Hive SQL语法基础

Hive SQL是Apache Hive使用的查询语言，它类似于传统SQL，但是针对大数据处理进行了优化。Hive SQL支持许多标准SQL功能，并且可以处理存储在Hadoop分布式文件系统（HDFS）中的大规模数据集。以下是一些Hive SQL的基础语法：

1. 创建数据库和表：

CREATE DATABASE IF NOT EXISTS mydatabase;
USE mydatabase;

CREATE TABLE IF NOT EXISTS users (
    id INT,
    name STRING,
    age INT,
    email STRING
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
STORED AS TEXTFILE;

2. 加载数据：

LOAD DATA LOCAL INPATH '/local/path/users.csv' INTO TABLE users;

3. 查询数据：

SELECT * FROM users;
SELECT name, age FROM users WHERE age > 30;
SELECT COUNT(*) FROM users;

4. 插入数据：

INSERT INTO TABLE users VALUES (1, 'Alice', 25, 'alice@example.com');
INSERT INTO TABLE users (id, name, age, email) VALUES (2, 'Bob', 30, 'bob@example.com');

5. 更新数据：

UPDATE users SET age = age + 1 WHERE name = 'Alice';

6. 删除数据：

DELETE FROM users WHERE name = 'Bob';

7. 创建视图：

CREATE VIEW active_users AS
SELECT * FROM users WHERE age > 25;

8. 分组和聚合：

SELECT age, COUNT(*) as count FROM users GROUP BY age;
SELECT AVG(age) FROM users;

9. 连接表：

SELECT users.name, orders.amount
FROM users
JOIN orders ON users.id = orders.user_id;

10. 子查询：

SELECT name FROM users WHERE age > (SELECT AVG(age) FROM users);

11. 创建索引（Hive支持索引来提高查询性能）：

CREATE INDEX idx_users_name ON TABLE users(name);

12. 分区（用于优化大数据集的查询）：

CREATE TABLE IF NOT EXISTS users_partitioned (
    id INT,
    name STRING,
    age INT,
    email STRING
)
PARTITIONED BY (country STRING);

LOAD DATA LOCAL INPATH '/local/path/users_us.csv' INTO TABLE users_partitioned PARTITION (country='US');

这些是Hive SQL的一些基础语法。Hive还支持许多高级功能，包括自定义函数（UDFs）、复杂的数据类型、窗口函数等。由于Hive是构建在Hadoop之上的，因此它能够处理PB级别的数据，并且可以与MapReduce、Tez或Spark等计算引擎配合使用来执行查询。