第六章 hive的简单查询（where ，groupby，join，order by等）

我会带着你远行 2022-12-27 04:52 65阅读 0赞

### 文章目录 ###

*   *  6.1基本查询
     *   *  6.1.1创建部门表
         *  6.1.2 列别名
         *  6.1.3 算术运算符
         *  6.1.4 常用函数
     *  6.2 where 语句
     *   *   *  6.2.1 比较运算符（Between/In/ Is Null）
             *  6.2.2 Like和RLike
             *  6.2.3 逻辑运算符（And/Or/Not）
     *  6.3 分组
     *   *  6.3.1 Group By语句
         *  6.3.2 Having语句
     *  6.4 Join语句
     *   *  6.4.1 等值Join
         *  6.4.2 表的别名
         *  6.4.3 内连接
         *  6.4.4 左外连接
         *  6.4.6 满外连接
         *  6.4.7 多表连接
         *  6.4.8 笛卡尔积
     *  6.5 排序
     *   *  6.5.1 全局排序（Order By）
         *  6.5.2 按照别名排序
         *  6.5.3 多个列排序
         *  6.5.4 每个MapReduce内部排序（Sort By）
         *  6.5.5 分区排序（Distribute By）
         *  6.5.6 Cluster By
     *  6.6 分桶及抽样查询
     *   *  6.6.1 分桶表数据存储
         *  6.6.2 分桶抽样查询
     *  6.7 其他常用查询函数
     *  6.7.1 空字段赋值
     *   *  6.7.2 行转列
         *  6.7.3 列转行
         *  6.7.4 窗口函数（开窗函数）

## 6.1基本查询 ##

数据 emp.txt

7369	SMITH	CLERK	7902	1980-12-17	800.00		20
    7499	ALLEN	SALESMAN	7698	1981-2-20	1600.00	300.00	30
    7521	WARD	SALESMAN	7698	1981-2-22	1250.00	500.00	30
    7566	JONES	MANAGER	7839	1981-4-2	2975.00		20
    7654	MARTIN	SALESMAN	7698	1981-9-28	1250.00	1400.00	30
    7698	BLAKE	MANAGER	7839	1981-5-1	2850.00		30
    7782	CLARK	MANAGER	7839	1981-6-9	2450.00		10
    7788	SCOTT	ANALYST	7566	1987-4-19	3000.00		20
    7839	KING	PRESIDENT		1981-11-17	5000.00		10
    7844	TURNER	SALESMAN	7698	1981-9-8	1500.00	0.00	30
    7876	ADAMS	CLERK	7788	1987-5-23	1100.00		20
    7900	JAMES	CLERK	7698	1981-12-3	950.00		30
    7902	FORD	ANALYST	7566	1981-12-3	3000.00		20
    7934	MILLER	CLERK	7782	1982-1-23	1300.00		10

dept.txt

10	ACCOUNTING	1700
    20	RESEARCH	1800
    30	SALES	1900
    40	OPERATIONS	1700

### 6.1.1创建部门表 ###

create table if not exists dept(
    deptno int,
    dname string,
    loc int
    )
    row format delimited fields terminated by '\t';

成功创建  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNjc0MzYw_size_16_color_FFFFFF_t_70]

创建员工表

create table if not exists emp(
    empno int ,
    ename string,
    job string,
    mgr int,
    hiredate string,
    sal double,
    comm double,
    deptno int
    ) row format delimited fields terminated by '\t';

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNjc0MzYw_size_16_color_FFFFFF_t_70 1]  
导入数据

load data local inpath '/opt/module/datas/dept.txt' into table dept;
    load data local inpath '/opt/module/datas/emp.txt' into table emp;

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNjc0MzYw_size_16_color_FFFFFF_t_70 2]  
全表查询

select * from emp;

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNjc0MzYw_size_16_color_FFFFFF_t_70 3]

特定查询

select empno,ename from emp;

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNjc0MzYw_size_16_color_FFFFFF_t_70 4] 备注：

1.sql语言大小写不敏感
    2.sql可以写在一行或者多行
    3.关键字不能被缩写也不能分行
    4.各句中一般要分行写
    5.使用缩进提高语句的可读性

### 6.1.2 列别名 ###

1.重命名一个列  
2.方便计算（因为有些别名太长，或者不符合当时的语境）  
3.紧跟列名，也是在列名和别名之间加关键字as

案例：  
查询名称和部门

select ename as name,deptno dn from emp;

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNjc0MzYw_size_16_color_FFFFFF_t_70 5]

### 6.1.3 算术运算符 ###

https://issues.apache.org/jira/browse/HIVE-2810  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNjc0MzYw_size_16_color_FFFFFF_t_70 6]

### 6.1.4 常用函数 ###

1.求总行数（count）

select count（*） as cnt from emp;

2.求工资的最大值（max）

select max(sal) as max_sal from emp;

3.求工资的最小值（min）

select min(sal) as min_sal from emp;

4.求工资总和（sum）

select sum(sal) as sum_sal from emp;

5.求工资平均值（avg）

select avg（sal）as avg_sal from emp;

limit 语句  
作用：用于限制返回的行数

select * from emp limit 5;

## 6.2 where 语句 ##

1.使用where句子，将不满足的条件的行过滤  
2.where 句子紧跟from子句

案例：  
查询薪水大于1000的所有员工

select * from emp where sal > 1000;

#### 6.2.1 比较运算符（Between/In/ Is Null） ####

1）下面表中描述了谓词操作符，这些操作符同样可以用于JOIN…ON和HAVING语句中。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNjc0MzYw_size_16_color_FFFFFF_t_70 7]案例实操  
（1）查询出薪水等于5000的所有员工

hive (default)> select * from emp where sal =5000;

（2）查询工资在500到1000的员工信息

hive (default)> select * from emp where sal between 500 and 1000;

（3）查询comm为空的所有员工信息

hive (default)> select * from emp where comm is null;

（4）查询工资是1500或5000的员工信息

hive (default)> select * from emp where sal IN (1500, 5000);

#### 6.2.2 Like和RLike ####

1）使用LIKE运算选择类似的值
    2）选择条件可以包含字符或数字:
    % 代表零个或多个字符(任意个字符)。
    _ 代表一个字符。
    3）RLIKE子句是Hive中这个功能的一个扩展，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。

4）案例实操  
（1）查找以2开头薪水的员工信息

hive (default)> select * from emp where sal LIKE '2%';

（2）查找第二个数值为2的薪水的员工信息

hive (default)> select * from emp where sal LIKE '_2%';

（3）查找薪水中含有2的员工信息

hive (default)> select * from emp where sal RLIKE '[2]';

#### 6.2.3 逻辑运算符（And/Or/Not） ####

![表6-5][6-5]

操作符	含义
    AND	逻辑并
    OR	逻辑或
    NOT	逻辑否

案例实操  
（1）查询薪水大于1000，部门是30

hive (default)> select * from emp where sal>1000 and deptno=30;

（2）查询薪水大于1000，或者部门是30

hive (default)> select * from emp where sal>1000 or deptno=30;

（3）查询除了20部门和30部门以外的员工信息

hive (default)> select * from emp where deptno not IN(30, 20);

## 6.3 分组 ##

### 6.3.1 Group By语句 ###

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。  
案例实操：  
（1）计算emp表每个部门的平均工资  
hive (default)> `select t.deptno, avg(t.sal) avg_sal from emp t group by t.deptno;`  
（2）计算emp每个部门中每个岗位的最高薪水  
hive (default)> s

elect t.deptno, t.job, max(t.sal) max_sal from emp t group by
     t.deptno, t.job

;

### 6.3.2 Having语句 ###

1．having与where不同点  
（1）where后面不能写分组函数，而having后面可以使用分组函数。  
（2）having只用于group by分组统计语句。  
2．案例实操  
（1）求每个部门的平均薪水大于2000的部门  
求每个部门的平均工资  
hive (default)> `select deptno, avg(sal) from emp group by deptno;`  
求每个部门的平均薪水大于2000的部门  
hive (default)>

select deptno, avg(sal) avg_sal from emp group by deptno having
     avg_sal > 2000;

## 6.4 Join语句 ##

### 6.4.1 等值Join ###

Hive支持通常的SQL JOIN语句，但是只支持等值连接，不支持非等值连接。  
案例实操  
（1）根据员工表和部门表中的部门编号相等，查询员工编号、员工名称和部门名称；  
hive (default)> `select e.empno, e.ename, d.deptno, d.dname from emp e join dept d on e.deptno = d.deptno;`

### 6.4.2 表的别名 ###

1．好处  
（1）使用别名可以简化查询。  
（2）使用表名前缀可以提高执行效率。  
2．案例实操  
合并员工表和部门表  
hive (default)>

select e.empno, e.ename, d.deptno from emp e join dept d on e.deptno
     = d.deptno;

### 6.4.3 内连接 ###

内连接：只有进行连接的两个表中都存在与连接条件相匹配的数据才会被保留下来。  
hive (default)>

select e.empno, e.ename, d.deptno from emp e join dept d on e.deptno
     = d.deptno;

### 6.4.4 左外连接 ###

左外连接：JOIN操作符左边表中符合WHERE子句的所有记录将会被返回。  
hive (default)`> select e.empno, e.ename, d.deptno from emp e left join dept d on e.deptno = d.deptno;`  
6.4.5 右外连接  
右外连接：JOIN操作符右边表中符合WHERE子句的所有记录将会被返回。

hive (default)> select e.empno, e.ename, d.deptno from emp e right join dept d on e.deptno = d.deptno;

### 6.4.6 满外连接 ###

满外连接：将会返回所有表中符合WHERE语句条件的所有记录。如果任一表的指定字段没有符合条件的值的话，那么就使用NULL值替代。

hive (default)>

select e.empno, e.ename, d.deptno from emp e full join dept d on e.deptno
     = d.deptno;

### 6.4.7 多表连接 ###

注意：连接 n个表，至少需要n-1个连接条件。例如：连接三个表，至少需要两个连接条件。  
数据准备  
location.txt

1700	Beijing
    1800	London
    1900	Tokyo

1．创建位置表

create table if not exists location(
    loc int,
    loc_name string
    )
    row format delimited fields terminated by '\t';

2．导入数据  
hive (default)> `load data local inpath '/opt/module/datas/location.txt' into table location;`  
3．多表连接查询  
hive (default)>

SELECT e.ename, d.dname, l.loc_name
    FROM   emp e 
    JOIN   dept d
    ON     d.deptno = e.deptno 
    JOIN   location l
    ON     d.loc = l.loc;

大多数情况下，Hive会对每对JOIN连接对象启动一个MapReduce任务。本例中会首先启动一个MapReduce job对表e和表d进行连接操作，然后会再启动一个MapReduce job将第一个MapReduce job的输出和表l;进行连接操作。

注意：为什么不是表d和表l（location）先进行连接操作呢？这是因为Hive总是按照从左到右的顺序执行的。
    优化：当对3个或者更多表进行join连接时，如果每个on子句都使用相同的连接键的话，那么只会产生一个MapReduce job

### 6.4.8 笛卡尔积 ###

1．笛卡尔集会在下面条件下产生
    （1）省略连接条件
    （2）连接条件无效
    （3）所有表中的所有行互相连接

2．案例实操  
hive (default)> `select empno, dname from emp, dept;`  
6.4.9 连接谓词中不支持or  
hive join目前不支持在on子句中使用谓词or

hive (default)> select e.empno, e.ename, d.deptno from emp e join dept d on e.deptno
    = d.deptno or e.ename=d.ename;   错误的

## 6.5 排序 ##

### 6.5.1 全局排序（Order By） ###

Order By：全局排序，只有一个Reducer  
1．使用 ORDER BY 子句排序  
ASC（ascend）: 升序（默认）  
DESC（descend）: 降序  
2．ORDER BY 子句在SELECT语句的结尾  
3．案例实操  
（1）查询员工信息按工资升序排列  
hive (default)> select \* from emp order by sal;  
（2）查询员工信息按工资降序排列  
hive (default)> `select * from emp order by sal desc;`

### 6.5.2 按照别名排序 ###

按照员工薪水的2倍排序  
hive (default)> `select ename, sal*2 twosal from emp order by twosal;`

### 6.5.3 多个列排序 ###

按照部门和工资升序排序  
hive (default)> `select ename, deptno, sal from emp order by deptno, sal ;`

### 6.5.4 每个MapReduce内部排序（Sort By） ###

Sort By：对于大规模的数据集order by的效率非常低。在很多情况下，并不需要全局排序，此时可以使用sort by。  
Sort by为每个reducer产生一个排序文件。每个Reducer内部进行排序，对全局结果集来说不是排序。  
1．设置reduce个数  
hive (default)> `set mapreduce.job.reduces=3;`  
2．查看设置reduce个数  
hive (default)> `set mapreduce.job.reduces;`  
3．根据部门编号降序查看员工信息  
hive (default)> `select * from emp sort by deptno desc;`  
4．将查询结果导入到文件中（按照部门编号降序排序）  
hive (default)>

insert overwrite local directory '/opt/module/datas/sortby-result'
     select * from emp sort by deptno desc;

### 6.5.5 分区排序（Distribute By） ###

Distribute By： 在有些情况下，我们需要控制某个特定行应该到哪个reducer，通常是为了进行后续的聚集操作。distribute by 子句可以做这件事。distribute by类似MR中partition（自定义分区），进行分区，结合sort by使用。  
对于distribute by进行测试，一定要分配多reduce进行处理，否则无法看到distribute by的效果。  
案例实操：  
（1）先按照部门编号分区，再按照员工编号降序排序。  
hive (default)> `set mapreduce.job.reduces=3;`  
hive (default)> `insert overwrite local directory '/opt/module/datas/distribute-result' select * from emp distribute by deptno sort by empno desc;`

注意：
    1．	distribute by的分区规则是根据分区字段的hash码与reduce的个数进行模除后，余数相同的分到一个区。
    2．	Hive要求DISTRIBUTE BY语句要写在SORT BY语句之前。

### 6.5.6 Cluster By ###

当distribute by和sorts by字段相同时，可以使用cluster by方式。  
cluster by除了具有distribute by的功能外还兼具sort by的功能。但是排序只能是升序排序，不能指定排序规则为ASC或者DESC。  
1）以下两种写法等价  
hive (default)> `select * from emp cluster by deptno;`  
hive (default)> `select * from emp distribute by deptno sort by deptno;`  
注意：按照部门编号分区，不一定就是固定死的数值，可以是20号和30号部门分到一个分区里面去。

## 6.6 分桶及抽样查询 ##

### 6.6.1 分桶表数据存储 ###

分区提供一个隔离数据和优化查询的便利方式。不过，并非所有的数据集都可形成合理的分区。对于一张表或者分区，Hive 可以进一步组织成桶，也就是更为细粒度的数据范围划分。  
分桶是将数据集分解成更容易管理的若干部分的另一个技术。  
分区针对的是数据的存储路径；分桶针对的是数据文件。  
1．先创建分桶表，通过直接导入数据文件的方式  
（1）数据准备  
student.txt

1001	ss1
    1002	ss2
    1003	ss3
    1004	ss4
    1005	ss5
    1006	ss6
    1007	ss7
    1008	ss8
    1009	ss9
    1010	ss10
    1011	ss11
    1012	ss12
    1013	ss13
    1014	ss14
    1015	ss15
    1016	ss16

（2）创建分桶表

create table stu_buck(id int, name string)
    clustered by(id) 
    into 4 buckets
    row format delimited fields terminated by '\t';

（3）查看表结构  
hive (default)> `desc formatted stu_buck;`

Num Buckets:            4

（4）导入数据到分桶表中  
hive (default)>

load data local inpath '/opt/module/datas/student.txt' into table
     stu_buck;

（5）查看创建的分桶表中是否分成4个桶，如图6-7所示  
![在这里插入图片描述][20201208111555563.png]

发现并没有分成4个桶。是什么原因呢？  
2．创建分桶表时，数据通过子查询的方式导入  
（1）先建一个普通的stu表

create table stu(id int, name string)
    row format delimited fields terminated by '\t';

（2）向普通的stu表中导入数据

load data local inpath '/opt/module/datas/student.txt' into table stu;

（3）清空stu\_buck表中数据

truncate table stu_buck;
    select * from stu_buck;

（4）导入数据到分桶表，通过子查询的方式

insert into table stu_buck
    select id, name from stu;

（5）发现还是只有一个分桶，如图6-8所示  
![在这里插入图片描述][20201208111730351.png]

（6）需要设置一个属性  
hive (default)> set hive.enforce.bucketing=true;  
hive (default)> set mapreduce.job.reduces=-1;  
hive (default)> insert into table stu\_buck  
select id, name from stu;  
![在这里插入图片描述][20201208111753818.png]

（7）查询分桶的数据  
hive (default)>

select * from stu_buck;
    OK

stu_buck.id     stu_buck.name
    1004    ss4
    1008    ss8
    1012    ss12
    1016    ss16
    1001    ss1
    1005    ss5
    1009    ss9
    1013    ss13
    1002    ss2
    1006    ss6
    1010    ss10
    1014    ss14
    1003    ss3
    1007    ss7
    1011    ss11
    1015    ss15

分桶规则：  
根据结果可知：Hive的分桶采用对分桶字段的值进行哈希，然后除以桶的个数求余的方式决定该条记录存放在哪个桶当中

### 6.6.2 分桶抽样查询 ###

对于非常大的数据集，有时用户需要使用的是一个具有代表性的查询结果而不是全部结果。Hive可以通过对表进行抽样来满足这个需求。  
查询表stu\_buck中的数据。  
hive (default)> select \* from stu\_buck tablesample(bucket 1 out of 4 on id);  
注：tablesample是抽样语句，语法：TABLESAMPLE(BUCKET x OUT OF y) 。  
y必须是table总bucket数的倍数或者因子。hive根据y的大小，决定抽样的比例。例如，table总共分了4份，当y=2时，抽取(4/2=)2个bucket的数据，当y=8时，抽取(4/8=)1/2个bucket的数据。  
x表示从哪个bucket开始抽取，如果需要取多个分区，以后的分区号为当前分区号加上y。例如，table总bucket数为4，tablesample(bucket 1 out of 2)，表示总共抽取（4/2=）2个bucket的数据，抽取第1(x)个和第3(x+y)个bucket的数据。  
注意：x的值必须小于等于y的值，否则  
FAILED: SemanticException \[Error 10061\]: Numerator should not be bigger than denominator in sample clause for table stu\_buck

## 6.7 其他常用查询函数 ##

## 6.7.1 空字段赋值 ##

1.  函数说明  
    NVL：给值为NULL的数据赋值，它的格式是NVL( value，default\_value)。它的功能是如果value为NULL，则NVL函数返回default\_value的值，否则返回value的值，如果两个参数都为NULL ，则返回NULL。  
    2… 数据准备：采用员工表
2.  查询：如果员工的comm为NULL，则用-1代替  
    hive (default)> `select comm,nvl(comm, -1) from emp;`  
    OK

comm    _c1
    NULL    -1.0
    300.0   300.0
    500.0   500.0
    NULL    -1.0
    1400.0  1400.0
    NULL    -1.0
    NULL    -1.0
    NULL    -1.0
    NULL    -1.0
    0.0     0.0
    NULL    -1.0
    NULL    -1.0
    NULL    -1.0
    NULL    -1.0
    5.	查询：如果员工的comm为NULL，则用领导id代替
    hive (default)> select comm, nvl(comm,mgr) from emp;
    OK
    comm    _c1
    NULL    7902.0
    300.0   300.0
    500.0   500.0
    NULL    7839.0
    1400.0  1400.0
    NULL    7839.0
    NULL    7839.0
    NULL    7566.0
    NULL    NULL
    0.0     0.0
    NULL    7788.0
    NULL    7698.0
    NULL    7566.0
    NULL    7782.0
    6.7.2 CASE WHEN

1.  数据准备

name	dept_id	sex
    悟空	A	男
    大海	A	男
    宋宋	B	男
    
    
    凤姐	A	女
    婷姐	B	女
    婷婷	B	女

2．需求  
求出不同部门男女各多少人。结果如下：

A     2       1
    B     1       2

3．创建本地emp\_sex.txt，导入数据  
huang@bigdata3 datas\]$ `vi emp_sex.txt`

悟空	A	男
    大海	A	男
    宋宋	B	男
    凤姐	A	女
    婷姐	B	女
    婷婷	B	女

4．创建hive表并导入数据

create table emp_sex(
    name string, 
    dept_id string, 
    sex string) 
    row format delimited fields terminated by "\t";
    load data local inpath '/opt/module/datas/emp_sex.txt' into table emp_sex;

5．按需求查询数据

select 
      dept_id,
      sum(case sex when '男' then 1 else 0 end) male_count,
      sum(case sex when '女' then 1 else 0 end) female_count
    from 
      emp_sex
    group by
      dept_id;

### 6.7.2 行转列 ###

1．相关函数说明  
CONCAT(string A/col, string B/col…)：返回输入字符串连接后的结果，支持任意个输入字符串;  
CONCAT\_WS(separator, str1, str2,…)：它是一个特殊形式的 CONCAT()。第一个参数剩余参数间的分隔符。分隔符可以是与剩余参数一样的字符串。如果分隔符是 NULL，返回值也将为 NULL。这个函数会跳过分隔符参数后的任何 NULL 和空字符串。分隔符将被加到被连接的字符串之间;  
COLLECT\_SET(col)：函数只接受基本数据类型，它的主要作用是将某字段的值进行去重汇总，产生array类型字段。  
2．数据准备  
表6-6 数据准备

name	constellation	blood_type
    孙悟空	白羊座	A
    大海	射手座	A
    宋宋	白羊座	B
    猪八戒	白羊座	A
    凤姐	射手座	A

3．需求  
把星座和血型一样的人归类到一起。结果如下：

射手座,A            大海|凤姐
    白羊座,A            孙悟空|猪八戒
    白羊座,B            宋宋

4．创建本地constellation.txt，导入数据  
\[huang@bigdata03 datas\]$ `vi constellation.txt`  
孙悟空 白羊座 A  
大海 射手座 A  
宋宋 白羊座 B  
猪八戒 白羊座 A  
凤姐 射手座 A  
5．创建hive表并导入数据

create table person_info(
    name string, 
    constellation string, 
    blood_type string) 
    row format delimited fields terminated by "\t";
    load data local inpath "/opt/module/datas/constellation.txt" into table person_info;

6．按需求查询数据

select
        t1.base,
        concat_ws('|', collect_set(t1.name)) name
    from
        (select
            name,
            concat(constellation, ",", blood_type) base
        from
            person_info) t1
    group by
        t1.base;

### 6.7.3 列转行 ###

1．函数说明  
EXPLODE(col)：将hive一列中复杂的array或者map结构拆分成多行。  
LATERAL VIEW  
用法：LATERAL VIEW udtf(expression) tableAlias AS columnAlias  
解释：用于和split, explode等UDTF一起使用，它能够将一列数据拆成多行数据，在此基础上可以对拆分后的数据进行聚合。  
2．数据准备

movie	category
    《疑犯追踪》	悬疑,动作,科幻,剧情
    《Lie to me》	悬疑,警匪,动作,心理,剧情
    《战狼2》	战争,动作,灾难

3．需求  
将电影分类中的数组数据展开。结果如下：

《疑犯追踪》      悬疑
    《疑犯追踪》      动作
    《疑犯追踪》      科幻
    《疑犯追踪》      剧情
    《Lie to me》   悬疑
    《Lie to me》   警匪
    《Lie to me》   动作
    《Lie to me》   心理
    《Lie to me》   剧情
    《战狼2》        战争
    《战狼2》        动作
    《战狼2》        灾难

4．创建本地movie.txt，导入数据  
\[huang@bigdata03 datas\]$ `vi movie.txt`  
《疑犯追踪》 悬疑,动作,科幻,剧情  
《Lie to me》 悬疑,警匪,动作,心理,剧情  
《战狼2》 战争,动作,灾难  
5．创建hive表并导入数据

create table movie_info(
        movie string, 
        category array<string>) 
    row format delimited fields terminated by "\t"
    collection items terminated by ",";
    load data local inpath "/opt/module/datas/movie.txt" into table movie_info;

6．按需求查询数据

select
        movie,
        category_name
    from 
        movie_info lateral view explode(category) table_tmp as category_name;

### 6.7.4 窗口函数（开窗函数） ###

1．相关函数说明  
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。  
CURRENT ROW：当前行  
n PRECEDING：往前n行数据  
n FOLLOWING：往后n行数据  
UNBOUNDED：起点，UNBOUNDED PRECEDING 表示从前面的起点， UNBOUNDED FOLLOWING表示到后面的终点  
LAG(col,n,default\_val)：往前第n行数据  
LEAD(col,n, default\_val)：往后第n行数据  
NTILE(n)：把有序分区中的行分发到指定数据的组中，各个组有编号，编号从1开始，对于每一行，NTILE返回此行所属的组的编号。注意：n必须为int类型。  
2．数据准备：name，orderdate，cost

jack,2017-01-01,10
    tony,2017-01-02,15
    jack,2017-02-03,23
    tony,2017-01-04,29
    jack,2017-01-05,46
    jack,2017-04-06,42
    tony,2017-01-07,50
    jack,2017-01-08,55
    mart,2017-04-08,62
    mart,2017-04-09,68
    neil,2017-05-10,12
    mart,2017-04-11,75
    neil,2017-06-12,80
    mart,2017-04-13,94

3．需求  
（1）查询在2017年4月份购买过的顾客及总人数  
（2）查询顾客的购买明细及月购买总额  
（3）上述的场景,要将cost按照日期进行累加  
（4）查询每个顾客上次的购买时间  
（5）查询前20%时间的订单信息  
4．创建本地business.txt，导入数据  
\[cris@hadoop102 datas\]$ vi business.txt  
5．创建hive表并导入数据

create table business(
    name string, 
    orderdate string,
    cost int
    ) ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
    load data local inpath "/opt/module/datas/business.txt" into table business;

6．按需求查询数据  
（1）查询在2017年4月份购买过的顾客及总人数

select name,count(*) over () 
    from business 
    where substring(orderdate,1,7) = '2017-04' 
    group by name;

（2）查询顾客的购买明细及月购买总额

select name,orderdate,cost,sum(cost) over(partition by month(orderdate)) from
     business;

（3）上述的场景, 将每个顾客的cost按照日期进行累加

select name,orderdate,cost, 
    sum(cost) over() as sample1,--所有行相加 
    sum(cost) over(partition by name) as sample2,--按name分组，组内数据相加 
    sum(cost) over(partition by name order by orderdate) as sample3,--按name分组，组内数据累加 
    sum(cost) over(partition by name order by orderdate rows between UNBOUNDED PRECEDING and current row ) as sample4 ,--和sample3一样,由起点到当前行的聚合 
    sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING and current row) as sample5, --当前行和前面一行做聚合 
    sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING AND 1 FOLLOWING ) as sample6,--当前行和前边一行及后面一行 
    sum(cost) over(partition by name order by orderdate rows between current row and UNBOUNDED FOLLOWING ) as sample7 --当前行及后面所有行 
    from business;

rows必须跟在Order by 子句之后，对排序的结果进行限制，使用固定的行数来限制分区中的数据行数量  
（4）查看顾客上次的购买时间

select name,orderdate,cost, 
    lag(orderdate,1,'1900-01-01') over(partition by name order by orderdate ) as time1, lag(orderdate,2) over (partition by name order by orderdate) as time2 
    from business;

（5）查询前20%时间的订单信息

select * from (
        select name,orderdate,cost, ntile(5) over(order by orderdate) sorted
        from business
    ) t
    where sorted = 1;

6.7.5 Rank  
1．函数说明  
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  
2．数据准备  
表6-7 数据准备  
name subject score

孙悟空	语文	87
    孙悟空	数学	95
    孙悟空	英语	68
    大海	语文	94
    大海	数学	56
    大海	英语	84
    宋宋	语文	64
    宋宋	数学	86
    宋宋	英语	84
    婷婷	语文	65
    婷婷	数学	85
    婷婷	英语	78

3．需求  
计算每门学科成绩排名。  
4．创建本地score.txt，导入数据  
\[huang@bigdata03 datas\]$ vi score.txt  
5．创建hive表并导入数据

create table score(
    name string,
    subject string, 
    score int) 
    row format delimited fields terminated by "\t";
    load data local inpath '/opt/module/datas/score.txt' into table score;

6．按需求查询数据

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 score;

name subject score rp drp rmp  
孙悟空 数学 95 1 1 1  
宋宋 数学 86 2 2 2  
婷婷 数学 85 3 3 3  
大海 数学 56 4 4 4  
宋宋 英语 84 1 1 1  
大海 英语 84 1 1 2  
婷婷 英语 78 3 2 3  
孙悟空 英语 68 4 3 4  
大海 语文 94 1 1 1  
孙悟空 语文 87 2 2 2  
婷婷 语文 65 3 3 3  
宋宋 语文 64 4 4 4

扩展：求出每门学科前三名的学生？

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNjc0MzYw_size_16_color_FFFFFF_t_70]: /images/20221120/dead7bbd088c463aa4a6634bbdffb876.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNjc0MzYw_size_16_color_FFFFFF_t_70 1]: /images/20221120/297563010a584a62abf5fd827f8ccb84.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNjc0MzYw_size_16_color_FFFFFF_t_70 2]: /images/20221120/1400778d4a0e436188db24a38371aff5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNjc0MzYw_size_16_color_FFFFFF_t_70 3]: /images/20221120/8e972539e2ce4fdd984415fb6a060824.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNjc0MzYw_size_16_color_FFFFFF_t_70 4]: /images/20221120/b38d4e500ef64b5fba0b50551e46458a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNjc0MzYw_size_16_color_FFFFFF_t_70 5]: /images/20221120/bbf483f6fcb34cbaa1cf10d7571a6008.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNjc0MzYw_size_16_color_FFFFFF_t_70 6]: /images/20221120/92bc07e2efc64c06a4d9fc193c62f639.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNjc0MzYw_size_16_color_FFFFFF_t_70 7]: /images/20221120/4732f7009be741a092f67167d099f638.png
[6-5]: /images/20221120/a4032f765fcb4ba79858829ded1d8802.png
[20201208111555563.png]: /images/20221120/64a0165d2e334b7aa993cb3764d218b7.png
[20201208111730351.png]: /images/20221120/e4152ffc92bb44a7b06977dee36585d9.png
[20201208111753818.png]: /images/20221120/0fd741d10fb948c0a529b3ce33fb48f5.png