- 综合排序
- 最热优先
- 最新优先
- 来自专栏Michael阿明学习之路
HiveQL：查询
文章目录 1. select from 1.1 正则表达式指定列 1.2 使用列值计算 1.3 使用函数 1.4 limit 限制返回行数 1.5 别名 as name 1.6 case when then 语句 2. where 语句 3. JOIN 优化 4. 抽样查询 5. union all 学自《hive编程指南》 1. select from hive (default)> create table employees( > name string,
37020发布于 2021-09-06 - 来自专栏个人分享
hiveql笔记（一）
create table if not exists mydb.employees{
49120发布于 2018-09-06 - 来自专栏后台技术底层理解
HiveQL快速使用
hive命令包括Hive cli 和 hiveQL命令 Hive cli cli 就是命令行界面，可以通过cli创建表，检查模式和查询表。 hiveQL hiveQL对数据库的创建与修改与mysql数据库一致 create database shopdb; hiveQL对表的创建具有很显著的扩展，可以定义表的存储位置，以及用什么格式存储。 hiveQL的视图与索引的创建与mysql基本一致。
98010发布于 2020-08-04 - 来自专栏扎心了老铁
hiveQL去重
去重： 以id进行分组，然后取出每组的第一个 select * from (select *,row_number() over (partition by id) num from t_link) t where t.num=1; 以id进行分组，按照create_time降序排序后，然后取出每组的第一个 select * from (select *,row_number() over (partition by id order by create_time desc) num from t_link
2.5K30发布于 2018-03-05 - 来自专栏扎心了老铁
hiveQL求差集
hive sql求差集的方法 1、什么是差集 set1 - set2，即去掉set1中存在于set2中的数据。 2、hive中计算差集的方法，基本是使用左外链接。 直接上代码 select * from table1 t1 left outer join table2 t2 on t1.id = t2.id where t2.id = null; 3、一般来说我们要先去重，使得两个表都变成集合，元素唯一。 先对table2(右表)去重然后再计算差集。 select * from ( selec
3.7K40发布于 2018-03-05 - 来自专栏Michael阿明学习之路
HiveQL： 数据定义
注：cmd里显示数据库名，需要 vim /usr/local/hive/bin/.hiverc 添加 set hive.cli.print.current.db=true;
70030发布于 2021-09-06 - 来自专栏Michael阿明学习之路
HiveQL： 数据操作
分区表可以跟 partition (key1 = v1, key2 = v2, …)
39430发布于 2021-09-06 HiveQL配置文件优化策略
HiveQL从Map/Reduce的运行角度来考虑优化性能，从更底层思考如何优化运算性能. 2.1列裁剪 HiveQL只读所需要的列，而忽略其它列。节省了读开销，中间表存储开销和数据整合开销。
18110编辑于 2025-12-23- 来自专栏个人分享
hiveql函数笔记（二）
SELECT count(*),avg(salary) FROM employees;
1.1K11发布于 2018-09-06 - 来自专栏实战docker
hive学习笔记之六：HiveQL基础
这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos 《hive学习笔记》系列导航 基本数据类型 复杂数据类型 内部表和外部表 分区表 分桶 HiveQL Sqoop 基础UDF 用户自定义聚合函数(UDAF) UDTF 本篇概览 本文是《hive学习笔记》系列的第六篇，前面的文章咱们对数据类型、表结构有了基本了解，接下来对常用的查询语句做一次集中式的学习； HiveQL 12 2 mike 13 3 john 14 4 mary 15 5 Time taken: 0.068 seconds, Fetched: 5 row(s) 开始体验HiveQL NULL NULL NULL NULL jiangshu nanjing Time taken: 22.189 seconds, Fetched: 6 row(s) 至此，常用HiveQL 体验完毕，希望能给您一些参考，接下来的章节会进一步学习HiveQL的特性； 关于容器和镜像的环境 如果您不想自己搭建kubernetes环境，推荐使用腾讯云容器服务TKE：无需自建，即可在腾讯云上使用稳定
47900发布于 2021-07-06 - 来自专栏实战docker
hive学习笔记之六：HiveQL基础
这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos 《hive学习笔记》系列导航 基本数据类型 复杂数据类型 内部表和外部表 分区表 分桶 HiveQL Sqoop 基础UDF 用户自定义聚合函数(UDAF) UDTF 本篇概览 本文是《hive学习笔记》系列的第六篇，前面的文章咱们对数据类型、表结构有了基本了解，接下来对常用的查询语句做一次集中式的学习； HiveQL tom 11 1 jerry 12 2 mike 13 3 john 14 4 mary 15 5 Time taken: 0.068 seconds, Fetched: 5 row(s) 开始体验HiveQL mary 15 5 NULL NULL NULL NULL NULL jiangshu nanjing Time taken: 22.189 seconds, Fetched: 6 row(s) 至此，常用HiveQL 体验完毕，希望能给您一些参考，接下来的章节会进一步学习HiveQL的特性
43320编辑于 2022-05-06 - 来自专栏Hadoop数据仓库
Kettle与Hadoop（六）执行HiveQL语句
https://blog.csdn.net/wzy0623/article/details/106471124#2.%20%E5%90%91Hive%E5%AF%BC%E5%85%A5%E6%95%B0%E6%8D%AE。
46430发布于 2020-06-04 - 来自专栏python3
Python在HiveQL中的运用
在写HiveQL的时候，往往发现内置函数不够用，Hive支持用户自定义函数UDF，使用Java进行开发。很多时候这显得过于繁重。 在执行上面这个hiveql语句之前，需要将相应的脚本文件添加到环境中。 使用add file xxx.py即可，这里的文件名不能加引号。
2K40发布于 2020-01-13 HiveQL DML核心揭秘：LOAD与INSERT语句的数据加载全指南
Hive与HiveQL入门：大数据处理的基石 在大数据技术快速演进的今天，Apache Hive作为Hadoop生态系统中的关键组件，持续为海量数据的存储与处理提供强大支持。 HiveQL作为Hive的查询语言，高度模仿SQL标准，包括数据定义语言（DDL）、数据操作语言（DML）和数据控制语言（DCL）等组件。 未来展望：HiveQL DML的演进与替代方案 随着大数据技术的持续演进，HiveQL DML作为传统数据加载的核心工具，在2025年依然保持着重要地位，但其应用场景和技术生态正在发生深刻变化。 虽然HiveQL本身语法变化不大，但其执行引擎和周边工具正通过AI辅助的优化器变得更加高效和自适应。 动手尝试：下一步学习路径与资源推荐 现在你已经掌握了HiveQL中LOAD和INSERT语句的核心用法，是时候将这些知识付诸实践了。
34910编辑于 2025-11-29HiveQL数据定义语言(DDL)全解析：从创建到修改数据库与表的实战指南
HiveQL与SQL高度相似，这使得传统数据库开发人员和分析师能够以较低的学习成本迁移到大数据平台。 HiveQL作为Hive的查询语言，继承了SQL的主要特性，同时针对大数据环境进行了扩展和优化。 总之，Hive和HiveQL为大数据处理提供了一个高效、易用的SQL接口，降低了大数据技术的门槛。而DDL作为HiveQL的基础，是确保数据管理结构化和规范化的关键。 创建数据库是使用HiveQL进行数据定义的第一步，为后续的表操作奠定基础。 持续探索与成长 大数据领域日新月异，HiveQL DDL作为数据管理的基石，其重要性不言而喻。
32410编辑于 2025-11-28- 来自专栏智能大数据分析
【大数据技术基础 | 实验十】Hive实验：部署Hive
当用户向Hive提交其编写的HiveQL后，首先，Hive运行时环境会将这些脚本翻译成MapReduce和HDFS操作，紧接着，Hive运行时环境使用Hadoop命令行接口向Hadoop集群提交这些MapReduce 和HDFS操作，最后，Hadoop集群逐步执行这些MapReduce和HDFS操作，整个过程可概括如下： （1）用户编写HiveQL并向Hive运行时环境提交该HiveQL。 （2）Hive运行时环境将该HiveQL翻译成MapReduce和HDFS操作。 （3）Hive运行时环境调用Hadoop命令行接口或程序接口，向Hadoop集群提交翻译后的HiveQL。 （4）Hadoop集群执行HiveQL翻译后的MapReduce-APP或HDFS-APP。 由上述执行过程可知，Hive的核心是其运行时环境，该环境能够将类SQL语句编译成MapReduce。 Hive查询操作过程严格遵守Hadoop MapReduce的作业执行模型，Hive将用户的HiveQL语句通过解释器转换为MapReduce作业提交到Hadoop集群上，Hadoop监控作业执行过程，
1.2K10编辑于 2025-01-22 - 来自专栏YoungGy
SparkSQL入门_1
LOCAL INPATH 'examples/src/main/resources/kv1.txt' INTO TABLE src") # Queries can be expressed in HiveQL . results = sqlContext.sql("FROM src SELECT key, value").collect() #常用的操作 hiveql.table("student").show () hiveql.tables().show() hiveql.tableNames()
1.2K110发布于 2018-01-02 - 来自专栏Java
Hadoop中的Hive是什么？请解释其作用和用途。
Hive是Hadoop生态系统中的一个数据仓库工具，它提供了一个类似于SQL的查询语言，称为HiveQL，用于在Hadoop集群上进行数据分析和查询。 用户可以使用HiveQL查询语言进行数据分析和查询，无需了解底层的数据存储和处理细节。 用户可以使用HiveQL编写复杂的查询和转换逻辑，将数据从一个格式转换为另一个格式，或者将数据合并和聚合。 数据分析和报表：Hive可以用于执行复杂的数据分析和生成报表。 用户可以使用HiveQL编写查询来提取和分析数据，并将结果导出为报表或可视化图表。
89700编辑于 2025-01-21 - 来自专栏Java
什么是Hive？请简要解释其作用和用途。
Hive是一个基于Hadoop的数据仓库工具，它提供了类似于SQL的查询语言HiveQL，用于将结构化的数据映射到Hadoop分布式文件系统（HDFS）中，并支持高效的数据查询和分析。 它使用HiveQL查询语言，这是一种类似于SQL的语言，可以用于定义表、加载数据、执行查询等操作。 Hive将HiveQL查询转换为一系列的MapReduce作业，然后在Hadoop集群上执行这些作业来处理数据。 然后，我们可以使用Hive的命令行界面来执行HiveQL查询。
66510编辑于 2025-01-21 - 来自专栏大数据
hive执行引擎的发展历程
使用Spark（现代，性能最优）SET hive.execution.engine=spark;二、技术架构对比# Hive on Spark的工作流程HiveQL (SQL) → Hive Driver Spark 转换器 (将计划转为Spark的RDD/DataFrame操作) → Spark Job (在YARN上运行) → 结果返回Hive# Hive on MapReduce的工作流程HiveQL 在实际生产环境中，Hive on Spark已成为许多企业的首选配置，因为它提供了最好的性能和扩展性配置灵活：您可以根据集群资源和查询特性选择最合适的执行引擎底层差异：无论使用哪种引擎，Hive的上层接口（HiveQL
20210编辑于 2025-12-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号