表内容操作语句---DML
- load：将数据文件移动/复制到hive表对应位置
load data [local] inpath 'file_path' [overwrite] into table table_name [partition (partcol1=val1, partcol2=vol2,...)]
注：桶不能用load加载数据；文件格式为sequencefile的也不能通过load加载数据。
local：本地文件。overwrite：覆盖该分区或表的内容。
load本地文件时，复制本地文件到hive表位置；load hdfs文件时，移动hdfs文件到hive表位置。
例子：load data local inpath '/root/student/c.txt' into table student partition (country="China");
- insert：插入数据到hive表；导出表数据
注意：overwrite可以换成into。overwrite是覆盖已经存在的数据（对于已存在的数据，先删除，再插入），into是不管是否存在都直接插入（对于已存在的数据，不管，直接重复插入）
1.1. 插入一条数据：（这个没什么用，因为hive做海量数据的处理）
insert into table_name values(xx,yy,zz);
1.2. 插入：（查询一个表table_name1，将查询结果插入table_name）
insert overwrite table table_name [partition (part_col1=val1, part_col2=val2,...)] select_statement from from_statement;
例子：基本插入：insert overwrite table student select * from student1;
自动分区：insert overwrite table student partiton (country="China") select * from student1 where country="China";
1.3. 多重插入：
from from_statement
insert overwrite table table_name1 [partition (part_col1=val1, part_col2=val2,...)] select_statement1
[insert overwrite table table_name2 [partition (part_col3=val3, part_col4=val4,...)] select_statement2 ...];
例子：from student1
insert overwrite table student partiton (country="China") select * where country="China"
insert overwrite table student partiton (country="UK") select * where country="UK";
2.1. 导出
insert overwrite [local] directory dire_path1 select ... from ... ;
2.2. 多重导出
from ... insert overwrite [local] directory dire_path1 select ... [insert overwrite [local] directory dire_path2 select ...];
注意：加‘local’为本地目录：/root/app/.... 不加‘local’为hdfs目录：hdfs://ip:9000/user/hive/...
- select
select [all | distinct] select_expr,select_expr... from table_reference [where where_condition]
[group by col_list [having hav_condition]]
[ {分桶和sort的字段是同一个时： cluster = distribute + sort }
[cluster by col_list] {桶：先分区，再分区内排序}
|
[distribute by col_list] [sort by | order by col_list] {根据hash分区；sort分区内排序；order全局排序}
]
[limit limit_number]
例子：(set mapred.reduce.tasks=4) select * from student cluster by id;
结果：4 8 1 5 2 6 3 7 （分区内排序）
注意：
1. order by会对输入做全局排序，因此只有一个reducer，会导致当输入规模较大时，需要较长的计算时间。
2. sort by不是全局排序，其在数据进入reducer前完成排序。因此，如果用sort by进行排序，并且设置mapred.reduce.tasks>1，则sort by只保证每个reducer的输出有序，不保证全局有序。
3. distribute by(字段)根据指定的字段将数据分到不同的reducer，且分发算法是hash散列。
4. 设置分区：set mapred.reduce.tasks=3;
桶表的抽样调查：
select * from table_name tablesample(bucket x out of y on id)
解释：从第x个桶开始抽，每隔y个桶抽一次。（x、x+y、...）
假设桶数是z，y必须是z的倍数或因子，表示隔几个桶抽一次。
假设有32个桶，y=16，则抽取32/16=2个桶的数据；y=64，则抽取32/64=1/2桶的数据。
x表示从哪个桶开始抽。假设x=3、y=16、z=32，则抽取第3、19（3+16）个桶的数据。