1、coalesce

? ? 語法：

COALESCE ( expression [ ,...n ] )

　　參數：

　　expression 任何類型的表達式。

　　返回類型：

　　返回數據類型優先級最高的?expression?的數據類型。 如果所有表達式都不可為 Null，則結果的類型也不可為 Null。

　　備注 如果所有參數均為 NULL，則?COALESCE?返回?NULL。?至少應有一個?Null?值為?NULL?類型。 　　比較?COALESCE?和?CASE

COALESCE?表達式是?CASE?表達式的語法快捷方式。 即查詢優化器將代碼?COALESCE(expression1,...n)?重寫為以下?CASE?表達式：

CASE

WHEN (expression1?IS?NOT?NULL) THEN?expression1

WHEN (expression2?IS?NOT?NULL) THEN?expression2

...

ELSE expressionN

END

這意味著將多次計算輸入值（expression1、expression2、expressionN?等）。 此外，為了符合?SQL?標準，包含子查詢的值表達式被視為不確定的且子查詢被計算兩次。 在每種情況中，第一次計算和后續計算可能返回不同的結果。

?

2、having子句

　　sql中having子句與where子句類似，都是表示條件的設定，它們的區別在于，having子句在查詢過程中慢于聚合語句(sum,min,max,avg,count)；而where子句在查詢過程中則快于聚合語句(sum,min,max,avg,count)。

　　簡單說來：??

　　where子句：??
　　select sum(num) as rmb from order where id>10??
　　//先查詢出id大于10的記錄才能進行聚合語句??

　　having子句:??
　　select reportsto as manager, count(*) as reports from employees??
　　group by reportsto having count(*) > 4??

　　//having的條件表達式count()是一個聚合語句，因此having的執行一定慢于聚合語句count，如果換成where則會出錯。

　　//統計分組數據時用到聚合語句，對分組數據再次判斷時要用having。如果不用這些關系就不存在使用having。直接使用where就行了。 ?

　　having就是來彌補where在分組數據判斷時的不足。因為where要快于聚合語句。

?

　　如果你對何時應該使用WHERE，何時使用HAVING仍舊很迷惑，請遵照下面的說明：???

　　WHERE語句在GROUP?BY語句之前；SQL會在分組之前計算WHERE語句。???

　　HAVING語句在GROUP?BY語句之后；SQL會在分組之后計算HAVING語句。

3、mapjoin

使用MAPJOIN時，需要注意：
1、LEFT OUTER JOIN的左表必須是大表；
2、RIGHT OUTER JOIN的右表必須是大表；
3、INNER JOIN左表或右表均可以作為大表；
4、FULL OUTER JOIN不能使用MAPJOIN；
5、MAPJOIN支持小表為子查詢；
6、使用MAPJOIN時需要引用小表或是子查詢時，需要引用別名；
7、在MAPJOIN中，可以使用不等值連接或者使用OR連接多個條件；

　　mapjoin里寫的是小表，且left outer join時小表寫在join的后面；

　　hive中使用mapjoin有時可以大大提高sql語句的執行效率。

　　其原理是：它會把小表全部讀入內存中，在map的時候直接拿另外一張表的數據和內存中表的數據做匹配，進行join操作，這樣省去了reduce。

　　（1）在“關聯操作中有一個表非常小，另一個表很大”的場景下，mapjoin就不會由于數據傾斜而導致某個reduce上落數據太多而失敗；

　　例子：

SELECT?/*+ MAPJOIN(b) */?a.key, a.value FROM a JOIN b ON a.key = b.key

• does not need a reducer. For every mapper of A, B is read completely. The restriction is that?a FULL/RIGHT OUTER JOIN b?cannot be performed.

（2）在需要進行“不等值連接操作”的場景中（如a.x<b.y 或 a.x like b.y 等），由于where子句中的不等值join操作產生笛卡爾積，引起數據異常增大，速度會變慢；而mapjoin則可以提高此操作的效率，即使遇到笛卡爾積也不會對運行速度帶來太大影響；

　　例子：

　　

select /*+ MAPJOIN(a) */a.start_level, b.*from dim_level ajoin (select * from test) bwhere b.xx>=a.start_level and b.xx<end_level;

　　在同時需要進行大小表關聯和不等值關聯的情景下，用mapjoin會有更明顯的效果，尤其是大表數據傾斜比較嚴重的時候。

　　例子：

　　使用mapjoin前：

create table hive_no_mapjoin as select f.id,f.dt, coalesce(k.amt,0.0) amt from(select a.id,t.dt from hive_dt t join (select id, min(dt) min_dt from hive_mapjoin group by id) awhere t.dt>= a.min_dt) f left outer join hive_mapjoin k on f.dt = k.dt and f.id = k.id;

　　使用mapjoin后：

create table hive_ok_mapjoin as select f.id,f.dt, coalesce(k.amt,0.0) amt from(select /*+ mapjoin(t) */ a.id,t.dtfrom hive_dt t join (select id, min(dt) min_dt from hive_mapjoin group by id) a where t.dt>= a.min_dt) f left outer join tmp.tst1 kon f.dt = k.dt and f.id = k.id;

　　友情鏈接：http://www.cnblogs.com/tmeily/p/4250858.html

　　　　　　　http://www.ithao123.cn/content-579190.html

?

4、hive中，group by 需要比較多的reduce ， order by rand()需要比較多的map reduce，所以當數據量比較大的時候，如果這兩個動作同時執行，會很耗資源，解決的辦法是分成兩步，先order by rand() limit n 取出來，然后再從這個結果里面group by;

?

5、hive中，需要select 多個字段，但只要distinct某個字段并列出它的值，可以用：

select cid,count(distinct cid) from credit.vec_sim_pairs where dt=${CUR_DATE} and cid!='0' group by cid； 忽略count(distinct cid)這一列就可以了。 參考來源：http://www.jb51.net/article/24717.htm 6、查看某個表的某個分區的hdfs路徑 語句： use database; show table extended like table_name partition(dt='%Y%m%d') 7、隨機抽樣的語句：（1）select * from tablename TABLESAMPLE(n PERCENT|ROWS|ByteLengthLiteral ) where …… 其中，n percent將會抽取 n%的比例數據 （但是這種方法結果出來的數據并沒有真的是按比例抽取） （2）select * from my_table distribute by rand() sort by rand() limit 10000;（親測可靠） 參考：http://www.joefkelley.com/736/ http://www.aichengxu.com/other/9663663.htm http://lxw1234.com/archives/2015/08/444.htm 8、hive中字段類型轉換 cast(field as type) 或者： convert(field,type) 9、explain 使用explain可以查看hql語句運行的詳細信息； 例如： explain select a.key c1, a.value c2, b.key c3, b.value c4 from src a join src_skewjoin1 b on a.key = b.key;

轉載于:https://www.cnblogs.com/zichun-zeng/p/5899946.html

總結

以上是生活随笔為你收集整理的hive sql 学习笔记的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。