【Hadoop实训】Hive 数据操作②

延续上一篇文章,不懂的宝子们请看以下链接:

【Hadoop实训】Hive 数据操作①-CSDN博客


目录

[一、Group by 语句](#一、Group by 语句)

(1)、计算emp表每个部门的平均工资

(2)、计算emp表每个部门中每个岗位的最高工资

[二、Having 语句](#二、Having 语句)

(1)、求每个部门的平均工资

(2)、求每个部门的平均工资大于22000的部门

[三、Order by 语句](#三、Order by 语句)

(1)、查询员工信息,按工资降序排列

(2)、按照部门和工资升序排序

[四、Sort by语句](#四、Sort by语句)

(1)、设置reduce个数

(2)、查看设置reduce个数

(3)、根据部门编号降序查看员工信息

[(4) 、将在询结果导入到文件中(按照部门编号降序排序)](#(4) 、将在询结果导入到文件中(按照部门编号降序排序))

[五、Distribute by](#五、Distribute by)

[六、Cluster by](#六、Cluster by)

[七、Join 操作](#七、Join 操作)

[(1) 、根据员工表和部门表中的部门编号相等,查询员工编号、员工名称和部门编号:](#(1) 、根据员工表和部门表中的部门编号相等,查询员工编号、员工名称和部门编号:)

(2)、左外连接

(3)、右外连接

(4)、满外连接


一、Group by 语句

(1)、计算emp表每个部门的平均工资

复制代码
select t.deptno,avg(t.sal) avg_ sal from emp t group by t.deptno;

(2)、计算emp表每个部门中每个岗位的最高工资

复制代码
select t.deptno, t.job,max(t.sal) max_sal from emp t group by t.deptno, t.job;

二、Having 语句

(1)、求每个部门的平均工资

复制代码
select deptno,avg(sal) from emp group by deptno;

(2)、求每个部门的平均工资大于22000的部门

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

三、Order by 语句

(1)、查询员工信息,按工资降序排列

复制代码
select * from emp order by sal desc;

(2)、按照部门和工资升序排序

复制代码
select ename, deptno, sal from emp order by deptno,sal;

四、Sort by语句

(1)、设置reduce个数

复制代码
set mapreduce.job.reduces=3;

(2)、查看设置reduce个数

复制代码
set mapreduce.job.reduces;

(3)、根据部门编号降序查看员工信息

复制代码
select * from emp sort by empno desc;

(4) 、将在询结果导入到文件中(按照部门编号降序排序)

复制代码
insert overwrite local directory '/root/sortby-result' select * from emp  sort by deptno desc;

五、Distribute by

六、Cluster by

以下两种写法等价:

复制代码
select * from emp cluster by deptno;
复制代码
select * from emp distribute by deptno sort by deptno;

七、Join 操作

(1) 、根据员工表和部门表中的部门编号相等,查询员工编号、员工名称和部门编号:

复制代码
select e.empno, e.ename,d.deptno,d.dname from emp e join dept d on e.deptno=d.deptno;

(2)、左外连接

Join操作符左边表中符合条件的所有记录将会被返回。

复制代码
select e.empno, e.ename,d.deptno,d.dname from emp e left join dept d on e.deptno=d.deptno;

(3)、右外连接

Join操作符右边表中符合条件的所有记录将会被返回。

复制代码
select e.empno, e.ename,d.deptno,d.dname from emp e right join dept d on e.deptno=d.deptno;

(4)、满外连接

返回所有表中符合条件的所有记录,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。

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

在使用Join语句时,如果想限制输出结果,可以在Join语句后面添加Where语句,进行过滤。

复制代码
select e.empno, e.ename,d.deptno,d.dname from emp e full join dept d on e.deptno=d.deptno where d.deptno=20;

学习到这里就完结啦~不懂的宝子请私信哦!

相关推荐
武子康10 小时前
大数据-242 离线数仓 - DataX 实战:MySQL 全量/增量导入 HDFS + Hive 分区(离线数仓 ODS
大数据·后端·apache hive
SelectDB1 天前
易车 × Apache Doris:构建湖仓一体新架构,加速 AI 业务融合实践
大数据·agent·mcp
武子康2 天前
大数据-241 离线数仓 - 实战:电商核心交易数据模型与 MySQL 源表设计(订单/商品/品类/店铺/支付)
大数据·后端·mysql
IvanCodes2 天前
一、消息队列理论基础与Kafka架构价值解析
大数据·后端·kafka
武子康3 天前
大数据-240 离线数仓 - 广告业务 Hive ADS 实战:DataX 将 HDFS 分区表导出到 MySQL
大数据·后端·apache hive
字节跳动数据平台3 天前
5000 字技术向拆解 | 火山引擎多模态数据湖如何释放模思智能的算法生产力
大数据
武子康4 天前
大数据-239 离线数仓 - 广告业务实战:Flume 导入日志到 HDFS,并完成 Hive ODS/DWD 分层加载
大数据·后端·apache hive
字节跳动数据平台5 天前
代码量减少 70%、GPU 利用率达 95%:火山引擎多模态数据湖如何释放模思智能的算法生产力
大数据
得物技术5 天前
深入剖析Spark UI界面:参数与界面详解|得物技术
大数据·后端·spark
武子康5 天前
大数据-238 离线数仓 - 广告业务 Hive分析实战:ADS 点击率、购买率与 Top100 排名避坑
大数据·后端·apache hive