Hive: with as用法、问题和优化

川长思鸟来 2024-03-23 20:14 50阅读 0赞

#### 文章目录 ####

*  前言
 *   *  使用注意事项：
     *   *  注意事项：
         *  问题：
 *  总结

## 前言 ##

> **with as 详解, \[Hive、Oracle、mysql8及以上支持\]**

**with as 也叫做子查询部分，hive 可以通过with查询来提高查询性能，因为先通过with语法将数据查询到内存，然后后面其它查询可以直接使用。  
with as就类似于一个视图或临时表，可以用来存储一部分的sql语句作为别名，不同的是with as 属于一次性的，而且必须要和其他sql一起使用才可以！  
其最大的好处就是适当的提高代码可读性，而且如果with子句在后面要多次使用到，这可以大大的简化SQL；更重要的是：一次分析，多次使用，这也是为什么会提供性能的地方，达到了“少读”的目标（未进行表缓存）。**

--------------------

### 使用注意事项： ###

*  1.with子句必须在引用的select语句之前定义，而且后面必须要跟select查询，否则报错。
 *  2.with as后面不能加分号，with关键字在同级中只能使用一次，允许跟多个子句，用逗号隔开，`最后一个子句`与后面的查询语句之间只能用右括号分隔，`不能用逗号。`

create table a as
        with t1 as (select * from firstTable),
        t2 as (select * from secondTable),
        t3 as (select * from thirdTable)
        select * from t1,t2,t3;

*  3.前面的with子句定义的查询在后面的with子句中可以使用。但是一个with子句内部不能嵌套with子句。

with t1 as (select * from firstTable),
        t2 as (select t1.id from t1)    #第二个子句t2中用了第一个子句的查询t1
        select * from t2

*  当我们书写一些结构相对复杂的SQL语句时，可能某个子查询在多个层级多个地方存在重复使用的情况，这个时候我们可以使用 with as 语句将其独立出来，极大提高SQL可读性，简化SQL~  
    注：目前 oracle、sql server、[hive][]等均支持 with as 用法，但 mysql并不支持！
 *  2019-05-31更新：MySQL8.0大量更新优化，支持Common table expressions，即支持 with 语法！

WITH t1 AS (
        		SELECT *
        		FROM table1
        	), 
        	t2 AS (
        		SELECT *
        		FROM table2
        	)
        SELECT *
        FROM t1, t2

#### 注意事项： ####

这里必须要整体作为一条sql查询，即with as语句后不能加分号，不然会报错。

1.  with子句必须在引用的select语句之前定义,同级with关键字只能使用一次,多个只能用逗号分割；最后一个with 子句与下面的查询之间不能有逗号，只通过右括号分割,with 子句的查询必须用括号括起来.

以下写法会报错：

with t1 as (select * from table1)
        with t2 as (select * from table2)
        select * from t1,t2

with t1 as (select * from table1);
        select * from t1

有分号

*  2.如果定义了with子句，但其后没有跟select查询，则会报错！

以下写法会报错：

with t1 as (select * from table1)

*  正 确写法（没有使用 t1没关系，其后有select就行）：

with t1 as (select * from table1)
        select * from table1

*  3.前面的with子句定义的查询在后面的with子句中可以使用。但是一个with子句内部不能嵌套with子句！

正确写法：

with t1 as (select * from table1),
        t2 as (select t1.id from t1)
        select * from t2

#### 问题： ####

*  1、with不适合过大的表，会落盘，频繁shuffle ，过大时直接落表更好。
 *  2、with as 是提高了可读性，可若是后面多次利用这个片段，那完整的SQL就会异常庞大，放在大数据Hive中，job数量甚至会翻几倍，这也是一个坑，所以适用情况得看自己权衡。

with as没有缓存数据，减少表扫描，优化速度的作业，其实并不是这样，以下通过实验分析和证明

写一个很简单的语句：

with t as(
        select regexp_replace(reflect("java.util.UUID", "randomUUID"), "-", "") AS id --生成一个随机id
        ,'andy' as name
        ) 
        select * from t
        union all
        select * from t
        ;

执行结果：  
![在这里插入图片描述][bedad0c64ac84233824be2f43fd9f845.png]  
**结果中可以看到，产生了两个不一样的id，说明reflect函数被执行了两次，即with as中的子查询`被执行了两次。`**

*  再来看下执行计划：

hive (bi)> 
                 > explain 
                 > with t as(
                 > select regexp_replace(reflect("java.util.UUID", "randomUUID"), "-", "") AS id --生成一个随机id
                 > ,'andy' as name
                 > ) 
                 > select * from t
                 > union all
                 > select * from t
                 > ;
        OK
        Explain
        STAGE DEPENDENCIES:
          Stage-1 is a root stage
          Stage-0 depends on stages: Stage-1
         
        STAGE PLANS:
          Stage: Stage-1
            Spark
              DagName: root_20190620153535_78057156-80df-4c9b-8c8e-f896ad4d74ed:53
              Vertices:
                Map 1 
                    Map Operator Tree:
                        TableScan
                          alias: _dummy_table
                          Row Limit Per Split: 1
                          Statistics: Num rows: 1 Data size: 1 Basic stats: COMPLETE Column stats: COMPLETE
                          Select Operator
                            expressions: regexp_replace(reflect('java.util.UUID','randomUUID'), '-', '') (type: string), 'andy' (type: string)
                            outputColumnNames: _col0, _col1
                            Statistics: Num rows: 1 Data size: 1 Basic stats: COMPLETE Column stats: COMPLETE
                            File Output Operator
                              compressed: true
                              Statistics: Num rows: 2 Data size: 2 Basic stats: COMPLETE Column stats: COMPLETE
                              table:
                                  input format: org.apache.hadoop.mapred.TextInputFormat
                                  output format: org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat
                                  serde: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe
                Map 2 
                    Map Operator Tree:
                        TableScan
                          alias: _dummy_table
                          Row Limit Per Split: 1
                          Statistics: Num rows: 1 Data size: 1 Basic stats: COMPLETE Column stats: COMPLETE
                          Select Operator
                            expressions: regexp_replace(reflect('java.util.UUID','randomUUID'), '-', '') (type: string), 'andy' (type: string)
                            outputColumnNames: _col0, _col1
                            Statistics: Num rows: 1 Data size: 1 Basic stats: COMPLETE Column stats: COMPLETE
                            File Output Operator
                              compressed: true
                              Statistics: Num rows: 2 Data size: 2 Basic stats: COMPLETE Column stats: COMPLETE
                              table:
                                  input format: org.apache.hadoop.mapred.TextInputFormat
                                  output format: org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat
                                  serde: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe
         
          Stage: Stage-0
            Fetch Operator
              limit: -1
              Processor Tree:
                ListSink
         
        Time taken: 0.063 seconds, Fetched: 50 row(s)

> 从执行计划中可以看到，产生了两个map。  
> 所以说，with as是不能减少表扫描的。

*  为了对比，将以上语句稍作修改，然后在oracle中执行。结果如下：  
    ![在这里插入图片描述][c9cd72e3056a41a1887735e0e0e9874b.png]

> **可以看到在oracle中，sys\_guid()函数`只被执行了一次。`**

--------------------

## 总结 ##

> 如果此篇文章有帮助到您, 希望打大佬们能`关注`、`点赞`、`收藏`、`评论`支持一波，非常感谢大家！  
> 如果有不对的地方请指正!!!

[参考1][1]

[hive]: https://so.csdn.net/so/search?q=hive&spm=1001.2101.3001.7020
[bedad0c64ac84233824be2f43fd9f845.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/5112a997b3d04535a198c8c35233474a.png
[c9cd72e3056a41a1887735e0e0e9874b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/e203209e101a46c39f8c5a7732d2411e.png
[1]: https://blog.csdn.net/qq_44696532/article/details/126116064