九、HQL DQL七大查询子句

作者：IvanCodes

日期：2025年5月15日

专栏：Hive教程

Apache Hive 的强大之处在于其类 SQL 的查询语言 HQL，它使得熟悉 SQL 的用户能够轻松地对存储在大规模分布式系统（如 HDFS）中的数据进行复杂的查询和分析。一个典型且完整的 HQL 查询语句，通常由一系列有序的子句构成。理解并熟练运用这些核心子句，是高效进行数据探索和提取的基础。我们这次重点剖析 HQL 中最常用也最核心的七个查询子句及其执行顺序。

Hive HQL 七大查询子句及其执行顺序概述

一个完整的 HQL 查询语句，其逻辑上的执行顺序（注意：这不完全等同于SQL 语句的书写顺序，也不代表 Hive 引擎物理执行的确切步骤，但有助于理解数据如何被逐步筛选和转换）通常如下：

1. FROM 子句：指定数据来源的表或视图。
2. WHERE 子句：对 FROM 子句中产生的原始数据行进行过滤。
3. GROUP BY 子句：将经过 WHERE 过滤后的数据行，按照一个或多个列的值进行分组。
4. HAVING 子句：对 GROUP BY 子句产生的分组结果进行过滤。
5. SELECT 子句：选择并计算最终要输出的列。
6. ORDER BY 子句：对 SELECT 子句产生的最终结果集进行全局排序。
7. LIMIT 子句：限制 ORDER BY 排序后（或未排序时）最终输出的行数。

接下来，我们将逐一详细解析这些子句。

一、FROM 子句：数据的源头

功能：指定查询操作的数据来源。可以是一个表，或者是一个子查询的结果（尽管我们这次练习题会尽量避免复杂子查询）。
基本语法：

FROM table_name [alias]

案例：

-- 从单个表查询所有列
SELECT * FROM employees;

-- 从单个表查询，并给表起别名
SELECT e.name FROM employees e;

二、WHERE 子句：行级别的数据筛选

功能：根据指定的条件过滤 FROM 子句返回的每一行数据。只有满足条件的行才会进入后续的处理阶段。WHERE 子句中不能使用聚合函数。
基本语法：

WHERE condition1 [AND | OR] condition2 ...;

案例：查询部门为 'Sales' 或 'Marketing' 的员工

SELECT name, department
FROM employees
WHERE department = 'Sales' OR department = 'Marketing';

案例：查询薪水在 50000 到 70000 之间（包含边界）的员工

SELECT name, salary
FROM employees
WHERE salary >= 50000 AND salary <= 70000;
-- 或者使用 BETWEEN
-- WHERE salary BETWEEN 50000 AND 70000;

三、GROUP BY 子句：数据的分组聚合

功能：将具有相同值的行（在指定的列上）组合成一个汇总行（一个分组）。通常与聚合函数（如 COUNT(), SUM(), AVG(), MAX(), MIN()）配合使用，对每个分组进行计算。
基本语法：

GROUP BY column1_name, column2_name, ...;

案例：统计每个部门的员工数量

SELECT department, COUNT(*) AS num_employees
FROM employees
GROUP BY department;

注意：SELECT 列表中除了聚合函数外的所有列，都必须出现在 GROUP BY 子句中。

四、HAVING 子句：分组后的条件筛选

功能：与 WHERE 子句类似，但 HAVING 作用于 GROUP BY 子句产生的分组结果。它用于过滤分组，只有满足 HAVING 条件的分组才会被保留。HAVING 子句中可以使用聚合函数。
基本语法：

HAVING condition_on_aggregated_values;

案例：找出员工数量超过10人的部门

SELECT department, COUNT(*) AS num_employees
FROM employees
GROUP BY department
HAVING COUNT(*) > 10;

总结：WHERE 先过滤行，再 GROUP BY 分组；HAVING 后过滤分组。

五、SELECT 子句：选择与呈现

功能：指定最终查询结果中包含哪些列。可以直接选择表中的列，也可以使用表达式、函数（包括聚合函数）来计算新的列。SELECT 子句在逻辑上是在 FROM, WHERE, GROUP BY, HAVING 之后执行的。
基本语法：

SELECT [DISTINCT] column_or_expression1 [AS alias1], column_or_expression2 [AS alias2], ...;

• DISTINCT: 去除结果集中的重复行（基于选择的所有列）。
• AS alias: 为列或表达式指定别名。
  案例：查询员工姓名，并将薪水乘以1.1作为"预期薪水"显示

SELECT
name,
salary,
salary * 1.1 AS expected_salary
FROM employees;

案例：查询所有不同的部门名称

SELECT DISTINCT department
FROM employees;

六、ORDER BY 子句：结果的最终排序

功能：对 SELECT 子句生成的最终结果集进行排序。可以按一个或多个列排序，并指定升序 (ASC，默认) 或降序 (DESC)。ORDER BY 通常是查询中资源消耗较大的操作之一，因为它需要对所有结果数据进行全局排序。
基本语法：

ORDER BY column1_name [ASC | DESC], column2_name [ASC | DESC], ...;

案例：查询所有员工，按入职日期 (hire_date) 从新到旧排列

SELECT name, hire_date
FROM employees
ORDER BY hire_date DESC;

七、LIMIT 子句：控制输出的行数

功能：限制查询最终返回的行数。它通常在所有其他操作（包括 ORDER BY）之后应用。
基本语法：

LIMIT number_of_rows;

案例：查询薪水最低的3名员工的信息

SELECT name, salary, department
FROM employees
ORDER BY salary ASC
LIMIT 3;

结语：七子句的协同与威力

HQL 的这七个核心查询子句，通过不同的组合和嵌套，构成了数据查询和分析的强大能力。理解每个子句的功能及其大致的执行顺序，是编写高效、准确的 HQL 查询的前提。虽然 Hive 底层会通过 MapReduce 或 Tez 对查询进行优化，但清晰的逻辑结构和合理的子句使用，仍然是提升查询性能和可读性的关键。

---

练习题

假设我们有一个名为 products 的表，其结构如下：

products 表:

• product_id INT (产品ID)
• product_name STRING (产品名称)
• category STRING (产品类别, 例如: 'Electronics', 'Books', 'Clothing', 'Home Goods')
• price DECIMAL(10,2) (价格)
• stock_quantity INT (库存数量)
• release_date DATE (发布日期)

1. 题目一：FROM 和 SELECT 的基本使用
   要求 ：从 products 表中查询所有产品的产品名称 (product_name) 和价格 (price)。

2. 题目二：WHERE 子句筛选
   要求 ：查询 products 表中所有类别为 'Books' 且价格低于 20.00 的产品信息（所有列）。

3. 题目三：GROUP BY 与聚合函数
   要求 ：查询 products 表，统计每个产品类别 (category) 下有多少种不同的产品（即产品数量 num_products）以及这些产品的平均价格 (avg_price)。

4. 题目四：HAVING 子句过滤分组结果
   要求：基于上一题的结果，只显示那些产品数量超过 5 种，并且平均价格高于 50.00 的产品类别及其统计信息。

5. 题目五：ORDER BY 排序输出
   要求 ：查询 products 表中所有库存数量 (stock_quantity) 大于 0 的产品，按其发布日期 (release_date) 从最新到最旧排序，如果发布日期相同，则按产品名称 (product_name) 字母顺序升序排序。显示产品名称、发布日期和库存数量。

6. 题目六：LIMIT 限制结果数量
   要求 ：查询 products 表中价格最高的前5款产品。显示产品名称和价格。

7. 题目七：综合运用所有七个子句（尽可能）
   要求 ：从 products 表中找出类别为 'Electronics' 或 'Home Goods'，且库存数量 (stock_quantity) 少于 10 件的产品。然后，按类别分组，计算每个类别下这类产品的平均价格。只显示那些平均价格大于 100.00 的类别。最后，将结果按平均价格降序排列，只取排名第一的类别信息（类别名称和平均价格）。

---

练习题答案

1. 题目一答案：

SELECT product_name, price
FROM products;

2. 题目二答案：

SELECT *
FROM products
WHERE category = 'Books' AND price < 20.00;

3. 题目三答案：

SELECT category, COUNT(product_id) AS num_products, AVG(price) AS avg_price
FROM products
GROUP BY category;

4. 题目四答案：

SELECT category, COUNT(product_id) AS num_products, AVG(price) AS avg_price
FROM products
GROUP BY category
HAVING COUNT(product_id) > 5 AND AVG(price) > 50.00;

5. 题目五答案：

SELECT product_name, release_date, stock_quantity
FROM products
WHERE stock_quantity > 0
ORDER BY release_date DESC, product_name ASC;

6. 题目六答案：

SELECT product_name, price
FROM products
ORDER BY price DESC
LIMIT 5;

7. 题目七答案：

SELECT
category,
AVG(price) AS avg_category_price
FROM
products
WHERE
(category = 'Electronics' OR category = 'Home Goods') AND stock_quantity < 10
GROUP BY
category
HAVING
AVG(price) > 100.00
ORDER BY
avg_category_price DESC
LIMIT 1;