hive查询语句:hive查询表数据[朗读]

hive是建立在hadoop上的数据仓库基础构架.它提供了一系列的工具,可以用来进行数据提取转化加载(etl),这是一种可以存储、查询和分析存储在hadoop中的大规模数据的机制.hive定义了简单的类sql查询语言,称为hql,它允许熟悉sql的用户查询数据.同时,这个语言也允许熟悉mapreduce开发者的开发自定义的mapper和reducer来处理内建的mapper和reducer无法完成的复杂的分析工作.hive采用类sql的查询方式,将sql查询转换为mapreduce的job在hadoop集群上执行。

hive的insert语句能够从查询语句中获取数据,并同时将数据load到目标表中.现在假定有一个已有数据的表staged_employees(雇员信息全量表),所属国家cnty和所属州。

这个机制不一样.在oracle中,如果你count某一列,应该是仅仅加载这一列,如果有索引啥的,直接在索引上统计了,当然很快.(如果你countvarchar非常大之类的字段,速度应该会非常慢)但是hive的cunt是基于hadoop的mr任务的,还是读取每一行的所有的数据,如果你每行中有类似于clob之类的列的话,io的开销可想而知.另外mr任务的启动也是需要时间的.另外就是和你的hadoop的数据节点多少有关。

你的sql不规范,写有的问题,缺少group关键字.sql结尾需要加上groupbyuser_id。

i是计数变量,也就是控制运算次数的,i的赋值你完全可以自己定义,不是唯一的,这里用i=2,是为了简化程序,让i既做计数变量,又可以用来参与运算---s4t“=”t*i;t赋予1是因为要从1连乘到5,其实你也可以把程序倒过来写,从5连乘到1解:s1t“=”(赋值语句的符号)5s2i“=”4s3如果i大于等于(懒得找符号)1,那么转s4,否则转s6;s4t“=”t*i;s5i“=”i-1,转s3;s6输出t。