一、数据库
1 创建库语句
CREATE DATABASE [IF NOT EXISTS] database_name
[COMMENT database_comment]
[LOCATION hdfs_path]
[WITH DBPROPERTIES (property_name=property_value, ...)];
2查询数据库
2.1 显示数据库
show databases;
2.2 过滤显示查询的数据库
show databases like 'd*';
2.3 显示数据库信息
desc database ods;
2.4 显示数据库详细信息，extended
desc database extended ods;
2.5 切换数据库详细信息，use
use dwd;
3 修改数据库
3.1 修改数据库属性，Alter
ALTER (DATABASE|SCHEMA) database_name SET DBPROPERTIES (property_name=property_value, …);
3.2 删除数据库，drop
3.2.1 删除空的数据库
drop database dwd;
3.2.2删除非空的数据库，使用cascade强制删除。
drop database dwd cascade;
二、表
1 建表语句
CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name
[(col_name data_type [COMMENT col_comment], ...)]
[COMMENT table_comment]
[PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)]
[CLUSTERED BY (col_name, col_name, ...)
[SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS]
[ROW FORMAT row_format]
[STORED AS file_format]
[TBLPROPERTIES (property_name=property_value, ...)]
[AS select_statement]
（1）CREATE TABLE 创建一个指定名字的表。如果相同名字的表已经存在，则抛出异常；用户可以用 IF NOT EXISTS 选项来忽略这个异常。
（2）EXTERNAL关键字可以让用户创建一个外部表，在建表的同时可以指定一个指向实际数据的路径（LOCATION），在删除表的时候，内部表的元数据和数据会被一起删除，而外部表只删除元数据，不删除数据。
（3）COMMENT：为表和列添加注释。
（4）PARTITIONED BY创建分区表
（5）CLUSTERED BY创建分桶表
（6）SORTED BY不常用，对桶中的一个或多个列另外排序
（7）ROW FORMAT
DELIMITED [FIELDS TERMINATED BY char] [COLLECTION ITEMS TERMINATED BY char]
[MAP KEYS TERMINATED BY char] [LINES TERMINATED BY char] | SERDE serde_name [WITH SERDEPROPERTIES (property_name=property_value, property_name=property_value, ...)]
用户在建表的时候可以自定义SerDe或者使用自带的SerDe。如果没有指定ROW FORMAT 或者ROW FORMAT DELIMITED，将会使用自带的SerDe。在建表的时候，用户还需要为表指定列，用户在指定表的列的同时也会指定自定义的SerDe，Hive通过SerDe确定表的具体的列的数据。
SerDe是Serialize/Deserilize的简称， hive使用Serde进行行对象的序列与反序列化。
（8）STORED AS指定存储文件类型
常用的存储文件类型：SEQUENCEFILE（二进制序列文件）、TEXTFILE（文本）、RCFILE（列式存储格式文件）
如果文件数据是纯文本，可以使用STORED AS TEXTFILE。如果数据需要压缩，使用 STORED AS SEQUENCEFILE。
（9）LOCATION ：指定表在HDFS上的存储位置。
（10）AS：后跟查询语句，根据查询结果创建表。
（11）LIKE允许用户复制现有的表结构，但是不复制数据。
（12）TBLPROPERTIES设置表的属性，在表明压缩类型时用过。（例如”orc.compress”=”SNAPPY”）
2 查询表信息
2.1 查看表的元数据信息 desc
DESCRIBE FORMATTED orders;
2.2 修改 alter
2.2.1 修改表名： alter table dept rename to depts;
2.2.2 修改表属性：
alter table depts set tblproperties ('EXTERNAL'='TRUE')
alter table depts set tblproperties ('EXTERNAL'='FALSE')
2.2.3 修改列,注意如果修改的字段类型和之前的字段类型不一致，之前的数据就无法显示
修改列名和列数据类型：alter table depts change dept_name dname string ;
修改位置放置第一位：alter table depts change id did string first;
修改位置指定某一列后面：alter table depts change dname dname string after did;
2.2.4 添加列(慎用)
alter table depts add columns(daddress string);
2.2.5 添加分区
alter table depts add partition(dt=20200713);
alter table depts add partition(dt=20200713) location '/user/test/20200713.txt';
2.2.6 修改分区
alter table depts partition(dt=20170404) rename to partition(dt=20170405);
alter table depts partition(dt=20170404) set location '/user/test/depts.txt';
2.2.7 删除分区
alter table depts drop if exists partition(dt=20170404);
2.3 查询表数据
Hive中的SELECT基础语法和标准SQL语法基本一致，支持WHERE、DISTINCT、GROUP BY、ORDER BY、HAVING、LIMIT、子查询等；
具体语法：
[WITH CommonTableExpression (, CommonTableExpression)*]
SELECT [ALL | DISTINCT] select_expr, select_expr, ...
FROM table_reference
[WHERE where_condition]
[GROUP BY col_list]
[CLUSTER BY col_list
| [DISTRIBUTE BY col_list] [SORT BY col_list]
]
[LIMIT number]
2.3.1 常用关键词简介
(1) ORDER BY和SORT BY
ORDER BY用于全局排序，就是对指定的所有排序键进行全局排序，使用ORDER BY的查询语句，最后会用一个Reduce Task来完成全局排序。
explain select id,name from emp where deptid = 1001
explain select id,name from emp where deptid = 1001 order by id
SORT BY用于分区内排序，即每个Reduce任务内排序。
设定了2个reduce，从结果可以看出，每个reduce内做了排序。设定一个reduce，从结果看和order by一致。
（2）DISTRIBUTE BY和CLUSTER BY
distribute by：按照指定的字段或表达式对数据进行划分，输出到对应的Reduce或者文件中。
cluster by：除了兼具distribute by的功能，还兼具sort by的排序功能。
(3)GROUP BY语句通常会和聚合函数一起使用，按照一个或者多个列队结果进行分组，然后对每个组执行聚合操作。
（4）子查询
子查询和标准SQL中的子查询语法和用法基本一致，需要注意的是，Hive中如果是从一个子查询进行SELECT查询，那么子查询必须设置一个别名。
SELECT col
FROM (
SELECT a+b AS col
FROM t1
) t2
where 语句中也支持子查询。
SELECT *
FROM A
WHERE A.a IN (SELECT foo FROM B);
SELECT A
FROM T1
WHERE EXISTS (SELECT B FROM T2 WHERE T1.X = T2.Y)
WITH..AS..也叫做子查询部分,语句允许hive定义一个sql片段,供整个sql使用，即将子查询作为一个表的语法，叫做Common Table Expression（CTE）
with q1 as (select * from src where key= '5'),
q2 as (select * from src s2 where key = '4')
select from q1 union all select from q2;
with q1 as ( select key, value from src where key = '5')
from q1
insert overwrite table s1
select * from q1;
(5)Hive查询中有两个虚拟列：INPUT__FILE__NAME：数据对应的HDFS文件名；
BLOCK__OFFSET__INSIDE__FILE：该行记录在文件中的偏移量；
(6)HAVING 语句
having与where不同点
·where后面不能写分组函数，而having后面可以使用分组函数。
·having只用于group by分组统计语句。
(7) JOIN语句
Hive中除了支持和传统数据库中一样的内关联、左关联、右关联、全关联，还支持LEFT SEMI JOIN和CROSS JOIN，但这两种JOIN类型也可以用前面的代替。
·内关联（JOIN）
·左外关联（LEFT [OUTER] JOIN）
·右外关联（RIHGHT [OUTER] JOIN）
（8）LIKE语句
如果字符串A或者字符串B为NULL，则返回NULL；如果字符串A符合表达式B的正则语法，则为TRUE；否则为FALSE。B中字符”_”表示任意单个字符，而字符”%”表示任意数量的字符。
年龄表
查询年龄为1开头的数据：select * from ages where age like '1%';
查询年龄第二位是1的数据：select * from ages where age like '_1%';
RLIKE子句是Hive中LIKE功能的一个扩展，其可以通过Java的正则表达式这个更强大的语言来指定匹配条件。
2.3.2 常用函数简介
(1) 字符串连接函数，concat
语法: concat(string A, string B...)
返回值: string
说明：返回输入字符串连接后的结果，支持任意个输入字符串
举例：select concat('abc','def','gh') from ages ;
（2）带分隔符字符串连接函数：concat_ws
语法: concat_ws(string SEP, string A, string B...)
返回值: string
说明：返回输入字符串，连接后的结果，SEP表示各个字符串间的分隔符
举例：select concat_ws(',','abc','def','gh') from ages ;
除此之外还可以将数组的形式转换为字符串concat_ws(string SEP, array)
举例：select concat_ws('|',array('ads','des','ss')) from ages ;
（3）集合去重函数：collect_set
语法: collect_set(col)
返回值: array
说明: 将col字段进行去重，合并成一个数组。
举例：cookies表
select cookieid,collect_set(name) from cookies group by cookieid ;
(4) UDTF一进多出
列转行：explode
语法: explode(ARRAY)
返回值: 多行
说明：将数组转换为多行
举例：select explode(array('ads','des','ss'))from ages;
除此之外还可以将map拆分为多行。
（5）UDAF多进一出
聚合函数count，sum，avg等
（6）窗口函数
一般和聚合函数配合使用
OVER()：指定分析函数工作的数据窗口大小，这个数据窗口大小可能会随着行的变而变化。
举例：
orders表
总结：over是对分的组得到结果的count ，因为搜到了4个人，所以count数为4。直接count是分组后对组中的数据进行count。
总结：添加partition by name 表示按照name分组进行sum求和。
(7) 排序函数
RANK() 排序相同时会重复，总数不会变
DENSE_RANK() 排序相同时会重复，总数会减少
ROW_NUMBER() 会根据顺序计算
举例：scores表
select name,
subject,
score,
rank() over(partition by subject order by score desc) rp,
dense_rank() over(partition by subject order by score desc) drp,
row_number() over(partition by subject order by score desc) rmp
from scores;
得到结果：
（8）函数总结大全
一、关系运算：
- 等值比较: =
- 等值比较:<=>
- 不等值比较: <>和!=
- 小于比较: <
- 小于等于比较: <=
- 大于比较: >
- 大于等于比较: >=
- 区间比较
- 空值判断: IS NULL
- 非空判断: IS NOT NULL
- LIKE比较: LIKE
- JAVA的LIKE操作: RLIKE
-
REGEXP操作: REGEXP
二、数学运算：
- 加法操作: +
- 减法操作: –
- 乘法操作: *
- 除法操作: /
- 取余操作: %
- 位与操作: &
- 位或操作: |
-
位异或操作: ^
9．位取反操作: ~
三、逻辑运算：
- 逻辑与操作: AND 、&&
- 逻辑或操作: OR 、||
-
逻辑非操作: NOT、!
四、复合类型构造函数
- map结构
- struct结构
- named_struct结构
- array结构
-
create_union
五、复合类型操作符
- 获取array中的元素
- 获取map中的元素
-
获取struct中的元素
六、数值计算函数
- 取整函数: round
- 指定精度取整函数: round
- 向下取整函数: floor
- 向上取整函数: ceil
- 向上取整函数: ceiling
- 取随机数函数: rand
- 自然指数函数: exp
- 以10为底对数函数: log10
- 以2为底对数函数: log2
- 对数函数: log
- 幂运算函数: pow
- 幂运算函数: power
- 开平方函数: sqrt
- 二进制函数: bin
- 十六进制函数: hex
- 反转十六进制函数: unhex
- 进制转换函数: conv
- 绝对值函数: abs
- 正取余函数: pmod
- 正弦函数: sin
- 反正弦函数: asin
- 余弦函数: cos
- 反余弦函数: acos
- positive函数: positive
-
negative函数: negative
七、集合操作函数
- map类型大小：size
- array类型大小：size
- 判断元素数组是否包含元素：array_contains
- 获取map中所有value集合
- 获取map中所有key集合
-
数组排序
八、类型转换函数
- 二进制转换：binary
-
基础类型之间强制转换：cast
九、日期函数
- UNIX时间戳转日期函数: from_unixtime
- 获取当前UNIX时间戳函数: unix_timestamp
- 日期转UNIX时间戳函数: unix_timestamp
- 指定格式日期转UNIX时间戳函数: unix_timestamp
- 日期时间转日期函数: to_date
- 日期转年函数: year
- 日期转月函数: month
- 日期转天函数: day
- 日期转小时函数: hour
- 日期转分钟函数: minute
- 日期转秒函数: second
- 日期转周函数: weekofyear
- 日期比较函数: datediff
- 日期增加函数: date_add
-
日期减少函数: date_sub
十、条件函数
- If函数: if
- 非空查找函数: COALESCE
- 条件判断函数：CASE
- 十一、字符串函数
- 字符ascii码函数：ascii
- base64字符串
- 字符串连接函数：concat
- 带分隔符字符串连接函数：concat_ws
- 数组转换成字符串的函数：concat_ws
- 小数位格式化成字符串函数：format_number
- 字符串截取函数：substr,substring
- 字符串查找函数：instr
- 字符串长度函数：length
- 字符串查找函数：locate
- 字符串格式化函数：printf
- 字符串转换成map函数：str_to_map
- base64解码函数：unbase64(string str)
- 字符串转大写函数：upper,ucase
- 字符串转小写函数：lower,lcase
- 去空格函数：trim
- 左边去空格函数：ltrim
- 右边去空格函数：rtrim
- 正则表达式替换函数：regexp_replace
- 正则表达式解析函数：regexp_extract
- URL解析函数：parse_url
- json解析函数：get_json_object
- 空格字符串函数：space
- 重复字符串函数：repeat
- 左补足函数：lpad
- 右补足函数：rpad
- 分割字符串函数: split
- 集合查找函数: find_in_set
- 分词函数：sentences
- 分词后统计一起出现频次最高的TOP-K
-
分词后统计与指定单词一起出现频次最高的TOP-K
十二、混合函数
- 调用Java函数：java_method
- 调用Java函数：reflect
-
字符串的hash值：hash
十三、XPath解析XML函数
- xpath
- xpath_string
- xpath_boolean
- xpath_short, xpath_int, xpath_long
-
xpath_float, xpath_double, xpath_number
十四、汇总统计函数（UDAF）
- 个数统计函数: count
- 总和统计函数: sum
- 平均值统计函数: avg
- 最小值统计函数: min
- 最大值统计函数: max
- 非空集合总体变量函数: var_pop
- 非空集合样本变量函数: var_samp
- 总体标准偏离函数: stddev_pop
-
样本标准偏离函数: stddev_samp
10．中位数函数: percentile
- 中位数函数: percentile
- 近似中位数函数: percentile_approx
- 直方图: histogram_numeric
- 集合去重数：collect_set
-
集合不去重函数：collect_list
十五、表格生成函数Table-Generating Functions (UDTF)
- 数组拆分成多行：explode
- Map拆分成多行：explode