into table test;动态分区（下面两种方式实现的效果是一样的）：hive>  set hive.exec.dynamic.partition=true;hive>  set hive.exec.dynamic.partition.mode=nonstrict;hive>  set hive.exec.max.dynamic.partitions.pernode=1000;hive> insert into table testpar    > partition(day)    > select * from test;hive> insert into table testpar    > partition(day)    > select id,name,age,day from test;

41单个查询语句中创建表并加载数据:(注意关键字as)

hive> create table newtest    > as select id,name,age from test    > where name='李四';hive> select * from newtest;====================导出数据======================

42 hadoop fs –cp source_path target_path

cpscp -r /jdk  slave://home/zkpk/注释:scp =safety copy 即是安全模式下复制   r=recuresive 递归方式复制  即是从主目录到各个子目录依次复制Sqoop工具（T15）========hdfs数据加载等操作=======

43 从hdfs集群中加载数据

hive>load  data  inpath 'hdfs目录文件'  into  table  student;

44 按id降序排序

hive>select * from  student  order by id desc;

45 从hdfs集群中加载数据并为表设置指定分区

hive>load  data  input  '本地文件路径' into  table  表名  partition (分区字段=' ');

46 从本地内存中加载数据

hive>load data local inpath '本地目录文件' into  table  student;

47 按id降序排序

hive>select * from  student  order by id desc;

48 表联合查询

hive>select t.account u.name,t.income,t.expenses,t.surplus from user_infou join (select account, sum(income) as income,sum(expenses) as expenses,sm(income_expenses)as surplus from trade_detail group by account) on u.account=t.account;==================数学函数:===================Hive语句运算:

49 int类型rank加运算

hive>select rank+1 from  ext_sogou_20111230 limit 100;

50 对int字段平方

hive> select pow(rank,2) from  ext_sogou_20111230;

51 取模:(如:2对三取模)

hive>select pmod(2,3) from ext_sogou_20111230 limit 10;

==============聚合函数========================
52 统计表中所有行数

hive>select count(*) from  ext_sogou_20111230 limit 10;*表示表中所有字段也可以设置某些或某个字段 如hive>select count(uid,ts) from  ext_sogou_20111230 limit 10;

53.

hive>select  sum(uid) from ext_sogou_20111230;

54 最大值&最小值

hive>select max(rank), min(rank) from ext_sogou_20111230;

55 .独立uid(去重行数)

hive>select count(distinct uid) from ext_sogou_20111230;

56强转:

hive> select cast(rank as DOUBLE) from ext_sogou_20111230 limit 10;

57 拼接:

hive>select concat(uid,url) from ext_sogou_20111230 limit 10;

=================JSON========================
58 抽取JSON对象的某一属性值

hive>select get_json_object('{"name":"xiaoming","age":"15"}','$.age') from ext_sogou_20111230 limit 5;结果:1559hive>select  get_json_object(channel,'$.age') from ext_sogou_20111230 limit 3;=============================================

60 查找url字符串中的5位置之后字符串baidu第一次出现的位置

hive> select locate("baidu",url,5) from ext_sogou_20111230 limit 100;

61 .抽取字符串baidu中符合正则表达式url的第5个部分的子字符串

hive> select regexp_extract("baidu",url,5) from ext_sogou_20111230 limit 100; 

62 按照正则表达式”0”分割字符串uid,并将分割后的部分以字符串数组的方式返回

hive> select split(uid,"0") from ext_sogou_20111230 limit 100;结果之一:["","875edc8a14a228","1bac1ddc","1fa18a1"]

63 对字符串url,从0处开截取长度为3的字符串,作为其子字符串

hive> select substr(url,0,3) from ext_sogou_20111230 limit 3; 

64 .将字符串url中所有的字母转换成大写字母

hive> select upper(url) from ext_sogou_20111230 limit 3;

============别名 嵌套SQL语句===============

65 复杂HQL 如别名、嵌套等

hive>select count(distinct e.uid) from (select * from ext_sogou_20111230 whererank <=3 and order =1) e;小括号中返回的也是一个表,它只是临时的 别名为e 

66 where ..and 或者 where ….or where的 两种条件查询

 hive> select * from  ext_sogou_20111230  where rank<=3 and order =1 limit 3; hive> select * from  ext_sogou_20111230 where rank !=0 or order =1 limit 3;where 1 出现在表后  2 可以有and  or  表达式的操作符3 表示格式

67 浮点类型的比较 一定要强转

68 like 过滤字符串

      它是一个标准的SQL操作符hive> select *  from  ext_sogou_20111230  where url like '%http%' limit 10;'%http%'意为包含 http字符串'%http' 以http开头的字符串'http%'一http结束字符串

69 rlike 通过java的正则表达式过滤 *与%功能一样
它是hive中扩展功能的操作符

hive> select * from ext_sogou_20111230 where url rlike  ' .*http.* ' limit 3; 

=========group by============

70 Group by 语句通常会和聚合函数一起使用,按照一个或者多个对结果进行分组,然后对每个组执行聚合操作

hive>select year(ts), avg(rank) from ext_sogou_20111230 where ts like '%2011' group by year(ts);

71 对组过滤

hive> select rank ,count(*) from ext_sogou_20111230  group by rank ,order having rank >3  limit 10;

===============join==========
72 join 使用join时要选择具有独立的字段作为条件字段,否则会出现不必要的数据量

hive> select m.uid,m.keyword from ext_sogou_20111230 m join ext_sogou_20111230_limit3 n on m.uid =n.uid;

73 查搜索过”仙剑奇侠传” 的用户所搜过的关键字

hive>select  m.uid,m.keyword  from (select  distinct n.uid fromext_sogou_20111230 where keyword like '%仙剑奇侠传%' n ) m  where m.uid=n.uid;

74 查搜索过”仙剑奇侠传” 的用户所搜过的不包含”仙剑奇侠传”本身的关键字

hive>select m.uid,m.keyword from sogou_20111230 m join (select distinct uid from sogou_20111230 where keyword like '%仙剑奇侠传%') n on m.uid=n.uid where m.keyword not like '%仙剑奇侠传%';

75 left semi-join 左半表 semi 半挂的 半独立的

hive>select * from be where rank in(1,2,5);hive>select  * from  ext_sogou_20111230 m left semi join  ext_sogou_20111230_limit3  n on m.rank=n.rank;

76笛卡尔积

 如5w  1w  join  结果:5w*1w   一般不常用

77 map-side JOIN当两张表很小时使用(系统默认25MB)
功能:其中一张表为小表 即是将小表数据JOIN到大表中

 hive>select /*+MAPJOIN(n)*/ m.uid,m.keyword,n.keyword  from ext_sogou_20111230 m join ext_sogou_20111230_limint3 n on m.uid=n.uid;

=====================排序=========================
78 全局排序(order by ) 和局部排序 (sort by)

hive>select * from ext_sogou_20111230 order by rank desc limit 100;

79 对sogou500w中降序排列uid次数

hive>select uid, count(*)  as nct from ext_sogou_20111230   group by uid order by nct desc ;

80 cast()类型转换函数

hive>select  cast(ts as bigint) from  ext_sogou_20111230_limit3;

81 UNION ALL可以将2个或多个表进行合并。

hive> select count(distinct e.uid)from(select * from ext_sogou_20111230 where rank<11 union all select * from ext_sogou_20111230_limit3 where rank < 11) e;

82
hive>select count(*) from ext_sogou_20111230_limit where keyword like ‘%www%’;

83
hive> select e.url,e.keyword,count(*) from (
select * from ext_sogou_20111230 where keyword like ‘%www%’
)e group by e.url,e.keyword where instr(url,keyword) >0;

84搜索过’%仙剑奇侠传%’(模糊匹配),并且查询次数大于3的UID
hive>select uid, count(uid) as nct from
ext_sogou_20111230 where keyword like ‘%仙剑奇侠传%’
group by uid having nct>3 ;

================================

视图

85视图 hive只支持逻辑视图 作用降低查询复杂度
创建视图
hive>create view sogou_view as
select * from ext_sogou_20111230 where rank <=3;

86 索引
Hive的索引需要单独创建表实现
创建索引
hive>CREATE INDEX employees_index ON TABLE employees (name) AS
‘org.apache.hadoop.hive.ql.index.compact.CompactIndexHandler’
WITH DEFERRED REBUILD IDXPROPERTIES(‘creator’ = ‘me’,’
created_at ‘=’some time’) IN TABLE employees_index_table;

87 视图
hive>create view sogou_filter as select uid,count(*) from
ext_sogou_20111230 where keyword like ‘%仙剑奇侠传%’

复杂问题解题思路:
1)分步骤,使用临时表
2)分步骤,多个视图实现
create view
3)一个复杂的SQL

create table insert overwrite table…select * from …

=======================================
Sogou 500w数据
88
搜索长度大于256（不区分中英文），并且点击次数<3的UID
老师:
hive>select m.uid,count() as cnt from(select from sogou_view where length(
keyword) >256) m group by m.uid having cnt<3;
自己:
select uid from sogou_view where rank<3 and length(
keyword) >256;
hive> create view sogou_view as select * from
ext_sogou_20111230;

89
上午7-9点之间，搜索过“赶集网”的用户，哪些用户直接点击了赶集网的URL
老师:
hive> select distinct n.uid from (select * from sogou_view where keyword =’赶集网’)
and substr(ts,9,2) in (‘07’,’08’,’09’)) n where n.url like ‘%ganjin.com%’;
自己:
hive> select uid from sogou_view where (cast(substr(ts,9,2)
as int)>7 or cast(substr(ts,9,2) as int)<9) and url
like ‘%www.ganji.com%’ or keyword like ‘%赶集网%’ ;
或者
hive>select uid from sogou_view where substr(ts,9,2) in (‘07’,’08’,’09’) and url
like ‘%www.ganji.com%’ and keyword like ‘%赶集网%’ ;

90
rank<3的搜索中，多少用户的点击次数>2
老师:
hive>select a.uid from (select uid,count() as cnt from (select from sogou_view where
rank<3) e group by e.uid having cnt>2) a;
自己:
hive>select uid,count(uid) as nct from sogou_view

where rank<3 group by uid having nct>2;

=======================

hive设计模式

20151008
AM

1.表的划分方式:按天划分如table_2011_01_01
2.分区:hive中的分区功能很有用,
3 最原始的数据尽量少使用分区,
经过加工后的数据可以用分区.
4 表与分区的字段不能重复
5 分区有级别 根据实际的业务自定义分区
create table supply () partitioned by();

91 同一份数据多种处理
hive>insert overwrite table sogou_20111230_rank
select * from sogou_20111230 where rank=3;

92
hive>insert overwrite table sogou_20111230_order
select * from sogou_20111230 where order=3;
上面两句(91 92)合并成一句(93)如下
93
hive>from sogou_20111230
insert overwrite table sogou_20111230_rank
select * where rank =3
insert overwrite table sogou_20111230_order
select * where order=3;

94 为表增加列 (只能末尾追加)

ALTER TABLE sogou_20111230 ADD COLUMNS (user_id string) ;

列的存储有两种格式ORC和RCFile

========================================

Hive内置函数和UDF(用户自定义函数)

95 查看内置函数
hive> show functions;

96 查看某一函数具体描述
hive>describe function 函数名;

一般聚合函数与group by 组合使用
分3种:
1 UDF(标准函数):普通函数
2 UDAF(用户自定义聚合函数):多行多列变一行
3 UDTF(用户自定义表生成函数):多行多列变多行
===========UDF操作过程==============
91 在eclipse中创建java类 如UDFZodiacSign

92 添加UDFZodiacSign的jar包
hive>add jar /home/zkpk/udf.jar

93 创建外部表如little_bigdata
hive>create external table if not exists
little_bigdata(name string,email string,bday
string,ip string, gender string, anum int)
row format delimited fields terminated by ‘,’;

94 创建zodiac作为UDFZodiacSign类的临时函数 as’包名.类名’
hive>create temporary function zodiac as ‘day1008.UDFZodiacSign’;

95 查看zodiac是否OK
hive> describe function zodiac;

96 将little_bigdata表中name字段中数据传入临时函数zodiac中
hive> select zodiac(name) from little_bigdata;

============================================
97 统计没有农产品市场的省份有哪些
马:
hive> select e.name from (
select distinct prov from product
) a right outer join province e on a.prov = e.name
where a.prov is null

98统计排名前 3 的省份共同拥有的农产品类型
1计算前三省份的名称
2计算前三省份的所有去重产品名称
3计算共同拥有的产品
数据按A B C D E 步骤计算
hive>select c.name,count(*) as ct from
E 列出前三省相同的熟菜,并计数
(select a.prov,a.name from
D 从A数据中比较与B中前三个相同列 的省份及其熟菜
(select prov,name from product group by prov,name
A 分组列出所有省,及其所在省的熟菜(分组就是去重)
) a
left semi join
(select p.prov,count(*) as cnt from
C 对不同省份计数 省1 number1 省2 number2
并按降序排列列出前三个省
(select prov,name from product group by prov,name
B 分组列出所有省,及其所在省的熟菜(分组就是去重)
) p
group by p.prov order by cnt desc limit 3
) b
on a.prov = b.prov

) c group by c.name having ct > 2

---

hive> select (2015-age)as ag ,sex from car_1 where age !=null or sex !=”“;

hive> select m.ag,count(*) as nct from
(select (2015-age) as ag ,sex from car_1 where age !=null or sex !=”“)

m group by m.ag;

=============================

自定义Hive文件和记录格式

hive三种文件格式:textfile sequencefile rcfile
前两种一行存储 rcfile以列存储
他们影响整个文件格式

sequencefile 与 textfile 文件格式在读取效率上
testfile更高些

默认分隔符格式/001 即是Ctr+A
stored as textfile 表文件的存储格式

99 创建sequencefile格式的表
hive>create external table sogou_20111230_seq(ts string,
uid string,keyword string,rank int,order int
,url string) row format delimited fields
terminated by ‘\t’ stored as sequencefile;

100 向该表中插入数据
hive>insert table sogou_20111230_seq select
ts,uid,keyword,rank,order,url from
sogou_20111230 limit 50000;

101 创建rcfile格式的表:基于列式存储
hive>create table sogou_20111230_rc(ts string,
uid string, keyword string,rank int, order
int, url string) row format delimited fields
terminated by ‘\t’ stored as rcfile;

102 向该表中插入数据
hive>insert overwrite table sogou_20111230_rc
select ts, uid,keyword,rank,order,url
from ext_sogou_20111230 limit 50000;

103 记录格式 SerDe是序列化/反序列化的简写

104 CSV和TSV SerDe(csv内部实现各式逗号分割\n换行)

hive 记录格式:影响文件内部数据存储格式
105 XPath相关的函数
hive>SELECT xpath (’
bl
b2’,’//@id’ )
FROM car_1 LIMIT 1;

106 计算北京市的每种农产品的价格波动趋势，即计算每天价格均值，并按照时间先后顺序排列该值。
某种农产品的价格均值计算公式：
PAVG = (PM1+PM2+…+PMn-max(P)-min(P))/(N-2)
其中， P 表示价格， Mn 表示 market，即农产品市场。 PM1 表示 M1 农产品市场的该产品价
格， max(P)表示价格最大值， min(P)价格最小值。
思路:
第一步:筛选出1-5天内 时间 熟菜名称 两个字段
第二步:用if三目运算,判断各种熟菜波动次数是否大于2次,
第三步:求平均值

hive>select m.date,m.name,if(count(*)>2,
round((sum(m.price)-max(m.price)-min(m.price))/(count(*)-2),2),
round(sum(m.price)/count(*),2))
from (
select * from product_20140101 where province=’北京’
union all
select * from product_20140102 where province=’北京’
union all
select * from product_20140103 where province=’北京’
union all
select * from product_20140104 where province=’北京’
union all
select * from product_20140105 where province=’北京’
) m
group by m.date,m.name;

107 使用简单时间序列算法， 设置 N=3，预测 1.4、 1.5 日的平均价格
hive>create table price_hg_pre0104(ptime TIMESTAMP,name STRING,price FLOAT);

hive>insert overwrite table price_hg_pre0104
select * from price_hg where day(cast(ptime as string)) < 4
union all
select cast(‘2014-01-04 00:00:00’ as timestamp) as ptime,’黄瓜’ as name,sum(price)/3 as price from price_hg where day(cast(ptime as string)) < 4

108 并计算与实际数据的平方误差和
hive>create table price_hg_pre0105(ptime TIMESTAMP,name STRING,price FLOAT);

hive>insert overwrite table price_hg_pre0105
select cast(‘2014-01-05 00:00:00’ as timestamp) as ptime,’黄瓜’
as name,sum(price)/3 as price from price_hg_pre where day(cast(ptime as string)) < 5
and day(cast(ptime as string)) > 1

109 表添加一列 ：
hive> ALTER TABLE pokes ADD COLUMNS (new_col INT);

110 添加一列并增加列字段注释
hive> ALTER TABLE invites ADD COLUMNS (new_col2 INT COMMENT ‘a comment’);
111 更改表名：
hive> ALTER TABLE events RENAME TO 3koobecaf;
112 删除列：hive> DROP TABLE pokes;

113增加、删除分区

•增加
1. ALTER TABLE table_name ADD [IF NOT EXISTS] partition_spec [ LOCATION ‘location1’ ] partition_spec [ LOCATION ‘location2’ ] …
2. partition_spec:
3. : PARTITION (partition_col = partition_col_value, partition_col = partiton_col_value, …)

•删除

1. ALTER TABLE table_name DROP partition_spec, partition_spec,…
   REPLACE则是表示替换表中所有字段。

114 重命名表•

1. ALTER TABLE table_name RENAME TO new_table_name

115 修改列的名字、类型、位置、注释：

1. ALTER TABLE table_name CHANGE [COLUMN] col_old_name col_new_name column_type [COMMENT col_comment] [FIRST|AFTER column_name]

•这个命令可以允许改变列名、数据类型、注释、列位置或者它们的任意组合

116 表添加一列 ：

1. hive> ALTER TABLE pokes ADD COLUMNS (new_col INT);

117 添加一列并增加列字段注释

1. hive> ALTER TABLE invites ADD COLUMNS (new_col2 INT COMMENT ‘a comment’);

118增加/更新列

1. ALTER TABLE table_name ADD|REPLACE COLUMNS (col_name data_type [COMMENT col_comment], …)
   复制代码

• ADD是代表新增一字段，字段位置在所有列后面(partition列前)
119 create external table logs (ip string ,name1 string,name2 string,name3 string ,name4 string ,name5 string, name6 string, name7 string, name8 string,name9 string,name10 string,name11 string) row format delimited fields terminated by ’ ‘;

select name1 from (select as c from logs where ip =’58.214.255.146’;
数据格式：
183.166.128.178 - - [09/Apr/2016:07:58:33 +0800] “POST /boss/service/newCode.htm HTTP/1.1” 200 227 “-” “-”
120正序：
select ip ,sum(name9) as c from logs where name3 like ‘[09/Apr/2016:07:55%’ group by ip order by c desc;

121 逆序：
select name6,count(1) as b from logs where name3 like ‘[09/Apr/2016:07:5%’ group by name6 order by b asc;
122 逆序：
select name6,count(1) as b from logs where name3 like ‘[09/Apr/2016:07:5%’ group by name6 sort by b asc;
123取前一千行放到一个新表里
hive> insert into table hivecontain_small

select * from hivecontain limit 1000;
124 更新表字段
hive>insert overwrite table province_city_scenic_per_nums select spot_name, spot_city, substring(round(per,4),0,6) ,nums from province_city_scenic_per_nums ;
125 截取表字段部分值并插入新表
hive> insert table province_city_scenic_per_nums select spot_name, spot_city, substring(round(per,4),0,6) ,nums from province_city_scenic_per_nums ;

下面引用：http://blog.csdn.net/wisgood/article/details/17376393；感谢作者：wisgood
常用函数：
一、关系运算：
1. 等值比较: =
语法：A=B
操作类型：所有基本类型
描述:如果表达式A与表达式B相等，则为TRUE；否则为FALSE
举例：
Hive>select 1 from lxw_dual where 1=1;
1
2. 不等值比较: <>
语法: A <> B
操作类型:所有基本类型
描述:如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A与表达式B不相等，则为TRUE；否则为FALSE
举例：
hive> select1 from lxw_dual where 1 <> 2;
1
3.小于比较: <
语法: A < B
操作类型:所有基本类型
描述:如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A小于表达式B，则为TRUE；否则为FALSE
举例：
hive> select1 from lxw_dual where 1 < 2;
1

1. 小于等于比较: <=
   语法: A <= B
   操作类型:所有基本类型
   描述:如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A小于或者等于表达式B，则为TRUE；否则为FALSE
   举例：
   hive> select1 from lxw_dual where 1 <= 1;
   1

2. 大于比较: >
   语法: A > B
   操作类型:所有基本类型
   描述:如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A大于表达式B，则为TRUE；否则为FALSE
   举例：
   hive> select1 from lxw_dual where 2 > 1;
   1

3. 大于等于比较: >=
   语法: A >= B
   操作类型:所有基本类型
   描述:如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A大于或者等于表达式B，则为TRUE；否则为FALSE
   举例：
   hive> select1 from lxw_dual where 1 >= 1;
   1

注意：String的比较要注意(常用的时间比较可以先to_date之后再比较)
hive> select* from lxw_dual;
201111120900:00:00 2011111209

hive> selecta,b,a

hive> select unhex(‘11’) from lxw_dual;

hive> select unhex(616263) from lxw_dual;
abc

1. 进制转换函数: conv
   语法: conv(BIGINT num, int from_base, int to_base)
   返回值: string
   说明:将数值num从from_base进制转化到to_base进制
   举例：
   hive> select conv(17,10,16) from lxw_dual;
   11
   hive> select conv(17,10,2) from lxw_dual;
   10001

2. 绝对值函数: abs
   语法: abs(double a) abs(int a)
   返回值: double int
   说明:返回数值a的绝对值
   举例：
   hive> select abs(-3.9) from lxw_dual;
   3.9
   hive> select abs(10.9) from lxw_dual;
   10.9

3. 正取余函数: pmod
   语法: pmod(int a, int b),pmod(double a, double b)
   返回值: int double
   说明:返回正的a除以b的余数
   举例：
   hive> select pmod(9,4) from lxw_dual;
   1
   hive> select pmod(-9,4) from lxw_dual;
   3

4. 正弦函数: sin
   语法: sin(double a)
   返回值: double
   说明:返回a的正弦值
   举例：
   hive> select sin(0.8) from lxw_dual;
   0.7173560908995228

5. 反正弦函数: asin
   语法: asin(double a)
   返回值: double
   说明:返回a的反正弦值
   举例：
   hive> select asin(0.7173560908995228) from lxw_dual;
   0.8

6. 余弦函数: cos
   语法: cos(double a)
   返回值: double
   说明:返回a的余弦值
   举例：
   hive> select cos(0.9) from lxw_dual;
   0.6216099682706644

7. 反余弦函数: acos
   语法: acos(double a)
   返回值: double
   说明:返回a的反余弦值
   举例：
   hive> select acos(0.6216099682706644) from lxw_dual;
   0.9

8. positive函数: positive
   语法: positive(int a), positive(double a)
   返回值: int double
   说明:返回a
   举例：
   hive> select positive(-10) from lxw_dual;
   -10
   hive> select positive(12) from lxw_dual;
   12
9. negative函数: negative
   语法: negative(int a), negative(double a)
   返回值: int double
   说明:返回-a
   举例：
   hive> select negative(-5) from lxw_dual;
   5
   hive> select negative(8) from lxw_dual;
   -8
   五、日期函数
10. UNIX时间戳转日期函数:from_unixtime
    语法: from_unixtime(bigint unixtime[, string format])
    返回值: string
    说明:转化UNIX时间戳（从1970-01-01 00:00:00 UTC到指定时间的秒数）到当前时区的时间格式
    举例：
    hive> select from_unixtime(1323308943,’yyyyMMdd’) fromlxw_dual;
    20111208
11. 获取当前UNIX时间戳函数:unix_timestamp
    语法: unix_timestamp()
    返回值: bigint
    说明:获得当前时区的UNIX时间戳
    举例：
    hive> select unix_timestamp() from lxw_dual;
    1323309615
12. 日期转UNIX时间戳函数:unix_timestamp
    语法: unix_timestamp(string date)
    返回值: bigint
    说明:转换格式为”yyyy-MM-ddHH:mm:ss”的日期到UNIX时间戳。如果转化失败，则返回0。
    举例：
    hive> select unix_timestamp(‘2011-12-07 13:01:03’) from lxw_dual;
    1323234063
13. 指定格式日期转UNIX时间戳函数:unix_timestamp
    语法: unix_timestamp(string date, string pattern)
    返回值: bigint
    说明:转换pattern格式的日期到UNIX时间戳。如果转化失败，则返回0。
    举例：
    hive> select unix_timestamp(‘20111207 13:01:03’,’yyyyMMddHH:mm:ss’) from lxw_dual;
    1323234063

14. 日期时间转日期函数:to_date
    语法: to_date(string timestamp)
    返回值: string
    说明:返回日期时间字段中的日期部分。
    举例：
    hive> select to_date(‘2011-12-08 10:03:01’) from lxw_dual;
    2011-12-08

15. 日期转年函数: year
    语法: year(string date)
    返回值: int
    说明:返回日期中的年。
    举例：
    hive> select year(‘2011-12-08 10:03:01’) from lxw_dual;
    2011
    hive> select year(‘2012-12-08’) from lxw_dual;
    2012

16. 日期转月函数: month
    语法: month (string date)
    返回值: int
    说明:返回日期中的月份。
    举例：
    hive> select month(‘2011-12-08 10:03:01’) from lxw_dual;
    12
    hive> select month(‘2011-08-08’) from lxw_dual;
    8

17. 日期转天函数: day
    语法: day (string date)
    返回值: int
    说明:返回日期中的天。
    举例：
    hive> select day(‘2011-12-08 10:03:01’) from lxw_dual;
    8
    hive> select day(‘2011-12-24’) from lxw_dual;
    24

18. 日期转小时函数: hour
    语法: hour (string date)
    返回值: int
    说明:返回日期中的小时。
    举例：
    hive> select hour(‘2011-12-08 10:03:01’) from lxw_dual;
    10

19. 日期转分钟函数: minute
    语法: minute (string date)
    返回值: int
    说明:返回日期中的分钟。
    举例：
    hive> select minute(‘2011-12-08 10:03:01’) from lxw_dual;
    3

20. 日期转秒函数: second
    语法: second (string date)
    返回值: int
    说明:返回日期中的秒。
    举例：
    hive> select second(‘2011-12-08 10:03:01’) from lxw_dual;
    1

21. 日期转周函数:weekofyear
    语法: weekofyear (string date)
    返回值: int
    说明:返回日期在当前的周数。
    举例：
    hive> select weekofyear(‘2011-12-08 10:03:01’) from lxw_dual;
    49

22. 日期比较函数: datediff
    语法: datediff(string enddate, string startdate)
    返回值: int
    说明:返回结束日期减去开始日期的天数。
    举例：
    hive> select datediff(‘2012-12-08’,’2012-05-09’) from lxw_dual;
    213

23. 日期增加函数: date_add
    语法: date_add(string startdate, int days)
    返回值: string
    说明:返回开始日期startdate增加days天后的日期。
    举例：
    hive> select date_add(‘2012-12-08’,10) from lxw_dual;
    2012-12-18

24. 日期减少函数: date_sub
    语法: date_sub (string startdate, int days)
    返回值: string
    说明:返回开始日期startdate减少days天后的日期。
    举例：
    hive> select date_sub(‘2012-12-08’,10) from lxw_dual;
    2012-11-28

六、条件函数
1. If函数: if
语法: if(boolean testCondition, T valueTrue, T valueFalseOrNull)
返回值: T
说明: 当条件testCondition为TRUE时，返回valueTrue；否则返回valueFalseOrNull
举例：
hive> select if(1=2,100,200) from lxw_dual;
200
hive> select if(1=1,100,200) from lxw_dual;
100

1. 非空查找函数: COALESCE
   语法: COALESCE(T v1, T v2,…)
   返回值: T
   说明: 返回参数中的第一个非空值；如果所有值都为NULL，那么返回NULL
   举例：
   hive> select COALESCE(null,’100’,’50′) from lxw_dual;
   100

2. 条件判断函数：CASE
   语法: CASE a WHEN b THEN c [WHEN d THEN e]* [ELSE f] END
   返回值: T
   说明：如果a等于b，那么返回c；如果a等于d，那么返回e；否则返回f
   举例：
   hive> Select case 100 when 50 then ‘tom’ when 100 then ‘mary’else ‘tim’ end from lxw_dual;
   mary
   hive> Select case 200 when 50 then ‘tom’ when 100 then ‘mary’else ‘tim’ end from lxw_dual;
   tim

3. 条件判断函数：CASE
   语法: CASE WHEN a THEN b [WHEN c THEN d]* [ELSE e] END
   返回值: T
   说明：如果a为TRUE,则返回b；如果c为TRUE，则返回d；否则返回e
   举例：
   hive> select case when 1=2 then ‘tom’ when 2=2 then ‘mary’ else’tim’ end from lxw_dual;
   mary
   hive> select case when 1=1 then ‘tom’ when 2=2 then ‘mary’ else’tim’ end from lxw_dual;
   tom

七、字符串函数
1. 字符串长度函数：length
语法: length(string A)
返回值: int
说明：返回字符串A的长度
举例：
hive> select length(‘abcedfg’) from lxw_dual;
7

1. 字符串反转函数：reverse
   语法: reverse(string A)
   返回值: string
   说明：返回字符串A的反转结果
   举例：
   hive> select reverse(abcedfg’) from lxw_dual;
   gfdecba

2. 字符串连接函数：concat
   语法: concat(string A, string B…)
   返回值: string
   说明：返回输入字符串连接后的结果，支持任意个输入字符串
   举例：
   hive> select concat(‘abc’,’def’,’gh’) from lxw_dual;
   abcdefgh

3. 带分隔符字符串连接函数：concat_ws
   语法: concat_ws(string SEP, string A, string B…)
   返回值: string
   说明：返回输入字符串连接后的结果，SEP表示各个字符串间的分隔符
   举例：
   hive> select concat_ws(‘,’,’abc’,’def’,’gh’) from lxw_dual;
   abc,def,gh

4. 字符串截取函数：substr,substring
   语法: substr(string A, int start),substring(string A, int start)
   返回值: string
   说明：返回字符串A从start位置到结尾的字符串
   举例：
   hive> select substr(‘abcde’,3) from lxw_dual;
   cde
   hive> select substring(‘abcde’,3) from lxw_dual;
   cde
   hive> selectsubstr(‘abcde’,-1) from lxw_dual; （和Oracle相同）
   e

5. 字符串截取函数：substr,substring
   语法: substr(string A, int start, int len),substring(string A, intstart, int len)
   返回值: string
   说明：返回字符串A从start位置开始，长度为len的字符串
   举例：
   hive> select substr(‘abcde’,3,2) from lxw_dual;
   cd
   hive> select substring(‘abcde’,3,2) from lxw_dual;
   cd
   hive>select substring(‘abcde’,-2,2) from lxw_dual;
   de

6. 字符串转大写函数：upper,ucase
   语法: upper(string A) ucase(string A)
   返回值: string
   说明：返回字符串A的大写格式
   举例：
   hive> select upper(‘abSEd’) from lxw_dual;
   hive> select ucase(‘abSEd’) from lxw_dual;

7. 字符串转小写函数：lower,lcase
   语法: lower(string A) lcase(string A)
   返回值: string
   说明：返回字符串A的小写格式
   举例：
   hive> select lower(‘abSEd’) from lxw_dual;
   absed
   hive> select lcase(‘abSEd’) from lxw_dual;
   absed

8. 去空格函数：trim
   语法: trim(string A)
   返回值: string
   说明：去除字符串两边的空格
   举例：
   hive> select trim(’ abc ‘) from lxw_dual;
   abc

9. 左边去空格函数：ltrim
   语法: ltrim(string A)
   返回值: string
   说明：去除字符串左边的空格
   举例：
   hive> select ltrim(’ abc ‘) from lxw_dual;
   abc

10. 右边去空格函数：rtrim
    语法: rtrim(string A)
    返回值: string
    说明：去除字符串右边的空格
    举例：
    hive> select rtrim(’ abc ‘) from lxw_dual;
    abc

11. 正则表达式替换函数：regexp_replace
    语法: regexp_replace(string A, string B, string C)
    返回值: string
    说明：将字符串A中的符合java正则表达式B的部分替换为C。注意，在有些情况下要使用转义字符,类似oracle中的regexp_replace函数。
    举例：
    hive> select regexp_replace(‘foobar’, ‘oo|ar’, ”) from lxw_dual;
    fb

12. 正则表达式解析函数：regexp_extract
    语法: regexp_extract(string subject, string pattern, int index)
    返回值: string
    说明：将字符串subject按照pattern正则表达式的规则拆分，返回index指定的字符。
    举例：
    hive> select regexp_extract(‘foothebar’, ‘foo(.*?)(bar)’, 1) fromlxw_dual;
    the
    hive> select regexp_extract(‘foothebar’, ‘foo(.*?)(bar)’, 2) fromlxw_dual;
    bar
    hive> select regexp_extract(‘foothebar’, ‘foo(.*?)(bar)’, 0) fromlxw_dual;
    foothebar
    注意，在有些情况下要使用转义字符，下面的等号要用双竖线转义，这是java正则表达式的规则。
    select data_field,
    regexp_extract(data_field,’.*?bgStart\=([^&]+)’,1) as aaa,
    regexp_extract(data_field,’.*?contentLoaded_headStart\=([^&]+)’,1) as bbb,
    regexp_extract(data_field,’.*?AppLoad2Req\=([^&]+)’,1) as ccc
    from pt_nginx_loginlog_st
    where pt = ‘2012-03-26’limit 2;

13. URL解析函数：parse_url
    语法: parse_url(string urlString, string partToExtract [, stringkeyToExtract])
    返回值: string
    说明：返回URL中指定的部分。partToExtract的有效值为：HOST, PATH, QUERY, REF, PROTOCOL, AUTHORITY, FILE, and USERINFO.
    举例：
    hive> selectparse_url(‘http://facebook.com/path1/p.PHP?k1=v1&k2=v2#Ref1‘, ‘HOST’) fromlxw_dual;
    facebook.com
    hive> selectparse_url(‘http://facebook.com/path1/p.php?k1=v1&k2=v2#Ref1‘, ‘QUERY’,’k1’) from lxw_dual;
    v1

14. json解析函数：get_json_object
    语法: get_json_object(string json_string, string path)
    返回值: string
    说明：解析json的字符串json_string,返回path指定的内容。如果输入的json字符串无效，那么返回NULL。
    举例：
    hive> select get_json_object(‘{“store”:

    {“fruit”:[{“weight”:8,”type”:”apple”},{“weight”:9,”type”:”pear”}],
    “bicycle”:{“price”:19.95,”color”:”red”}
    },
    “email”:”amy@only_for_json_udf_test.NET”,
    “owner”:”amy”
    }
    ‘,’$.owner’) from lxw_dual;
    amy

15. 空格字符串函数：space
    语法: space(int n)
    返回值: string
    说明：返回长度为n的字符串
    举例：
    hive> select space(10) from lxw_dual;
    hive> select length(space(10)) from lxw_dual;
    10

16. 重复字符串函数：repeat
    语法: repeat(string str, int n)
    返回值: string
    说明：返回重复n次后的str字符串
    举例：
    hive> select repeat(‘abc’,5) from lxw_dual;
    abcabcabcabcabc

17. 首字符ascii函数：ascii
    语法: ascii(string str)
    返回值: int
    说明：返回字符串str第一个字符的ascii码
    举例：
    hive> select ascii(‘abcde’) from lxw_dual;
    97

18. 左补足函数：lpad
    语法: lpad(string str, int len, string pad)
    返回值: string
    说明：将str进行用pad进行左补足到len位
    举例：
    hive> select lpad(‘abc’,10,’td’) from lxw_dual;
    tdtdtdtabc
    注意：与GP，ORACLE不同，pad不能默认

19. 右补足函数：rpad
    语法: rpad(string str, int len, string pad)
    返回值: string
    说明：将str进行用pad进行右补足到len位
    举例：
    hive> select rpad(‘abc’,10,’td’) from lxw_dual;
    abctdtdtdt

20. 分割字符串函数: split
    语法: split(string str, stringpat)
    返回值: array
    说明:按照pat字符串分割str，会返回分割后的字符串数组
    举例：
    hive> select split(‘abtcdtef’,’t’) from lxw_dual;
    [“ab”,”cd”,”ef”]

21. 集合查找函数:find_in_set
    语法: find_in_set(string str, string strList)
    返回值: int
    说明:返回str在strlist第一次出现的位置，strlist是用逗号分割的字符串。如果没有找该str字符，则返回0
    举例：
    hive> select find_in_set(‘ab’,’ef,ab,de’) from lxw_dual;
    2
    hive> select find_in_set(‘at’,’ef,ab,de’) from lxw_dual;
    0

八、集合统计函数
1. 个数统计函数: count
语法: count(*), count(expr), count(DISTINCT expr[, expr_.])
返回值: int
说明: count(*)统计检索出的行的个数，包括NULL值的行；count(expr)返回指定字段的非空值的个数；count(DISTINCTexpr[, expr_.])返回指定字段的不同的非空值的个数
举例：
hive> select count(*) from lxw_dual;
20
hive> select count(distinct t) from lxw_dual;
10

1. 总和统计函数: sum
   语法: sum(col), sum(DISTINCT col)
   返回值: double
   说明: sum(col)统计结果集中col的相加的结果；sum(DISTINCT col)统计结果中col不同值相加的结果
   举例：
   hive> select sum(t) from lxw_dual;
   100
   hive> select sum(distinct t) from lxw_dual;
   70

2. 平均值统计函数: avg
   语法: avg(col), avg(DISTINCT col)
   返回值: double
   说明: avg(col)统计结果集中col的平均值；avg(DISTINCT col)统计结果中col不同值相加的平均值
   举例：
   hive> select avg(t) from lxw_dual;
   50
   hive> select avg (distinct t) from lxw_dual;
   30

3. 最小值统计函数: min
   语法: min(col)
   返回值: double
   说明:统计结果集中col字段的最小值
   举例：
   hive> select min(t) from lxw_dual;
   20

4. 最大值统计函数: max
   语法: maxcol)
   返回值: double
   说明:统计结果集中col字段的最大值
   举例：
   hive> select max(t) from lxw_dual;
   120

5. 非空集合总体变量函数:var_pop
   语法: var_pop(col)
   返回值: double
   说明:统计结果集中col非空集合的总体变量（忽略null）
   举例：

6. 非空集合样本变量函数:var_samp
   语法: var_samp (col)
   返回值: double
   说明:统计结果集中col非空集合的样本变量（忽略null）
   举例：

7. 总体标准偏离函数:stddev_pop
   语法: stddev_pop(col)
   返回值: double
   说明:该函数计算总体标准偏离，并返回总体变量的平方根，其返回值与VAR_POP函数的平方根相同
   举例：

8. 样本标准偏离函数:stddev_samp
   语法: stddev_samp (col)
   返回值: double
   说明:该函数计算样本标准偏离
   举例：

10．中位数函数:percentile
语法: percentile(BIGINT col, p)
返回值: double
说明:求准确的第pth个百分位数，p必须介于0和1之间，但是col字段目前只支持整数，不支持浮点数类型
举例：

1. 中位数函数:percentile
   语法: percentile(BIGINT col, array(p1 [, p2]…))
   返回值: array
   说明:功能和上述类似，之后后面可以输入多个百分位数，返回类型也为array，其中为对应的百分位数。
   举例：
   select percentile(score,<0.2,0.4>) from lxw_dual；取0.2，0.4位置的数据

2. 近似中位数函数:percentile_approx
   语法: percentile_approx(DOUBLE col, p [, B])
   返回值: double
   说明:求近似的第pth个百分位数，p必须介于0和1之间，返回类型为double，但是col字段支持浮点类型。参数B控制内存消耗的近似精度，B越大，结果的准确度越高。默认为10,000。当col字段中的distinct值的个数小于B时，结果为准确的百分位数
   举例：

3. 近似中位数函数:percentile_approx
   语法: percentile_approx(DOUBLE col, array(p1 [, p2]…) [, B])
   返回值: array
   说明:功能和上述类似，之后后面可以输入多个百分位数，返回类型也为array，其中为对应的百分位数。
   举例：

4. 直方图:histogram_numeric
   语法: histogram_numeric(col, b)
   返回值: array