hive语法和常用函数

Hive就是一个基于Hadoop分布式系统上得数据仓库，最早就是由Facebook公司开发得,Hive极大

得推进了Hadoopecosystem在数据仓库方面上得发展。

Facebook得分析人员中很多工程师比较擅长而SQL而不善于开发MapReduce程序,

为此开发出Hive,并对比较熟悉SQL得工程师提供了一套新得SQLIike方言---HiveQL»

HiveSQL方言特别与MySQL方言很像，并提供了HiveQL得编程接口。HiveQL语

句最终被Hive解析器引擎解析为MarReduce程序，作为job提交给JobTracker运行。这对

MapReduce框架就是一个很有力得支持。

Hive就是一个数据仓库,它提供了数据仓库得部分功能:数据ETL（抽取、转换、

加载）工具,数据存储管理,大数据集得查询与分析能力。

由于Hive就是Hadoop上得数据仓库，因此Hive也具有高延迟、批处理得得特性，

即使处理很小得数据也会有比较高得延迟。故此,Hive得性能就与居于传统数据库得数据仓库得

性能不能比较了。

Hive不提供数据排序与查询得cache功能,不提供索引功能,不提供在线事物,也

不提供实时得查询功能，更不提供实时得记录更性得功能，但就是,Hive能很好地处理在不变得超

大数据集上得批量得分析处理功能。Hive就是基于hadoop平台得,故有很好得扩展性（可以自适应

机器与数据量得动态变化）,高延展性（自定义函数）,良好得容错性，低约束得数据输入格式。

下面我们来瞧一下Hive得架构与执行流程以及编译流程：

,将HiveQL语

‘句编译成；

1_并优化乏厂’

♦（编译器，优化器、■期蝴.则力

执行器等）

1

1

/IRD=MS]-

Metastore

行薮据）WMIH

Hive的体系结构和执行流程

Parser］将Hi—头投募

将逻辑计划转成物理MgpBg蓟£g.Job计划

♦■,♦■■■■■■［提交给Hadoop♦台运行MapReduceJob作业:■学

Hive引擎执行编译优化HiveQL语句和提交执行的过程

用户提交得HiveQL语句最终被编译为MapReduce程序作为Job提交给Hadoop执

行。

Hive得数据类型

Hive得基本数据类型

有：TINYINT,SAMLLINT,INT,BIGINT,BOOLEAN,FLOAT,DOUBLE,STRING,TlMESTAMP（VO、8、0+）与

BINARY（VO、8、0+）.

Hive得集合类型有:STRUCT,MAP与ARRAY。

Hive主要有四种数据模型（即表）：（内部）表、外部表、分区表与桶表。

表得元数据保存传统得数据库得表中，当前hive只支持Derby与MySQL数据库。

内部表：

Hive中得表与传统数据库中得表在概念上就是类似得,Hive得每个表都有自己

得存储目录，除了外部表外，所有得表数据都存放在配置在hivesite、xml文件得${hive、

metastore、warehouse、dir}/table_name目录下。

Java代码

1.CREATETABLEIFNOTEXISTSstudents（user_noINT,nameSTRING.sexSTRING,

2.gradeSTRINGMOT，班级'）MONT,学生表，

3.ROWFORMATDELIMITED

4.FIELDSTERMINATEDBY

5.STOREASTEXTFILE;

外部表：

外部表指向已经存在在HadoopHDFS上得数据,除了在删除外部表时只删除元数

据而不会删除表数据外,其她与内部表很像。

Java代码

1.CREATEEXTERNALTABLEIFNOTEXISTSstudents(user_noINT,nameSTRING,sexSTRING,

2.classSTRINGMOT，班级')MONT'学生表’

3.ROWFORMATDELIMITED

4.FIELDSTERMINATEDBY

5.STOREASSEQUENCEFILE

6.LOCATION'/usr/test/data/studentsvtxt,;

分区表：

分区表得每一个分区都对应数据库中相应分区列得一个索弓I,但就是其组织方

式与传统得关系型数据库不同。在Hive中，分区表得每一个分区都对应表下得一个目录，所有得分

区得数据都存储在对应得目录中。

比如说，分区表partitinTable有包含nation（国家）、ds（日期）与city（城市）3

个分区，其中nation=china,ds=20130506,city=Shanghai则对应HDFS上得目录为:

/datawarehouse/partitinTable/nation=china/city=Shangha

i/ds=20130506/。

Java代码

I.CREATETABLEIFNOTEXISTSstudents(user_noINT,nameSTRING.sexSTRING,

2.classSTRINGMOT，班级’)MONT，学生表，

3.PARTITIONEDBY(dsSTRING.countrySTRING)

4.ROWFORMATDELIMITED

5.FIELDSTERMINATEDBY

6.STOREASSEQUENCEFILE;

分区中定义得变量名不能与表中得列相同。

桶区表：

桶表就就是对指定列进行哈希（hash）计算,然后会根据hash值进行切分数据，将

具有不同hash值得数据写到每个桶对应得文件中。

Java代码

1.CREATETABLEIFNOTEXISTSstudents(user_noINT,nameSTRING,sexSTRING.

classSTRINGMOT，班级'，scoreSMALLINTMOT，总分')MONT，学生表'

3.PARTITIONEDBY(dsSTRING,countrySTRING)

4.CLUSTEREDBY(user_no)SORTEDBY(score)INTO32BUCKETS

5.ROWFORMATDELIMITED

6.FIELDSTERMINATEDBY

7.STOREASSEQUENCEFILE:

内部表与外部表得主要区别：

1)、内部表创建要2步:表创建与数据加载,这两个过程可以同步执行。在数据加

载得过程中，数据数据会移动到数据仓库得目录中;外部表得创建只需要一个步骤,表创建数据加

载同时完成,表数据不会移动。

2)、删除内部表时,会将表数据与表得元数据一同删除;而删除外部表时,紧删除

表得元数据而不会删除表数据。

在上一节《深入学习《ProgramingHive》：Hive得数据模型(表)》中，已经学习过表得定义，接下

来接着学习Hive得DDL操作。

复制表结构：

Java代码

1.CREATETABLEIFNOTEXISTSstudents?LIKEstudents;

查瞧表结构：

Java代码

I.DESCRIBETABLEstudents;

删除表：

Java代码

I.DROPTABLEstudents;

创建视图：

Hive中得视图(view)得概念与传统数据库中得表就是相同得,就是只读得，目

前还不支持不支持物化视图。

如果在创建试图后,再将基本表中被视图引用得列修改,那么修改后得数据列

将不会体现在视图中；如果基本表被删除或以不兼容得方式被修改，则查询该视图时会失

败。

Java代码

I.CREATEVIEWIFNOTEXISTSview_students(user_no,name,score)

2.AS

3.SELECTuser_no,name,scoreFROMstudents;

删除视图：

Java代码

1.DROPVIEWview_students;

定制表存储方式：

Java代码

1.CREATETABLEIFNOTEXISTSemployees(

2.noSTRING.

3.nameSTRING,

4.salaryFLOAT,

5.subordinatesARRAY<STRING>,

6.deductionsMAP<STRING,FLOAT>.

addressSTRUCKstreet:STRING.district:STRING.city:STRING.province:STRING,ZIP:STRING>

8.)

9.ROWFORMATDELIMITED

10.FIELDSTERMINATEDBY'\001'

11.COLLECTINITEMSTERMINATEDBY'\002'

12.MAPKEYSTERMINATED'\003'

13.LINESTERMINATEDBY'\n'

14.STOREDAS

15.INPUTFORMAT'orgxIinkedin^haiwreovAvroContainerInputFormat'

16.OUTPUTFORMAT'orgxIinkedin^haivvreoxAvroContainerOutputFormat,;

修改表结构：

1)、重命名表

Java代码

I.ALTERTABLEtabIe_nameRENAMETOnew_tabIe_name;

只修改了表名，不会改变表结构与数据存放得位置。

2)、修改列名、类型、位置及注释

Java代码

I.CREATETABLEIFNOTEXISTStest(aINT,bSTRING,cFLOAT);〃创建测试表

2.〃修改列名

3.TABLEtestCHANGEaa2INT;

4./*将a列得名字改为a2,并将其数据类型改为STRING,然后将之放在b列之后;修改

5.*后得表结构为：bINT,a2STRING,cFLOAT

6.*/

7.ALTERTABLEtestCHANGEaa2STRINGAFTERb;

8./*

9.*将b列得名字改为b2,并将其数据类型由FLOAT改为DOUBLE,然后将之

10.*放在第一列;修改后得表结构为：

11.*b2DOUBLE,aSTRING,cFLOAT

12.*/

13.ALTERTABLEtestCHANGEbb2DOUBLEFIRST;

列得改变只会修改Hive得元数据，而不改变实际得数据。

用户应该确保元数据得定义与实际得数据结构保持一致。

3）、增加新列

Java代码

i.ALTERTABLEtestADDCOLOMNS(dINT,eSTRING);

4)、改变表得数据存储格式

Java代码

1.ALTERTABLEtestSETSEQUENCEFILE;

5)、添加分区Partition

Java代码

1.ALTERTABLEstudentsADDPARTITION(ds='20130507',country='china')

2.LOCATION'/usr/test/data/test%txt'：

6)、删除分区Partition

Java代码

1.ALTERTABLEstudentsDROPPARTITION(ds='20130507',country='china');

7)、创建函数

Java代码

I.CREATETEMPORARYFIUNCTIONaFuncasclass_name;

8)、删除函数

Java代码

I.DROPTEMPORARYFlUNCTIONaFunc;

9)、显不表

Java代码

1.SHOWTABLESstudents;

9)、显示分区

Java代码

1.SHOWPARTITIONSstudents;

本节继续讨论HiveQL,Hive查询语言,如何向Hive表中添加数据,操纵数据与从表中将数据提取到

文件系统。

之前已经学习过Hive表得创建,本节主要关注向表中填充数据，使表中有数据可

供查询。

先行创建本节要使用得表empIoyees:

Java代码

1.CREATETABLEempIoyees(

2.nameSTRING.

3.salaryFLOAT,

4.subordinatesARRAY<STRING>MENT'下属

5.deductionsMAP<STRING,FLOAT>MENT'扣费

addressSTRUKstreet:STRING,city:STRING,state:STRING,zip:INT>

7.)

8.PARTITIONEDBY(countrySTRING.stateSTRING);

向管理表(非外部表)中加载数据

由于Hive没有行级得insert,update与deIete操纵，向表中加载数据得唯一方法

就就是“批量”加载数据。如下示例，想一个分区表中加载一批数据：

Java代码

1.LOADDATALOCALINPATH'${env:HOME}/caIaforniaempIoyees'

2.OVERWRITEINTOTABLEemployees

3.PARTITION(country="US',state='CA');

在加载数据之前首先要要保证已经创建有符合条件得分区。在这个示例中，数据

被加载后再Hive中得目录为：

hdfs://master_server/user/hive/warehouse/mydb、

db/empIoyees/country=US/state=CA

这个示例需要注意几点:

关键字OVERWRITE:加上该词说明如果之前已经箱盖分区中加载过数据得话，

则之前得数据会首先被“清洗掉”，然后才加载新数据;如果没有加关键字OVERWRITE得话,如：

Java代码

I.LOADDATALOCALINPATH'${env:HOME}/caIaforniaempIoyees'

2.INTOTABLEempIoyees

3.PARTITION(country='US',state='CA');

就不会将已有得数据清洗,而就是直接在原有数据后边追加新得数据。

关键字LOCAL:表明就是从本地文件系统得文件夹中加载数据，如果不加LOCAL

关键字,则表明就是从HDFS系统得文件夹中加载数据：

Java代码

1.LOADDATAINPATH'${env:HOME}/caIaforniaempIoyees'

2.INTOTABLEemployees

3.PARTITION(country='US',state='CA');

另外一点就就是,对于要指定要加载得文件得路径,指定一个文件夹就是比较符

合常规得,这要比每次单独指定文件夹中得一个具体得文件要好,这样Hive会一次把指定文件夹

下得所有得位安全都拷贝到Hive仓库中。

Hive在加载数据时并不会管要加载得数据就是否与表定义模式相匹配,但就是

会验证文件格式，比如说,在表中第一得保存得数据文件为SEQUENCEFILE,那么加载后得文件就必

须为SEQUENCEFILE文件。

通过HiveQL查询语句添加数据

INSERT语句可以让用户通过一个HiveQLQuery语句向Hive表中插入数据。瞧下

面得一个示例(这里假设已经定义过表staged_empIoyees):

Java代码

1.INSERTOVERWRITETABLEemployess

2.PARTTITION(country='US',state='OR')

3.SELECT*FROMstaged_empIoyeesse

4.WHEREsety='US'ANDse、st='OR';

OVERWRITE关键字，我们已经讨论过。但对于本示例来说，如果去掉OVERWRITE

或用INTO替换掉,如：

Java代码

I.INSERTINTOTABLEemployess

2.PART!ITION(country='US',state='OR')

3.SELECT*FROMstaged_empIoyeesse

4.WHEREsety='US'ANDse、st='OR';

那么Hive就会将数据以“追加”得方式插入数据到employess表。

这个示例在一个场景中特别有用：数据已经被保存在另外一个表中，如Hive得外

部表,然后用户想把某些数据做最终得保存到分区表中；或者从原有得数据源表中将数据保存成

符合用得要求得不同得数据记录得格式。

然而,如果staged_employees中数据特别大,有可能您需要执行很多次这样得插

入查询导入数据得话，比如说美国部分得数据就要执行65次之多。Hive提供了另外一种INSERT语

法,就是您只扫描一次表就可以将数据插入到对应得分区中：

Java代码

1.ROMstaged_empIoyeesse

2.INSERTINTOTABLEemployess

3.PARTTITION(country='US',state='OR')

4.SELECT*WHEREsety='US'ANDse、st='OR';

5.INSERTINTOTABLEemployess

6.PARTTITION(country='US',state='CA')

7.SELECT*WHEREsety='US'ANDse、st='CA';

8.INSERTINTOTABLEemployess

9.PARTTITION(country='US',state='IL')

1().SELECT*WHEREsety='US'ANDse、st='IL';

11.、、、

这种INSERT语法也可以一次插入多个表。

动态分区添加数据

就上例来说,好友一个问题,那就就是如果有特别多得分区要创建得话，用户不

得不要写许多HiveQL语句！幸运得就是,Hive提供一个叫动态分区得功能,可以基于用户得查询参

数推断要创建得分区。通过与动态分区相比较,之前我们讨论得分区插入数据被称为静态分区数

据导入。

将上面得静态分区作如下修改，就变成动态分区数据导入得示例：

Java代码

1.INSERTOVERWRITETABLEemployees

2.PARTITION(country,state)

3.SELECT、、、，sety,se、st

4.FROMstaged_empIoyeesse

对于本例来说，Hive会通过SELECT语句中最后两列sety与se、st得值来决定

employees表中得分区得key,contry与state°Hive在动态分区插入操作中特别强调源表得数据列

得值与要插入分区得key得值得位置关系，而不就是通过名字匹配，这也就是为什么在

staged_employees表中给国家与州定义不同得名字得原因。

假设staged_employees有100个国家与州得匹配对儿,那么执行玩这个HiveQL语

句后,employees就会有100个国家分区！

用户也可以混合使用动态分区与静态分区数据插入,如下例中，我们就是用了一

个静态得country(US)与动态得州得值：

Java代码

1.INSERTOVERWRITETABLEemployees

2.PARTITION(country='US',state)

3.SELECT、、、，sety,se、st

4.FROMstaged_employeesse

5.WHEREsety='US';

要注意得就是,必须要把静态分区得key放在动态分区得key之前。

默认请情况下,动态分区插入得功能就是被禁用得，当被激活后,Hive默认会工

作在“严格(strict)”模式下。在“严格(strict)”模式下，必须使用静态分区与动态分区混合

使用得方式,这主要就是避免一些不好得数据查询设计。

要使用动态模式，用户首先要激活动态分区得一些参数设置：

Java代码

hive>sethibe、exec、dynamic、partition=true;

2hive>sethibe、exec、dynamicvmode=nonstrict;

3hive>sethibe、exec、max、dynamicspartitionsxpernode=1000;

4

5hive>INSERTOVERWRITETABLEemployeesPARTITION(country,state)

6>SELECT、、、，sety,se、stFROMstaged_employeesse;

nonstrict可以完全由用户得查询参数来动态创建所有得分区。

在一个HiveQL中创建表与加载数据

在Hive中，用户可以完全使用一条语句创建表并同时加载数据：

Java代码

I.CREATETABLEca_employees

2.ASSELECTnamesalary,address

3.FROMemployees

4.WHEREstate='CA';

这种方法特别适用于在一个大表中提取一个子数据集得场景，这种功能不适合

外部表,因外外部表就是在定义时直接给其制定一个数据文件得路径。

导出数据

之前讲得都就是如何将数据加载到Hive表中，那么如何将表中数据导出表呢？

用户可以使用INSERT、、、DIRECTORY、、、语句导出数据，示例如下：

Java代码

I.INSERTOVERWRITELOCALDIRECTORY'tmp/ca_empIoyees'

2.SELECTname,salary,address

3.FROMemployees

4.WHEREstate='CA';

其中OVERWRITE与LOCAL得意义同上。

与加载数据一样,用户同样可以在一个语句中将数据导出到多个文件夹：

Java代码

I.FROMstaged_empIoyeesse

2.INSERTOVERWRITEDIRECTORY'/tmp/or_employees'

3.SELECT*FROMsety='US'ANDse、st='OR'

4.INSERTOVERWRITEDIRECTORY'/tmp/CA_empIoyees'

5.SELECT*FROMsety='US'ANDse、st='CA'

6.INSERTOVERWRITEDIRECTORY'/tmp/lL.employees'

7.SELECT*FROMsety='US'ANDse、st='IL'

前几章已经学习过Hive表得定义与数据操纵,本章我们开始学习HiveQL查询。

SELECT、、、FROM、、、查询

SELECT在SQL中就是一个投影操作。让我们从新来瞧之前定义过得分区表

employees:

Java代码

I.CREATETABLEemployees(

2.nameSTRING.

3.salaryFLOAT,

4.subordinatesARRAY<STRING>MENT'下属’，

5.deductionsMAP<STRING,FLOAT>MENT'扣费

6.addressSTRUKstreet:STRING,city:STRING,state:STRING,zip:INT>

7.)

8.PARTITIONEDBY(countrySTRING.stateSTRING):

SELECT查询:

Java代码

1.hive>SELECTname,salaryFROMemployees;

2.JohnDoe100000,、0

3.MarySmith80000x0

4.ToddJones70000x0

5.Bi11King60000,、0

用户也可以给FROM之后得表,视图或子查询起一个别名，如:

Java代码

1.hive>SELECTe、name,e%salaryFROMemployeese:

上面两个HiveQL语句就是相同得,给表起别名在JOIN操作中特别有用。

下面我们来瞧如何查询empIoyees表中得集合类型得数据。我们先瞧一下如何查

询ARRAY类型得数据,如empIoyees表得下属“subordinates”

Java代码

1.hive>SELECTname,subordinatesFROMemployees;

2.JohnDoe["MarySmith","ToddJones"]

3.MarySmith["BillKing'1]

4.ToddJones[]

5.Billking[]

再瞧MAP类型得查询，如“deductions”:

Java代码

hive>SELECTname,deductionsFROMempIoyees;

2.JohnDoe{"FederaITaxes":0x2,"StateTaxes":0x05,"Insurance":0x1)

3.MarySmith{"Federa1Taxes":0>2,"StateTaxes":0、05,"Insurance":0%1)

4.ToddJones{"FederalTaxes":0、15,"StateTaxes":0、03,"Insurance":051)

5.Bi11King{"Federa1Taxes":01.15,"StateTaxes":Ox03,"Insurance":0x1}

再瞧STRUCT类型得查询，如“address”:

Java代码

I.hive>SELECTname,addressFROMempIoyees;

2.JohnDoe{"Street":"1MichignAvex","city":"Chicago","State"IL","ZIP":60600)

3.MarySmith{"Street":"100OntarioStt","city":"Chicago","State":nIL","ZIP":60601)

H

4.ToddJones{"Street":"200ChicagoAvex","city":"OakPark","State":IL","ZIP":60700)

5.BiIIKing{"Street":"300ObscureDrxM,ncity":"0bscuria","State"IL","ZIP":60100}

接下来我们再瞧如何查瞧集合性属性字段中得数据:

Java代码

1.hive>SELECTname,subordinates[0],deductions["StateTaxes"],address、

cityFROMemployees;

2.JohnDoeMarySmithOx05Chicago

3.MarySmithBi11KingOx05Chicago

4.ToddJonesNULL0\03OakPark

5.Bi11KingNULLOx03Obscuria

使用正则表达式查询符合条件得列

在Hive查询中，用户可以使用正则表达式查询符合条件得列,下面得实例中就就

是使用正则表达式得使用用例，可以查询到symbol列与所有以“price”开头得列：

Java代码

1.hive>SELECTsymbol,'prices*'FROMstocks;

2.AAPL195、69197、88194、0194、12194、12

3.AAPL192、63196、0190、85195、46195、46

4.AAPL196、73198、37191、57192、05192、05

5.AAPL195、17200、2194、42199、23199、23

6.AAPL195、91196、32193>38195、86195、86

7.、、、

列计算

在HiveQL中，用户不但可以从表中查询某些列,还可以通过函数或数学表达式来

计算列得值。例如,我们可以在employees表中查询雇员得姓名，薪水,联邦税百分百及其她列得

值：

Java代码

1.hive>SELECTupper(name),salary,deductions[nFederaITaxes"],

2.>round(salary*(1deductions["FederaITaxes"]))

3.>FROMemployees;

4.JOHNDOE100000x00、280000

5.MARYSMITH80000x00、264000

6.TODDJONES70000v0Ox1559500

7.BILLKING60000v00、1551000

Hive就是使用JAVA写得开源软件，在函数或数学表达式来计算列得值时类型转

型与JAVA得转型相同。

聚合函数

要在HiveQL查询中使用聚合函数，必须先将hive、map、aggr■配置参数设置为

true,举例如下：

Java代码

1.hive>SEThive、map、aggr=true;

2.hibe>SELECTcount(*),avg(saIary)FROMemployees;

但就是将

Java代码

I.hive、map、aggr

设置为true会占用更多得内存。

LIMIT

一次典型得HiveQL查询可能会返回所有符合条件得数据记录，但就是LIMIT关键

字可以限制返回得记录得条数：

Java代码

hive>SELECTupper(name),salary,deductions["FederalTaxes"],

2.>round(salary*(1deductions["FederaITaxes"]))

3.>FROMempIoyees

4.>LIMIT2;

5.JOHNDOE100000x00、280000

6.MARYSMITH80000>00、264000

给列奇别名

Java代码

I.hive>SELECTupper(name),saIary,deductions["FederaITaxes"]AS

2>fed_taxes,round(salary*(1deductions["FederaITaxes"]))AS

3>saIary_minus_fed_taxes

4>FROMempIoyees

5>LIMIT2;

6.JOHNDOE100000x00、280000

7.MARYSMITH80000、00、264000

子查询

给列起别名特别适合与子查询中得列，让我们将上个查询示例修改为子查询得

使用用例：

Java代码

1.hive>FROM(

2>SELECTupper(name).salary,deductions["FederaITaxes"]AS

3>fed_taxes,round(salary*(1deductions["FederaITaxes"]))

4>ASsaIary_minus_fed_taxes

5>FROMemployees

6>)e

>SELECTe、name,exsaIary_minus_fed_taxes

>WHEREe、saIary_minus_fed_taxes>70000;

9.JOHNDOE100000s00、280000

CASE、、、WHEN、、、THEN语句

CASE、、、WHEN、、、THEN向标准得SQL语句中一样使用在SELECT列中，对某一

个列得返回值做判断,示例如下：

Java代码

I.hive>SELECTname,salary,

2.>CASE

3.>WHENsalary<50000、0THEN1low'

4.>WHENsalary>=50000、0ANDsalary<70000x0THEN'middl

5.>WHENsalary>=70000、0ANDsalay<100000、0THEN'high'

6.ELSE'veryhigh'

7.>ENDASbracketFROMemployees;

8.JohnDoe100000x0veryhigh

9.MarySmith80000x0high

10.ToddJones70000x0high

11.BillKing60000、0middle

12.BossMan200000K0veryhigh

13.FredFinance150000%0veryhigh

14.StcyAccountant60000、0middle

WHERE过滤条件

SELECT决定返回哪些数据列,而WHERE决定返回那些符合条件得数据：

Java代码

I.hive>SELECTname,salary,deductions["FederalTaxes"],

2>salary*(1deductions["FederaITaxes"])

3>FROMempIoyees

4>WHEREround(salary*(1deductions["FederaITaxes"]))>

5>70000;

6.ohnDoe100000x00、280000、0

该示例有一个问题，那就就是salary*(1deductions["FederaITaxes"])分

别在SELECT部分与WHERE部分都执行了，性能上不就是多优化。那么，对salary*(1

deductions["FederalTaxes”])使用别名能否消除这种冲突呢？，不幸得就是这就是无效得：

Java代码

hive>SELECTname,salary,deductions["FederaITaxes"],

2>salary*(1deductions["FederaITaxes"])AS

3>saIary_minus_fed_taxes

4>FROMemployees

5>WHEREround(saIary_minus_fed_taxes)>70000;

6.FAILED:Errorinsemanticanalysis:Line4:13Invalidtablealiasor

coIomnreferencesaIary_minus_fed_taxes':(possiblecoIomnnames

8.are:name,salary,subordinates,deductions,address)

如错误信息中所说,用户不能在WHERE部分中引用列得别名，那么我们就是否可

以使用其她办法来消除这种冲突呢？答案就是使用子查询：

Java代码

i.hive>SELECTe、*FROM

2>(SELECTname,salary,deductions["FederaITaxes"]ASded.

3>salary*(1deductions["FederaITaxes"])AS

4>saIary_minus_fed_taxes

5>FROMempIoyees)e

6>WHEREround(saIary_minus_fed_taxes)>70000;

浮点比较陷阱

在WHERE查询条件中：在比较不同类型得数值(如FLOATvsDOUBLE)时，会引发浮

点比较陷阱。

瞧下面得HiveQL语句，本来只想要查询FederalTaxes>0、2,但就是返回结果

如下：

Java代码

I.hive>SELECTname,saIary,deductions['FederaITaxes']

>FROMempIoyeesWHEREdeductions['FederaITaxes']>0、2;

3.JohnDoe100000x00、2

4.MarySmith80000x00、2

5.BossMan200000v00、3

6.FredFinance150000s0(0、3

我们发现,为什不符合过滤条件(deductions('FederaITaxes')二二0、2)得结

果也返回了？！这就就是浮点比较陷阱引发得。

那么如何来避免这个陷阱呢？那就要将0、2强制转型了：

Java代码

1.hive>SELECTname,salary,deductions['FederalTaxes']

2.>FROMemployees

3.>WHEREdeductions['FederaITaxes']>cast(0v2ASFLOAT);

4.BossMan200000v0Ox3

5.FredFinance150000x00、3

LIKE与RLIKE

LIKE标识模糊查询:

Java代码

1.hive>SELECTname,address^streetFROMempIoyeesWHEREaddress、streetLIKE'%Avex;

2.JohnDoe1MichiganAve、

3.ToddHones200ChicagoAve、

4.

5.hive>SELECTname,addressstreetFROMemployeesWHEREaddress

streetLIKE'%Chi%';

6.ToddHones200ChicagoAve、

RLIKE就是使用正则表达式:

Java代码

1.hive>SELECTname,addressvstreetFROMemployees

2.>WHEREaddress^streetRLIKE\*(Chicago|Ontario)x*,: