程序笔记
发布时间:2022-07-14 发布网站:大佬教程 code.js-code.com
大佬教程收集整理的这篇文章主要介绍了Hive基础(43):Hive语法(4) DML(3) DQL(2)Join 语句/ 排序,大佬教程大佬觉得挺不错的,现在分享给大家,也给大家做个参考。
4 Join 语句
4.1 等值 Join
Hive 支持通常的 SQL JOIN 语句。
1)案例实操
(1)根据员工表和部门表中的部门编号相等,查询员工编号、员工名称和
部门名称;
4.2 表的别名
1)好处
(1)使用别名可以简化查询。
2)案例实操
合并员工表和部门表
4.3 内连接
内连接:只有进行连接的两个表中都存在与连接条件相匹配的数据才会被保留下来。
左
外连接:JOIN 操作符左边表中符合 WHERE 子句的所有记录将会被返回。
右
外连接:JOIN 操作符右边表中符合 WHERE 子句的所有记录将会被返回。
满
外连接:将会返回所有表中符合 WHERE 语句条件的所有记录。如果任一表的指定字段没有符合条件的
值的话,那么就使用 NULL 值替代。
4.7 多表连接
注意:连接 n 个表,至少需要 n-1 个连接条件。例如:连接三个表,至少需要两个连接
条件。
数据准备
1700 Beijing
1800 London
1900 Tokyo
1)创建位置表
2)导入数据
hive (default)> load data local inpath '/opt/module/datas/LOCATIOn.txt'
into table LOCATIOn;
3)多表连接查询
大多数情况下,Hive 会对每对 JOIN 连接对象启动一个 MapReduce 任务。本例中会首先
启动一个 MapReduce job 对表 e 和表 d 进行连接操作,然后会再启动一个 MapReduce job 将
第一个 MapReduce job 的输出和表 l;进行连接操作。
注意:为什么不是表 d 和表 l 先进行连接操作呢?这
是因为 Hive 总是按照从左到右的
顺序执行的。
优化:当对 3 个或者更多表进行 join 连接时,如果每个 on 子句都使用相同的连接键的
话,那么只会产生一个 MapReduce job。
4.8 笛卡尔积
1)笛卡尔集会在下面条件下产生
(1)省略连接条件
(2)连接条件无效
(3)所有表中的所有行互相连接
2)案例实操
5 排序
5.1 全局排序(Order By)
Order By:全局排序,只有一个 Reducer
1)使用 ORDER BY 子句排序
ASC(ascend): 升序(默认)
DESC(descend): 降序
2)ORDER BY 子句在
SELECT 语句的结尾
3)案例实操
(1)查询员工信息按工资升序排列
hive (default)>
SELEct * from emp order by sal;
(2)查询员工信息按工资降序排列
hive (default)>
SELEct * from emp order by sal des
c;
5.2 按照别名排序
按照员工薪水的 2 倍排序
hive (default)>
SELEct
ename, sal*2 twosal from emp order by twosal;
5.3 多个列排序
按照部门和工资升序排序
hive (default)>
SELEct
ename, deptno, sal from emp order by deptno, sal;
5.4 每个 Reduce 内部排序(Sort By)
Sort By:对于大规模的数据集 order by 的效率非常低。在
很多情况下,并不需要全局排
序,此时可以使用 sort by。
Sort by 为每个 reducer 产生一个排序文件。每个 Reducer 内部进行排序,对全局结果集
来说不是排序。
1)设置 reduce 个数
hive (default)> set mapreduce.job.reduces=3;
2)查看设置 reduce 个数
hive (default)> set mapreduce.job.reduces;
3)根据部门编号降序查看员工信息
hive (default)>
SELEct * from emp sort by deptno des
c;
4)将查询结果导入到文件中(按照部门编号降序排序)
hive (default)> insert overwrite local directory
'/opt/module/data/sortby-result'
SELEct * from emp sort by deptno desc;
Di
Stribute By:
在有些情况下,我们需要控制某个特定行应该到哪个 reducer,通常是为
了进行后续的聚集操作。di
Stribute by 子句可以做这件事。di
Stribute by 类似 MR 中 partition
(自定义分区),进行分区,结合 sort by 使用。
对于 di
Stribute by 进行测试,一定要分配多 reduce 进行处理,否则无法看到 di
Stribute
by 的效果。
1)案例实操:
(1)先按照部门编号分区,再按照员工编号降序排序。
hive (default)> set mapreduce.job.reduces=3;
hive (default)> insert overwrite local directory
'/opt/module/data/di
Stribute-result'
SELEct * from emp di
Stribute by
注意:
➢
di
Stribute by 的分区规则是根据分区字段的 hash 码与 reduce 的个数进行模除后,
余数相同的分到一个区。
➢
Hive 要求 DI
StriBUTE BY 语句要写在 SORT BY 语句之前。
5.6 Cluster By
当 di
Stribute by 和 sorts by 字段相同时,可以使用 cluster by 方式。
cluster by 除了具有 di
Stribute by 的功能外还兼具 sort by 的功能。但是排序只能是升序
排序,不能指定排序规则为 ASC 或者 DESC。
(1)以下两种写法等价
hive (default)>
SELEct * from emp cluster by deptno;
hive (default)>
SELEct * from emp di
Stribute by deptno sort by deptno;
注意:按照部门编号分区,不一定就是固定死的数值,可以是 20 号和 30 号部门分到一个分区里面去。
大佬总结
以上是大佬教程为你收集整理的Hive基础(43):Hive语法(4) DML(3) DQL(2)Join 语句/ 排序全部内容,希望文章能够帮你解决Hive基础(43):Hive语法(4) DML(3) DQL(2)Join 语句/ 排序所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错,欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。