SQL-Hive中的Select From解析

今天我们来讲讲Hive中最常用的 select from 语句知识要点。

Hive系列文章预计10-20篇，主要讲数据分析中最基础的SQL技能。

查询指定的某一列或某几列，命令如下：

SELECT 列名1,列名2,…… FROM 表名; 

查询表中的所有字段时，可以使用*代表所有字段。星号(*)是选取所有列的快捷方式。命令如下：

SELECT * FROM 表名; 

如果我们想查询表 t_od_use_cnt 中的所有的user_id和use_cnt，具体命令如下：

SELECT user_id 
      ,use_cnt 
FROM app.t_od_use_cnt; 

备注：app是数据库名，如果当前查询表与当前使用数据库一致，可以省略不写

在Hive中这样写虽然语法正确(不加分区)，但在实际工作中这样写很可能会报错。

因为Hive中的表一般数据量极大，为了防止用户误操作进行全表扫描，可以设置为查询分区表时必须加入分区限制。比如这里我们的分区字段是date_8这个日期字段，工作中的表会要求我们必须限定查询哪几天的分区数据。这里我们可以输入设置参数进行模拟，命令如下：

hive (app)> set hive.mapred.mode; 
hive.mapred.mode=nonstrict 
hive (app)> set hive.mapred.mode=strict; 
hive (app)> set hive.mapred.mode; 
hive.mapred.mode=strict 

然后我们重新执行上面的查询语句，报错如下：

hive (app)> SELECT user_id 
          >       ,use_cnt 
          > FROM app.t_od_use_cnt; 
FAILED: SemanticException [Error 10041]: No partition predicate found for Alias "t_od_use_cnt" Table "t_od_use_cnt" 
hive (app)>  

如下使用where语句限定分区即可解决这个问题：

SELECT user_id 
      ,use_cnt 
FROM app.t_od_use_cnt 
WHERE date_8 = '20210420'; 

上面的查询语句会返回查询到的所有数据，但有时候我们只是要确认一下表中的数据内容，或者要指定行数据，比如只要100行，这时只需要在查询语句后加上(limit 数字)即可。

查询表t_od_use_cnt中前5行数据，命令如下：

SELECT user_id 
      ,use_cnt 
FROM app.t_od_use_cnt 
WHERE date_8 = 20190101 Limit 5; 

运行结果如下：

hive (app)> SELECT user_id 
          >       ,use_cnt 
          > FROM app.t_od_use_cnt 
          > WHERE date_8 = 20210420 Limit 5; 
OK 
user_id  use_cnt 
10000  6 
10001  49 
10002  23 
10003  1 
10004  29 
Time taken: 0.829 seconds, Fetched: 5 row(s) 
hive (app)> 

在查询时可以对数值类型的字段进行加减乘除和取余等四则运算

下面我们将表t_od_use_cnt中use_cnt列和is_active列相乘得到一个新列，其他用法依次类推。

hive (app)> SELECT user_id 
          >       ,use_cnt 
          >       ,is_active 
          >       ,use_cnt * is_active 
          > FROM app.t_od_use_cnt 
          > WHERE date_8 = 20210420 Limit 5; 
OK 
user_id  use_cnt  is_active  _c3 
10000  6  1  6 
10001  49  1  49 
10002  23  1  23 
10003  1  0  0 
10004  29  1  29 
Time taken: 0.124 seconds, Fetched: 5 row(s) 
hive (app)> 

可以看到上面的例子中我们通过两个列相乘人为制造出一个新列，系统默认将其列名起为_c3。通常有必要给这些新产生的列起一个别名。已有列的列名如果含义不清晰也可以通过起别名的方式进行更改。不过别名只在本条SQL语句中生效，不影响原表中的字段名。

这里顺便介绍一下字段命名规则：

1.不能和已有字段重复

2.只能包括小写字母(a-z)、数字(0-9)、下划线(_)

3.以字母开头

4.单词之间用下划线_分割

这里我们将别名起为active_use_cnt，在列后面加 AS active_use_cnt即可。另AS可以省略，只用空格分隔别名也可以生效

hive (app)> SELECT user_id 
          >       ,use_cnt 
          >       ,is_active 
          >       ,use_cnt * is_active AS active_use_cnt 
          > FROM app.t_od_use_cnt 
          > WHERE date_8 = 20210420 Limit 5; 
OK 
user_id  use_cnt  is_active  active_use_cnt 
10000  6  1  6 
10001  49  1  49 
10002  23  1  23 
10003  1  0  0 
10004  29  1  29 
Time taken: 0.239 seconds, Fetched: 5 row(s) 
hive (app)>