Hive数仓之快速入门（二）

上次已经讲了《Hive数据仓库之快速入门一》不记得的小伙伴可以点击回顾一下，接下来我们再讲Hive数据仓库之快速入门二

DQL

hive中的order by、distribute by、sort by和cluster by

order by
全局排序，只有一个Reduce任务

sort by
只做jubu排序

distribute by
用distribute by 会对指定的字段按照hashCode值对reduce的个数取模，然后将任务分配到对应的reduce中去执行

cluster by
distribute by 和 sort by 合用就相当于cluster by，但是cluster by 不能指定排序为asc或 desc 的规则，只能是desc倒序排列

注：distribute by 和 sort by,distribute by 必须在 sort by前面
表连接
1.join只支持等值连接

2.可以 join 多于 2 个表
SELECT a.val, b.val, c.val FROM a JOIN b
    ON (a.key = b.key1) JOIN c ON (c.key = b.key2)
注:如果join中多个表的 join key 是同一个，则 join 会被转化为单个 map/reduce 任务

3.LEFT，RIGHT和FULL OUTER
SELECT a.val, b.val FROM a LEFT OUTER JOIN b ON (a.key=b.key)

如果 d 表中找不到对应 c 表的记录，d 表的所有列都会列出 NULL，包括 ds 列。也就是说，join 会过滤 d 表中不能找到匹配 c 表 join key 的所有记录。这样的话，LEFT OUTER 就使得查询结果与 WHERE 子句无关

•解决办法
　　SELECT c.val, d.val FROM c LEFT OUTER JOIN d
     ON (c.key=d.key AND d.ds='2009-07-07' AND c.ds='2009-07-07')

4.LEFT SEMI JOIN
LEFT SEMI JOIN 的限制是， JOIN 子句中右边的表只能在 ON 子句中设置过滤条件，在 WHERE 子句、SELECT 子句或其他地方过滤都不行

SELECT a.key, a.value
  FROM a
  WHERE a.key in
   (SELECT b.key
    FROM B);

可以被重写为：

SELECT a.key, a.val
   FROM a LEFT SEMI JOIN b on (a.key = b.key)

5.UNION ALL
用来合并多个select的查询结果，需要保证select中字段须一致
　　select_statement UNION ALL select_statement UNION ALL select_statement ...
分析窗口函数
over (partition by * order by d desc)
其他
1.不支持EXIST ,NOT EXIST

2.Top N 关键字为Limit

3.支持正则筛选字段，如SELECT `(ds|hr)?+.+` FROM test

DCL

权限
Grant/revoke语法：
grant/revoke priv_type[column_list] on object_type object to/from principal_type principal_name

查看grant 定义：
show grant user user_name on table table_name;

创建/删除角色：
Create/drop Role role_name

角色分配/回收：
Grant role role_name to user user_name
Revoke role role_name from user user_name

角色授权：
Grant/revoke priv_type[col_List] on object_type object from/to role role_name

查看role定义：
show role grant role role_name

相关hive元信息表：
Db_privs:记录了User/Role在DB上的权限
Tbl_privs:记录了User/Role在table上的权限
Tbl_col_privs：记录了User/Role在table column上的权限
Roles：记录了全部创建的role
Role_map：记录了User与Role的相应关系

Hive函数

UDF、UDAF和UDTF
UDF实现输入一行输出一行行的函数
UDAF实现输入多行输出一行的函数
UDTF实现输入一行输出多行的函数
自定义UDF、UDAF和UDTF

Mysql数据导入Hive

通过sqoop把mysql数据导入到hive(若hive没对应表则自动建表)
./bin/sqoop import --connect jdbc:mysql://172.17.4.1:3306/poi --username lizt --table poi_amap --hive-import --password 123456

python 客户端

pyhs2
pip install pyhs2