Day11:Hive的基本语法与使用
Posted 保护胖丁
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Day11:Hive的基本语法与使用相关的知识，希望对你有一定的参考价值。
优秀是一种习惯
知识点01：回顾
-
TextInputFormat中分片的规则是什么？
-
规则：判断文件大小是否满足128M的1.1
-
满足：128M一个分片
-
不满足：整体成为一个分片
-
公式
max(minSplit,min(MaxSplit,BlockSize))
-
-
什么是Reduce Join，特点和应用场景是什么？
-
思想：将两个文件的关联字段作为K2，利用Shuffle过程中的分组实现两个文件的关联
-
特点：必须经过Shuffle过程，Reduce端实现join
-
场景：大文件 join 大文件
-
-
什么是Map Join，特点和应用场景是什么？
-
思想：将小文件的整个内容放入分布式缓存中，在每台节点上让大文件的每个部分都与完整的小文件进行关联
-
特点：不需要经过shuffle，Map端实现Join
-
场景：小 join 大，小 join 小
-
-
YARN的架构是什么？
-
分布式主从架构
-
ResourceManager
- 管理从节点：心跳机制
- 资源管理和任务调度
- 接客
-
NodeManager
- 负责管理自己所在节点的资源，执行主节点分配的任务
-
-
常见的调度机制有哪些，各自的特点和区别是什么？
-
FIFO：单队列，队列内部是FIFO，不能并行和并发
-
Capacity：多队列，队列内部是FIFO，能并行
-
Fair：多列列，队列内部是公平共享资源，能并行和并发
-
-
什么是Hive，有什么功能，应用场景是什么？
- Hive本质：一种支持SQL的Hadoop客户端
- 功能
- 一：将HDFS文件映射成表的数据
- 构建数据仓库
- 二：将SQL转换为MR，提交给YARN
- 实现分布式计算：替代品：Presto、Impala、SparkSQL……
- 一：将HDFS文件映射成表的数据
- 应用
- 用于构建数据仓库
知识点02：目标
- Hive的功能是怎么实现的？【重点】
- 如何能将HDFS的文件映射成表的数据？
- 如何能将SQL转换为MapReduce的程序？
- Hive元数据的管理 【掌握】
- 元数据存储
- 元数据使用
- 元数据服务
- Hive基本使用
- 客户端
- SQL脚本
- 命令、日志配置
- HiveSQL语法：HQL**【重点】**
- DDL
- DML
- DQL
- Hive中表的分类
- 管理表
- 临时表
- 外部表
知识点03：Hive与HDFS的数据映射
-
引入：SQL对表进行操作，Hive是如何知道表对应的HDFS数据是哪个的？
-
目标：掌握Hive与HDFS数据映射关系
-
路径
- step1：Hive对象与HDFS的关系
- step2：元数据映射
-
实施
-
Hive对象与HDFS的关系
-
数据库：每个数据库会在HDFS中对应一个目录
- 目录的名字：数据库名.db
-
-
- 表：每张表会在数据库对应的目录下建立一个与表同名的目录
- 表的数据：映射的是HDFS上的文件
-
元数据映射
-
当执行SQL语句，Hive如何知道这个表对应的HDFS的数据是什么？
select * from wordcount; -
所有Hive中数据库、表与HDFS的映射关系都存储在元数据中，Hive服务端会读取元数据找到这张表对应的HDFS数据
-
过程
-
先检索数据库的信息
-
再检索表的信息
-
-
- 通过表的SD_ID来获取这张表映射的HDFS的地址
- 将整个表的目录中所有数据进行读取并返回
-
小结
- Hive与HDFS的映射关系怎么实现的？
- 将Hive中对象与HDFS映射记录在元数据中
- 数据库：HDFS目录
- 表：HDFS目录
- 表中的数据：HDFS文件
知识点04：Hive转换MapReduce过程
-
引入：SQL对表进行操作，Hive是如何转换为MapReduce程序的？
-
目标：了解Hive转换MapReduce的过程
-
路径
- step1：功能映射
- step2：执行解析
-
实施
-
功能映射
-
SQL语法
select 1 from 2 where 3 group by 4 having 5 order by 6 limit 7- 1-决定了结果中的列的内容
-
MapReduce阶段
- Input、Map、Shuffle、Reduce、Output
-
映射
MapReduce SQL Input 2 Map 1,2 Shuffle 4，6 Reduce 5,7 Output 将SQL结果保存
-
-
执行解析
select region,count(*) as numb from tb_house where region != '浦东' group by region order by numb;- 查看执行计划：explain
explain select region,count(*) as numb from tb_house where region != '浦东' group by region order by numb;
-
-
小结
- 了解SQL语法与MapReduce的基本映射关系即可
知识点05：元数据：metastore功能与存储
- 引入：Hive的元数据的功能是什么？元数据都存储在什么位置？
- 目标：了解metastore的功能与存储方式
- 路径
- step1：metastore的功能
- step2：metastore的存储方式
- 实施
-
metastore的功能
- Hive中的元数据记录了Hive中所有对象信息
- 数据库信息
- 表的信息
- 字段的信息
- 重点记录了Hive表与HDFS文件的映射关系
- 每次创建表关联文件：Hive都会自动创建表的元数据
- 每次查询表的数据：Hive都会从元数据中获取表对应的HDFS信息
- Hive中的元数据记录了Hive中所有对象信息
-
metastore的存储三种方式
-
方式
- 嵌入式数据库：Local/Embedded Metastore Database (Derby)
- 存储在derby中
- 本地数据库
- 存储在mysql中，直接访问
- 远程Metastore服务
- 存储在MySQL中，但是是通过一个进程来进行访问
- 嵌入式数据库：Local/Embedded Metastore Database (Derby)
-
位置
-
默认位置：Hive自带的Derby数据库
- 缺点：不能共享，不能启动多个实例，一般不用
-
自定义位置：自定义将元数据存储在其他数据库中
- 类型：MySQL、Oracle、PostGrepSQL，工作中一般存储在MySQL中
-
-
-
- 小结
- metastore的功能是什么？
- 存储Hive中所有对象的信息：数据库、表、列
- 存储Hive中表与HDFS的映射关系
- metastore存储在什么位置？
- 默认位置：derby数据库
- 自定义位置：MySQL中
- metastore的功能是什么？
知识点06：元数据：metastore共享问题
-
引入：实际工作中如果不使用Hive本身做计算处理，外部的计算系统如何获取Hive中的表的信息？
-
目标：了解Hive中的元数据共享问题
-
路径
- step1：工作中的应用场景
- step2：面临的问题
-
实施
- 工作中的应用场景
- 不使用Hive来实现数据仓库中的分布式计算
- 使用替代品：SparkSQL、Impala、Presto
- 更快，性能更好，语法都兼容Hive的语法
- 面临的问题
- 问题1：如果用SparkSQL来处理Hive数据仓库中的表，SparkSQL怎么知道Hive中有哪些表？
- 解决：让SparkSQL读取Hive元数据就可以了
- 问题2：如何SparkSQL获取了Hive的元数据，SparkSQL怎么知道这个元数据的含义是什么？
- 解决：解析元数据的含义
- 问题3：如果多个框架都需要访问Hive的元数据，每个框架都封装解析代码，就非常冗余
- 问题1：如果用SparkSQL来处理Hive数据仓库中的表，SparkSQL怎么知道Hive中有哪些表？
- 工作中的应用场景
-
小结
- metastore共享的问题是什么？
- 大家都需要访问元数据，但是只有Hive知道元数据是什么含义，怎么解决
知识点07：元数据：metastore服务
- 引入：如何解决元数据共享的问题？
- 目标：掌握metastore服务的功能与使用
- 路径
- step1：metastore的功能
- step2：metastore的配置
- step3：metastore的启动
- 实施
-
metastore的功能
- 元数据共享服务
-
step1：专门负责管理Hive的元数据
- step2：接受所有需要访问元数据的请求
-
- **注意：一旦配置了Metastore，必须先启动metastore，再启动Hive的服务端**
-
metastore的配置
- 修改hive-site.xml
<property> <name>hive.metastore.uris</name> <value>thrift://node3:9083</value> </property>-
metastore的启动
-
先启动Metastore服务
hive --service metastore
-
-
再启动Hive的服务端和客户端
hive
-
小结
-
metastore服务的功能是什么？
- 实现元数据共享
-
metastore服务如何启动？
hive --service metastore
-
知识点08：Hive客户端与服务端
-
目标：掌握Hive 客户端的功能及应用场景
-
路径
- step1：Hive shell
- step2：Beeline与hiveserver2
- step3：JDBC
-
实施
-
Hive shell
- 功能：Hive的特殊客户端，启动时会自动包含启动服务端
- 命令
- hive
- 特点
- 服务端和客户端一体
- 交互性不太友好
- 应用
- 用于封装SQL脚本
-
Beeline与hiveserver2
-
功能
- beeline：纯客户端
-
hiveserver2：Hive中独立的服务端进程
-
命令
-
beeline：启动Hive纯客户端
beeline -u jdbc地址 -n 用户名 -p 密码 beeline !connect jdbc地址 用户名 密码 -
hiveserver2：启动Hive服务端
hive --service hiveserver2 或者 hiveserver2 -
启动测试
-
先启动metastore
hive --service metastore- 端口：9083
-
再启动Hive服务端
hiveserver2- 端口:10000
-
-
-
配置
-
修改Hadoop用户授权
-
关闭HDFS和YARN
stop-dfs.sh stop-yarn.sh -
修改core-site.xml
cd /export/server/hadoop-2.7.5/etc/hadoop/ vim core-site.xml<property> <name>hadoop.proxyuser.root.hosts</name> <value>*</value> </property> <property> <name>hadoop.proxyuser.root.groups</name> <value>*</value> </property> -
分发
scp core-site.xml node2:$PWD scp core-site.xml node3:$PWD -
启动HDFS和YARN
start-dfs.sh start-yarn.sh
-
-
复制standalone包
cd /export/server/hive-2.1.0-bin cp jdbc/hive-jdbc-2.1.0-standalone.jar lib/
-
-
启动
-
方式一：直接进入
beeline !connect jdbc:hive2://node3:10000 root 123456
-
-
-
-
方式二：直接连接
beeline -u jdbc:hive2://node3:10000 -n root -p 123456
-
退出：!quit
-
特点
- 交互性比较友好
-
应用
- 一般用于交互式的查询
-
JDBC
-
语法
-
基本与MySQL的JDBC是一致的
//step1：指定驱动类 //step2：构建连接对象 //step3：构建SQL对象 //step4：执行SQL获取结果
-
-
测试
import java.sql.SQLException; import java.sql.Connection; import java.sql.ResultSet; import java.sql.Statement; import java.sql.DriverManager; public class HiveJdbcClient { private static String driverName = "org.apache.hive.jdbc.HiveDriver"; /** * @param args * @throws SQLException */ public static void main(String[] args) throws SQLException { try { Class.forName(driverName); } catch (ClassNotFoundException e) { // TODO Auto-generated catch block e.printStackTrace(); System.exit(1); } //replace "hive" here with the name of the user the queries should run as Connection con = DriverManager.getConnection("jdbc:hive2://node3:10000/default", "root", "123456"); Statement stmt = con.createStatement(); String tableName = "tb_house"; String sql = "select region,t_price,s_price from " + tableName +" limit 100"; System.out.println("Running: " + sql); ResultSet res = stmt.executeQuery(sql); while (res.next()) { System.out.println(res.getString(1) + "\\t" + res.getInt(2)+ "\\t" + res.getInt(3)); } } }
-
应用
- 一般用于封装交互式的程序：Navicat、DataGrip
-
-
小结
-
Hive的常见客户端以及各自的应用场景是什么？
-
客户端
- Hive Shell：客户端与服务端是一体的，用于封装SQL脚本
- Beeline：交互性比较友好，单纯的客户端，必须搭配服务端来实现，一般用于交互式开发测试
- JDBC：原生的JDBC的接口代码，一般用于封装交互式的客户端，我们一般不用
-
服务端
-
hiveserver2:10000
hive --service hiveserver2 hiveserver2 -
metastore：9083
-
-
-
知识点09：启动脚本与SQL脚本
-
引入：工作中如何封装SQL脚本实现SQL脚本的自动化运行？
-
目标：掌握HIve的SQL脚本的封装
-
路径
- step1：封装Hive服务端的启动脚本
- step2：HiveSQL脚本的封装
- step3：SQL脚本中传递变量
-
实施
-
封装Hive服务端的启动脚本
-
创建日志目录
mkdir /export/server/hive-2.1.0-bin/logs- DEBUG：详细的日志级别
- INFO：显示的信息会包含主要的日志信息
- WARN：只记录警告级别的日志
- ERROR：只记录错误级别的日志
-
Metastore启动脚本
vim /export/server/hive-2.1.0-bin/bin/start-metastore.sh#!/bin/bash #HIVE_HOME HIVE_HOME=/export/server/hive-2.1.0-bin #run metastore $HIVE_HOME/bin/hive --service metastore >> $HIVE_HOME/logs/metastore.log 2>&1 & -
HiveServer2启动脚本
vim /export/server/hive-2.1.0-bin/bin/start-hiveserver2.sh#!/bin/bash #HIVE_HOME HIVE_HOME=/export/server/hive-2.1.0-bin #run hiveserver2 $HIVE_HOME/bin/hiveserver2 >> $HIVE_HOME/logs/hiveserver2.log 2>&1 & -
Beeline启动脚本
vim /export/server/hive-2.1.0-bin/bin/start-beeline.sh#!/bin/bash #HIVE_HOME HIVE_HOME=/export/server/hive-2.1.0-bin #run beeline $HIVE_HOME/bin/beeline -u jdbc:hive2://node3:10000 -n root -p 123456 -
修改权限
chmod u+x /export/server/hive-2.1.0-bin/bin/start-*
-
-
-
HiveSQL脚本的封装
-
需求：每天00:01分自动对昨天的数据做分析
select count(*) from table where daystr = '2021-05-01'; -
问题1：每天的0点01分自动执行，怎么实现？
-
Linux Crontab：定时任务
* * * * * Linux command -
实现
01 00 * * * hive -e 'select count(*) from table where daystr = '2021-05-01';'
-
-
问题2：怎么让Hive的SQL语句在Linux的命令行执行？
-
解决：利用Hive Shell的客户端来实现，查看客户端的用法
[root@node3 ~]# hive -H usage: hive -d,--define <key=value> Variable subsitution to apply to hive commands. e.g. -d A=B or --define A=B --database <databasename> Specify the database to use -e <quoted-query-string> SQL from command line -f <filename> SQL from files -H,--help Print help information --hiveconf <property=value> Use value for given property --hivevar <key=value> Variable subsitution to apply to hive commands. e.g. --hivevar A=B -i <filename> Initialization SQL file -S,--silent Silent mode in interactive shell -v,--verbose Verbose mode (echo executed SQL to the console)-
-e：执行命令行中的SQL语句
hive -e 'show databases;'- 直接执行命令行中提供的SQL语句
- 应用：要执行比较少的单条SQL语句
-
-f：执行一个SQL文件
-
创建一个SQL文件：vim /export/data/hive.sql
show databases; use default; select region,s_price,area from tb_house limit 10; -
执行SQL文件
hive -f /export/data/hive.sql
-
-
-
工作中的使用
-
定时任务
01 00 * * * bash /export/data/exec.sh -
exec.sh
#!/bin/bash #定义变量 HIVE_HOME=/export/server/hive-2.1.0-bin #运行SQL语句 #$HIVE_HOME/bin/hive -e 'show databases;' $HIVE_HOME/bin/hive -f /export/data/hive.sql
-
-
-
-
SQL脚本中传递变量
-
问题：如果运行的SQL文件，SQL文件中的SQL语句中的参数是动态变化的，如何解决？
-
解决：通过–hiveconf，将Shell脚本中变量转换为一个Hive中的变量
-
–hiveconf：用于定义Hive中属性的值或者定义Hive中的变量
-
shell脚本
#!/bin/bash #获取昨天的日期 yesterday=`date -d '-1 day' +%Y%m%d` #定义变量 HIVE_HOME=/export/server/hive-2.1.0-bin #运行SQL语句 #$HIVE_HOME/bin/hive -e 'select count(*) from table where daystr = '${yesterday}';' $HIVE_HOME/bin/hive --hiveconf yester=${yesterday} -f /export/data/hive.sql -
SQL文件
select count(*) from table where daystr = '${hiveconf:yester}';
-
-
-
小结
- 如何封装Hive的SQL脚本？
- 在Linux中执行SQL语句
- -e：执行命令行中的单条SQL语句
- -f：执行多条SQL语句封装的SQL文件
- 变量传递
- –hiveconf
- 在Linux中执行SQL语句
- 如何封装Hive的SQL脚本？
知识点10：常用命令与日志配置
-
目标：掌握基本常用命令及实现日志存储配置
-
路径
- step1：常用命令
- step2：日志存储配置
-
实施
-
常用命令
- dfs：用于直接在Hive执行HDFS的操作
-
- set：查看或者临时修改【只在当前的会话窗口有效】Hive中属性的值
- hive.exec.mode.local.auto：Hive中的本地模式
- 默认关闭，测试时可以开启，对于小数据量的MR程序运行的比较快，不提交给YARN
- 限制
- MapTask的个数不允许超过4个
- ReduceTask个数不允许超过1个
- 输入数据量不允许超过128M
- add：添加jar包或者文件到Hive的环境变量中
```
add jar xxx.jar;
add file xxx
```
- list：列举添加的文件或者jar包
```
list files
list jars
```
- delete：删除添加的文件或者jar包
-
日志存储配置
-
重命名日志配置文件
cd /export/server/hive-2.1.0-bin/conf/ mv hive-log4j2.properties.template hive-log4j2.properties -
修改配置
vim hive-log4j2.properties#修改第24行 property.hive.log.dir = /export/server/hive-2.1.0-bin/logs -
重启Hive的服务端
-
-
小结
- 了解常用命令并实现日志配置即可
知识点11：HQL语法：DDL
-
目标：掌握HQL语法中的DDL命令
-
路径
- step1：数据库管理
- step2：数据表管理
-
实施
-
Hive官网语法文档：https://cwiki.apache.org/confluence/display/Hive/LanguageManual
-
数据库管理
-
列举
show databases;
-
-
-
创建
create database [if not exists ] dbname [comment] [location]-
comment：数据库的注释
-
location：用于指定这个数据库对应的HDFS目录是谁
- 目录默认的位置：/user/hive/warehouse/dbname.db
- 如果不指定，数据库目录就在默认的目录下
-
举个例子
create database db_emp1; dfs -mkdir /testdb; create database db_emp2 location '/testdb';
-
-
切换
use dbname;
- 删除
```sql
drop database [if exists] dbname [cascade];
```
- cascade：用于删除非空的数据库
-
数据表管理
-
列举
show tables; show tables in dbname;
-
-
创建
- 语法
CREATE [TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS] [db_name.]table_name
(
col1Name col1Type [COMMENT col_comment],
co21Name col2Type [COMMENT col_comment],
co31Name col3Type [COMMENT col_comment],
co41Name col4Type [COMMENT col_comment],
co51Name col5Type [COMMENT col_comment],
……
coN1Name colNType [COMMENT col_comment]
)
[PARTITIONED BY (col_name data_type ...)] --分区表结构
[CLUSTERED BY (col_name...) [SORTED BY (col_name ...)] INTO N BUCKETS] --分桶表结构
[ROW FORMAT row_format] -- 指定数据文件的分隔符
row format delimited fields terminated by '列的分隔符' -- 列的分隔符，默认为\\001
lines terminated by '行的分隔符' --行的分隔符，默认\\n
[STORED AS file_format] -- 指定文件的存储格式
[LOCATION hdfs_path] -- 用于指定表的目录所在位置，默认表的目录在数据库的目录下面
-
流程
-
step1：先确认数据的格式
-
数据的分隔符是什么
- 有几列
-
每一列的类型是什么
- step2：再按照创建表的语法去建表
- 注意：数据的格式决定了表的结构
-
方式一：普通方式
-
功能：一般用于创建一张表加载数据文件，将文件构建表结构
-
先查看员工数据文件格式
-
列
7499 ALLEN SALESMAN 7698 1981-2-20 1600.00 300.00 30 员工id
员工姓名
职位
领导id
入职日期
薪水
奖金
部门编号- 分隔符 - 制表符 -
-
创建员工表
create database db_emp; use db_emp;
create table tb_emp(
empno string,
ename string,
job string,
managerid string,
hiredate string,
salary double,
jiangjin double,
deptno string
) row format delimited fields terminated by ‘\\t’;
–加载数据
load data local inpath ‘/export/data/emp.txt’ into table tb_emp; -
-
查看部门表的数据内容
- 数据
-
10,ACCOUNTING,NEW YORK
部门编号
部门名称
部门位置
- 分隔符
- 逗号
- 创建部门表
create table tb_dept(
deptno string,
dname string,
loc string
)
row format delimited fields terminated by ',';
--加载数据
load data local inpath '/export/data/dept.txt' into table tb_dept;
-
方式二：将Select语句的结果保存到一张新表中
-
关键字：as
-
语法
create table newTablename as select ……create table tb_emp_as as select empno,ename,salary,deptno from tb_emp; -
方式三：复制表的结构到一张新表中
-
关键字：like
-
语法
create table newTablename like oldTableName;create table tb_emp_like like tb_emp; -
注意：只复制表结构，不复制数据内容
-
-
删除表
drop table [if exists] tbname; -
查看表
#查看表的结构 desc tbname; #查看表的元数据 desc formatted tbname; -
清空表
truncate tbname;
-
-
小结
- 基本与MySQL数据库的语法一致
知识点12：HQL语法：DML
- 目标：掌握HQL语法中的DML命令
- 路径
- step1：删除与修改
- step2：加载文件load
- step3：插入数据insert
- 实施
-
删除与修改
-
MySQL：增删改【行级】
- insert
- delete
- update
-
Hive是否支持对数据的行级事务操作？
-
支持
-
insert
INSERT INTO TABLE tablename VALUES values_row [, values_row ...] insert into table values(1,zhangsan)- Hive数据仓库中的数据来源
- 已经存在的大量数据
- 分析的结果：Select语句的结果
- Hive数据仓库中的数据来源
-
delete
DELETE FROM tablename [WHERE expression] -
update
UPDATE tablename SET column = value [, column = value ...] [WHERE expression]
-
-
Hive中对于行级的事务支持有严格的要求：表的结构必须为桶表，数据文件类型必须为orc类型
-
工作中是否有对应的使用的场景？
- 不用这样的操作，没有对应的场景
- 如果有这样场景
- 用户5月1号下了一个订单，订单状态为支付成功
- 用户5月2号提交退款申请，订单状态为退款成功
-
-
加载文件load
-
应用：用于将数据文件关联到Hive的表中
-
本质：将文件直接放入表对应的HDFS目录下
-
-
- 可以的
- 语法
```
load data [local] inpath 'filePath' [overwrite] into tbname;
```
- local：表示加载本地文件，如果不加local，加载的是HDFS文件
- hdfs文件：移动了这个文件到表的目录下
- 本地文件：上传了本地文件到HDFS对应的表的目录下
- overwrite：覆盖表中所有的内容
-
插入数据insert
-
功能：将SQL语句的结果保存到一张已存在的表中或者目录中
-
语法
-
保存到已存在的表中：经常使用用于保存分析的结果
INSERT OVERWRITE|INTO TABLE tablename1 select_statement1 FROM from_statement; | FROM from_statement INSERT OVERWRITE|INTO TABLE tablename1 select_statement1 ;-
OVERWRITE：覆盖
-
INTO：追加
-
实现
insert into table tb_emp_like select * from tb_emp limit 3;
-
-
保存到目录中：一般用于测试或者导出SQL语句的结果到文件中
INSERT OVERWRITE [LOCAL] DIRECTORY 目录 【指定分隔符】 select……- local：不加表示保存到HDFS的目录中，加了就是本地目录
insert overwrite local directory '/export/data/insert' row format delimited fields terminated by ',' select * from tb_emp limit 5;
-
-
-
小结
- Hive中DML的命令有哪些？
- 支持行级的事务命令：insert、update、delete，但是不用
- 加载数据命令
- load：将一个已存在的文件关联到表中
- insert：保存SQL的结果
- Hive中DML的命令有哪些？
知识点13：HQL语法：DQL
- 目标：掌握HQL语法中的DQL命令
- 实施
-
基本查询
-
查询每个员工的编号、姓名、薪水及部门编号
select empno,ename,salary,deptno from tb_emp;
-
-
-
过滤查询
-
查询薪资大于2000的所有员工的姓名及薪水和部门编号
select ename,salary,deptno from tb_emp where salary > 2000;
-
-
分组查询
-
查询每个部门的人数
select deptno,count(*) as numb from tb_emp group by deptno;
-
-
排序查询
-
查询所有部门人数超过3人的部门编号并按照人数降序排序
select deptno,count(*) as numb from tb_emp group by deptno having numb > 3 order by numb desc;
-
-
关联查询
-
查询所有员工的姓名、部门编号和部门名称
select a.ename, a.deptno, b.dname from tb_emp a jo以上是关于Day11:Hive的基本语法与使用的主要内容，如果未能解决你的问题，请参考以下文章
-