hive regex insert join group cli

hive regex insert join group cli

大家好,又见面了,我是全栈君,祝每个程序员都可以多学几门语言。

1.insert

Insert时,from子句既能够放在select子句后,也能够放在insert子句前,以下两句是等价的

hive> FROM invites a INSERT OVERWRITE TABLE eventsSELECT a.bar, count(*) WHERE a.foo > 0 GROUP BY a.bar;

hive> INSERT OVERWRITE TABLE events SELECTa.bar, count(*) FROM invites a WHERE a.foo > 0 GROUP BY a.bar;

2.导出文件到本地

INSERTOVERWRITE LOCAL DIRECTORY ‘/tmp/local_out’ SELECT a.* FROM pokes a;

一个源能够同一时候插入到多个目标表或目标文件,多目标insert能够用一句话来完毕

FROM src

  INSERT OVERWRITE TABLE dest1 SELECT src.*WHERE src.key < 100

  INSERT OVERWRITE TABLE dest2 SELECT src.key,src.value WHERE src.key >= 100 and src.key < 200

  INSERT OVERWRITE TABLE dest3PARTITION(ds=’2014-08-22′, hr=’12’) SELECT src.key WHERE src.key >= 200 andsrc.key < 300

  INSERT OVERWRITE LOCAL DIRECTORY’/tmp/dest4.out’ SELECT src.value WHERE src.key >= 300;

执行一个脚本(两种方式)

HIVE_HOME/bin/hive-f /home/my/hive-script.sql

HIVE_HOME/bin/hive-i /home/my/hive-init.sql

3.hive CLI

 hive>set  i=32;

 hive> set i;

 hive> select a.* from xiaojun a;

 hive> !ls;

 hive> dfs -ls;

eg:

  hive> set$i=’121.61.99.14.128160791368.5′;

  hive> selectcount(*) from c02_clickstat_fatdt1 where cookie_id=$i;

4.REGEX Column

  SELECT 语句能够使用正則表達式做列选择,以下的语句查询除了 ds 和 hr 之外的全部列:SELECT `(ds|hr)?+.+` FROM sales

 

5.Sort By 语法:

Sort顺序将依据列类型而定。假设数字类型的列,则排序顺序也以数字顺序。假设字符串类型的列,则排序顺序将按字典顺序。

colOrder: ( ASC | DESC )

sortBy: SORT BY colName colOrder? (‘,’ colName colOrder?)*

query: SELECT expression (‘,’ expression)* FROM src sortBy

6.group by

  高级特性:

  聚合可进一步分为多个表,甚至发送到Hadoop的DFS的文件(能够进行操作,然后使用HDFS的utilitites)。比如我们能够依据性别划分,须要找到独特的页面浏览量按年龄划分。如以下的样例:

  FROM pv_users  

  INSERT OVERWRITE TABLE pv_gender_sum

  SELECT pv_users.gender, count(DISTINCT pv_users.userid)

  GROUP BY pv_users.gender

  INSERT OVERWRITE DIRECTORY ‘/user/facebook/tmp/pv_age_sum’

  SELECT pv_users.age, count(DISTINCT pv_users.userid)

  GROUP BY pv_users.age;

 

  hive.map.aggr能够控制怎么进行汇总。默觉得为true,配置单元会做的第一级聚合直接在MAP上的任务。这通常提供更好的效率,但可能须要很多其它的内存来执行成功。

  set hive.map.aggr=true;

  SELECT COUNT(*) FROM table2;

  PS:在要特定的场合使用可能会加效率。只是我试了一下,比直接使用False慢非常多。

1.Join

Hive 仅仅支持等值连接(equality joins)、外连接(outer joins)和(left/right joins)。Hive 不支持全部非等值的连接,由于非等值连接很难转化到 map/reduce 任务。另外,Hive 支持多于 2 个表的连接。

比如:

  SELECT a.* FROMa JOIN b ON (a.id = b.id)

  SELECT a.* FROMa JOIN b

  ON (a.id =b.id AND a.department = b.department)

是正确的,然而:

  SELECT a.* FROMa JOIN b ON (a.id  b.id)

是错误的。

a.能够 join 多于 2 个表。

比如

  SELECT a.val,b.val, c.val FROM a JOIN b

    ON (a.key =b.key1) JOIN c ON (c.key = b.key2)

假设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,比如:

  SELECT a.val,b.val, c.val FROM a JOIN b

    ON (a.key =b.key1) JOIN c

    ON (c.key =b.key1)

被转化为单个 map/reduce 任务,由于 join 中仅仅使用了 b.key1 作为 join key。

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

JOIN c ON (c.key= b.key2)

而这一 join 被转化为 2 个map/reduce 任务。由于 b.key1 用于第一次join 条件,而 b.key2 用于第二次 join。 

b.join 时,每次 map/reduce 任务的逻辑:

reducer 会缓存 join 序列中除了最后一个表的全部表的记录,再通过最后一个表将结果序列化到文件系统。这一实现有助于在 reduce 端降低内存的使用量。实践中,应该把最大的那个表写在最后(否则会由于缓存浪费大量内存)。比如:

SELECT a.val,b.val, c.val FROM a

JOIN b ON(a.key = b.key1) JOIN c ON (c.key = b.key1)

全部表都使用同一个 join key(使用 1 次map/reduce 任务计算)。Reduce 端会缓存 a 表和 b 表的记录,然后每次取得一个 c 表的记录就计算一次 join 结果,类似的还有:

SELECT a.val,b.val, c.val FROM a

JOIN b ON(a.key = b.key1) JOIN c ON (c.key = b.key2)

这里用了 2 次 map/reduce 任务。第一次缓存 a 表,用 b 表序列化;第二次缓存第一次 map/reduce 任务的结果,然后用 c 表序列化。

c.LEFT,RIGHT 和 FULLOUTER keyword用于处理 join 中空记录的情况。

比如:

  SELECT a.val,b.val FROM a LEFT OUTER

  JOIN b ON(a.key=b.key)

相应全部 a 表中的记录都有一条记录输出。输出的结果应该是 a.val, b.val,当 a.key=b.key 时,而当 b.key 中找不到等值的 a.key 记录时也会输出 a.val, NULL。“FROM a LEFT OUTER JOIN b”这句一定要写在同一行——意思是 a 表在 b 表的左边,所以 a 表中的全部记录都被保留了;“aRIGHT OUTER JOIN b”会保留全部 b 表的记录。OUTER JOIN 语义应该是遵循标准 SQL spec的。

Join 发生在 WHERE 子句之前。假设你想限制 join 的输出,应该在 WHERE 子句中写过滤条件——或是在 join 子句中写。这里面一个easy混淆的问题是表分区的情况:

  SELECT a.val,b.val FROM a

  LEFT OUTER JOINb ON (a.key=b.key)

  WHEREa.ds=’2014-08-22′ AND b.ds=’2014-08-022′

会 join a 表到 b 表(OUTERJOIN),列出 a.val 和 b.val 的记录。WHERE 从句中能够使用其它列作为过滤条件。可是,如前所述,假设 b 表中找不到相应 a 表的记录,b 表的全部列都会列出NULL,包含 ds 列。也就是说,join 会过滤 b 表中不能找到匹配a 表 join key 的全部记录。这种话,LEFTOUTER 就使得查询结果与 WHERE 子句无关了。解决的办法是在 OUTER JOIN 时使用下面语法:

  SELECT a.val,b.val FROM a LEFT OUTER JOIN b

  ON (a.key=b.keyAND

     b.ds=’2014-08-22′ AND

     a.ds=’2014-08-22′)

这一查询的结果是预先在 join 阶段过滤过的,所以不会存在上述问题。这一逻辑也能够应用于 RIGHT 和 FULL 类型的 join 中。

Join 是不能交换位置的。不管是 LEFT 还是 RIGHT join,都是左连接的。

  SELECT a.val1,a.val2, b.val, c.val

  FROM a

  JOIN b ON (a.key= b.key)

  LEFT OUTER JOINc ON (a.key = c.key)

先 join a 表到 b 表,丢弃掉全部join key 中不匹配的记录,然后用这一中间结果和 c 表做 join。这一表述有一个不太明显的问题,就是当一个 key 在 a 表和 c 表都存在,可是 b 表中不存在的时候:整个记录在第一次 join,即 a JOIN b 的时候都被丢掉了(包含a.val1,a.val2和a.key),然后我们再和 c 表 join 的时候,假设c.key 与 a.key 或 b.key 相等,就会得到这种结果:NULL, NULL, NULL, c.val。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/118336.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • 最全Mac系统快捷键一览

    最全Mac系统快捷键一览Mac中主要有四个修饰键,分别是Command,Control,Option和Shift。这四个键分别有自己的图案,他们经常出现在Mac应用程序中的菜单栏里,方便你随时学习新的快捷键。MAC键盘快捷键符号图例通用Command是Mac里最重要的修饰键,在大多数情况下相当于Windows下的Ctrl。所以以下最基本操作很好理解:Command+Z 撤销Comma

  • linux挂载磁盘相关命令[通俗易懂]

    linux挂载磁盘相关命令[通俗易懂]linux下挂载磁盘相关命令

  • delphi xe datasnap 服务器显示客户端,Delphi xe datasnap[通俗易懂]

    delphi xe datasnap 服务器显示客户端,Delphi xe datasnap[通俗易懂]我想从客户端向服务端提交多个OleVariant内容.最初我想这样这实现functionSaveData(aDataArr:arrayofOleVariant;aTableArr:arrayofstring;aKeyArr:arrayofstring;varaErrorStr:string):Boolean;这样经测试不行,DATASNAP参数不能为数组.现在我用TJSONObje…

  • Jmeter—正则表达式提取器:模板&匹配数字详解「建议收藏」

    Jmeter—正则表达式提取器:模板&匹配数字详解「建议收藏」目录一、相关理论1.正则表达式2.模板3.匹配数字二、例子1.【模板&匹配数字】2.【例-贪婪&非贪婪】3.【例-普通】一、相关理论1.正则表达式():要提取的内容.:匹配任意单个字符串*:匹配(之前的符号)0次或多次+:匹配(+之前的符号)1次或多次?:不要太贪婪,在找到第一个匹配项后停止。.:匹配连续0个/多个字符.+:匹配连续1个/多个字符\:转义,.表示匹配字符.本身2.模板表示取哪几个括号中的值若模板为:000,则为整个表达式匹配到的内容(这里为整个响

  • oracle用户更改密码_修改system用户密码

    oracle用户更改密码_修改system用户密码前几天通过plsql登录数据库时,提示密码过期,需要修改密码,那就修改呗。改完过了会,再登录,发现用户被锁了。那就去解锁下吧。一、登录数据库服务器suoracle;sqlplus”/assysdba”;alteruserxxaccountunlock;重新登,发现还是锁着的,怀疑是有应用服务一直在尝试连数据库导致锁定,遂先把服务给停掉了。二、查看用户状态…

  • 修改Matlab的背景颜色

    修改Matlab的背景颜色网上的教程基本是修改prf文件或者输入一串命令其实使用界面操作就可以改变背景颜色步骤点击主页—>预设(预设在布局右边)点击颜色,出现以下界面。在这里,默认是勾选“使用系统颜色”的。我们把这一项取消勾选!取消勾选以后,“文本”和“背景”就变成可点击的状态,点击“背景”—>“更多颜色”在RGB这一栏输入护眼色的参数,R:199,G:237,B:2…

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号