HQL 综合考试题（含详细答案解析）

HQL综合考试题（含详细答案解析）考试说明：1.本试卷满分100分，考试时长90分钟；2.题型包含选择题、填空题、简答题、实操编程题，侧重HiveSQL实战能力；3.所有题目适配企业数仓日常开发场景，兼容Hive2.x/3.x主流版本。一、单项选择题（共10题，每题3分，共30分）1.以下关于HQL特点的说法，错误的是（）A.HQL是结构化查询语言，用于操作Hive数据仓库B.HQL执行后会自动转换为MapReduce、Spark等计算任务C.HQL支持标准SQL大部分语法，上手成本低D.HQL可以直接操作本地文件，无需依托HDFS2.Hive中分区表的核心作用是（）A.提升数据存储容量B.缩小查询扫描范围，提升查询效率C.简化建表语句D.保证数据唯一性3.以下哪个关键字可以实现Hive结果集去重（）A.DISTINCTB.UNIQUEC.GROUPBYD.FILTER4.Hive中ORDERBY和SORTBY的核心区别是（）A.无区别，功能完全一致B.ORDERBY是全局排序，SORTBY是分区内排序C.SORTBY是全局排序，ORDERBY是分区内排序D.ORDERBY仅支持数值排序5.以下HQL函数中，属于聚合函数的是（）A.substr()B.count()C.date_format()D.if()6.Hive外部表和内部表（管理表）的核心差异是（）A.字段类型不同B.删除表时，外部表仅删除元数据，数据文件保留C.外部表不支持分区D.内部表查询速度更快7.实现Hive多行转单列拼接，应使用哪个函数（）A.split()B.collect_list()C.concat()D.explode()8.以下语句中，能够正确过滤NULL值的是（）A.wherecol=nullB.wherecolisnullC.wherecol!=nullD.wherecolnotnull9.HQL中LIMIT子句的作用是（）A.限制查询返回的行数B.限制表的最大数据量C.限制任务执行资源D.限制分区数量10.关于Hive动态分区，以下说法正确的是（）A.动态分区无需指定分区字段B.动态分区可以根据数据自动生成分区目录C.动态分区不支持批量插入数据D.动态分区查询效率高于静态分区二、填空题（共5题，每题2分，共10分）1.Hive中__________函数可以实现单列字符串分割，将一行数据拆分为多行。2.HQL中分组统计必须满足：select字段要么是分组字段，要么是__________。3.Hive中用于匹配模糊查询的关键字是__________，通常搭配%、_通配符使用。4.实现Hive两张表左连接的关键字是__________，会保留左表所有数据。5.Hive中查看表结构的命令是__________。三、简答题（共4题，每题5分，共20分）1.简述Hive中WHERE、GROUPBY、HAVING、ORDERBY的执行顺序。2.简述Hive分区和分桶的区别，以及各自适用场景。3.简述INNERJOIN、LEFTJOIN、RIGHTJOIN、FULLJOIN的区别。4.HQL查询中出现数据倾斜的常见原因有哪些？写出2种常用解决方案。四、实操编程题（共3题，共40分）场景数据表：用户行为表user_behavior（分区表，分区字段dt，日期格式yyyy-MM-dd）字段：user_id(用户ID)、goods_id(商品ID)、behavior(行为类型：click点击、buy购买、collect收藏)、dt(日期分区)用户表user_info字段：user_id(用户ID)、user_name(用户名)、age(年龄)、gender(性别)1.基础查询（10分）查询2026-08-01当日，所有产生过购买行为的去重用户总数。2.分组统计（15分）统计2026-08-01当日，各行为类型（click/buy/collect）的用户数、行为总次数，结果按行为次数降序排序。3.关联查询+条件筛选（15分）查询2026-08-01有购买行为的用户，展示用户ID、用户名、年龄、性别，过滤出年龄18-35岁的用户，结果去重。参考答案及详细解析一、单项选择题答案及解析1.答案：D解析：Hive是基于Hadoop的数据仓库工具，所有数据均依托HDFS存储，无法直接操作本地文件，其余选项均为HQL基础特性。2.答案：B解析：分区表的核心原理是按指定字段拆分数据目录，查询时仅扫描对应分区数据，极大减少IO开销，提升查询效率，不影响存储容量、数据唯一性。3.答案：A解析：DISTINCT用于结果集全局去重；Hive不支持UNIQUE关键字；GROUPBY是分组统计，需配合聚合函数实现去重效果；FILTER为过滤函数，无去重功能。4.答案：B解析：ORDERBY是全局排序，最终所有数据会统一有序；SORTBY仅在每个Reducer分区内排序，全局无序，适合大数据量排序减少任务压力。5.答案：B解析：count()、sum()、avg()等为聚合函数，用于分组统计；substr、date_format、if均为单行普通函数。6.答案：B解析：内部表删除时，元数据和HDFS数据文件会一并删除；外部表仅删除元数据，原始数据保留，安全性更高，企业开发中优先使用外部表。7.答案：B解析：collect_list()/collect_set()可实现多行数据合并为数组（多行转单列）；split是单列分割数组，explode是数组炸裂（单列转多行），concat是字符串拼接。8.答案：B解析：Hive中NULL值无法使用=、!=判断，必须使用isnull/isnotnull进行过滤，这是SQL通用规范。9.答案：A解析：LIMIT用于限制查询结果返回的最大行数，常用于抽样查询，不影响表数据、资源和分区配置。10.答案：B解析：动态分区无需手动指定每个分区值，可根据插入数据的字段值自动创建分区目录；动态分区需要指定分区字段，查询效率略低于静态分区，支持批量数据插入。二、填空题答案及解析1.答案：explode解析：explode为炸裂函数，专门用于将array、map类型的单列数据拆分为多行数据，是Hive行转列核心函数。2.答案：聚合函数解析：GROUPBY分组查询语法规范：SELECT后的字段，必须是GROUPBY的分组字段，或sum、count、max等聚合函数字段，否则会报错。3.答案：LIKE解析：LIKE用于模糊匹配，%代表任意多个字符，_代表单个任意字符，是HQL常规模糊查询语法。4.答案：LEFTJOIN解析：LEFTJOIN（左连接）保留左表全部数据，右表无匹配数据时显示NULL。5.答案：desc表名/describe表名解析：desc为简写命令，可快速查看表字段、类型、分区信息；完整命令为describe，功能一致。三、简答题答案及解析1.执行顺序：WHERE→GROUPBY→HAVING→ORDERBY解析：首先通过WHERE过滤原始数据，再根据字段分组，HAVING过滤分组后的聚合结果，最后通过ORDERBY对最终结果排序。核心区别：WHERE过滤原始行数据，HAVING过滤分组聚合数据。2.分区与分桶的区别及场景（1）区别：分区是对文件夹层级拆分，基于指定维度划分数据目录；分桶是对文件层级拆分，基于哈希规则将数据打散到固定数量文件中。分区字段为伪列，分桶字段为表真实字段。（2）适用场景：分区适合按时间、地区等大维度数据拆分，用于缩小查询扫描范围；分桶适合数据抽样、大表精准join、提升查询聚合效率。3.四类连接区别（1）INNERJOIN（内连接）：仅返回两张表中匹配成功的数据，无匹配则不展示；（2）LEFTJOIN（左连接）：保留左表所有数据，右表匹配不到则补NULL；（3）RIGHTJOIN（右连接）：保留右表所有数据，左表匹配不到则补NULL；（4）FULLJOIN（全连接）：保留左右两张表所有数据，无匹配字段补NULL。4.数据倾斜原因及解决方案常见原因：key值分布不均、存在大量NULL/空值key、热点key（单一key数据量极大）、大表join小表未优化。常用解决方案：（1）对NULL/空值key进行随机打散，避免集中到一个Reducer；（2）大表join小表时，使用mapjoin将小表加载到内存，避免shuffle阶段倾斜；（3）对热点key单独处理，拆分热点数据单独计算后合并结果。四、实操编程题答案（可直接运行）1.基础查询题答案sql

--查询2026-08-01购买行为的去重用户总数

SELECTCOUNT(DISTINCTuser_id)ASbuy_user_total

FROMuser_behavior

WHEREdt='2026-08-01'

ANDbehavior='buy';2.分组统计题答案sql

--统计当日各行为的用户数、行为总次数，按次数降序

SELECT

behavior,

COUNT(DISTINCTuser_id)ASuser_num,--去重用户数

COUNT(*)ASbehavior_total--行为总次数

FROMuser_behavior

WHEREdt='2026-08-01'

GROUPBYbehavior

ORDERBYbehavior_totalDESC;3.关联查询筛选题答案sql

--关联用户表，筛选18-35岁有购买行为的用户，结果去重

SELECTDISTINCT

ub.user_id,

ui.user_name,

ui.age,

ui.gender

FROMuser_behaviorub

LEFTJOI