语法介绍

[WITH CommonTableExpression (, CommonTableExpression)*]    (Note: Only available starting with Hive 0.13.0)
SELECT [ALL | DISTINCT] select_expr, select_expr, ...
  FROM table_reference
  [WHERE where_condition]
  [GROUP BY col_list]
  [ORDER BY col_list]
  [CLUSTER BY col_list
    | [DISTRIBUTE BY col_list] [SORT BY col_list]
  ]
 [LIMIT [offset,] rows]

说明

SELECT语句可以是union查询的一部分，也可以是另一个查询的子查询
table_reference表示查询的输入，它可以是常规表、视图、join 构造或子查询
表名和字段名是大小写不敏感的
从Hive 0.13开始 FROM子句是可选的，如： SELECT 1+1
使用SELECT current_database() 可以查看当前的数据库
如果要指定数据库，可以在表名前指定数据库名(从Hive0.7开始，“db_name.table_name”)或者在查询之前使用USE语句指定数据库(从Hive0.6开始)

ALL 和 DISTINCT子句

ALL 和 DISTINCT选项指定返回的结果是否可以有重复的记录。如果不指定，默认是ALL。DISTINCT会从返回结果中将重复的记录移除。从Hive 1.1.0 开始支持 SELECT DISTINCT * 语句。

示例

> SELECT DISTINCT name, work_place FROM employee;
+----------+-------------------------+
|   name   |       work_place        |
+----------+-------------------------+
| Lucy     | ["Vancouver"]           |
| Michael  | ["Montreal","Toronto"]  |
| Shelley  | ["New York"]            |
| Will     | ["Montreal"]            |
+----------+-------------------------+

HAVING子句

HAVING是在Hive 0.7.0中添加的，用以支持聚合结果的过滤。通过使用HAVING，可以避免在GROUP BY语句之后使用子查询。

示例

> SELECT
 gender_age.age
 FROM employee
 GROUP BY gender_age.age
 HAVING count(*)=1;
+-----------------+
| gender_age.age  |
+-----------------+
| 27              |
| 30              |
| 35              |
| 57              |
+-----------------+

使用 IF 或 CASE WHEN 函数

> SELECT
CASE WHEN gender_age.gender = 'Female' THEN 'Ms.'
ELSE 'Mr.' END as title, name,
IF(array_contains(work_place, 'New York'), 'US', 'CA') as country
FROM employee;
+-------+---------+---------+
| title | name    | country |
+-------+---------+---------+
| Mr.   | Michael   | CA    |
| Mr.   | Will      | CA    |
| Ms.   | Shelley   | US    |
| Ms.   | Lucy      | CA    |
+-------+---------+---------

基于分区的查询

通常，SELECT查询会扫描整个表（而不是采样）。如果一个表使用了PARTITIONED BY子句创建，则查询可以进行分区裁剪，只扫描与查询指定的分区相关的部分。如果在JOIN的ON子句或WHERE子句中指定了分区谓词，Hive会执行分区裁剪。例如，如果表page_views使用字段date进行分区，则下面的查询将只检索2008-03-01和2008-03-31之间的行。

SELECT page_views.*
FROM page_views
WHERE page_views.date >= '2008-03-01' AND page_views.date <= '2008-03-31'

假如表page_views和另一张表dim_users进行join，则可以在ON子句中指定分区的范围

SELECT page_views.*
FROM page_views JOIN dim_users
  ON (page_views.user_id = dim_users.id AND page_views.date >= '2008-03-01' AND page_views.date <= '2008-03-31')

基于正则表达式的列描述

Hive 0.13.0 之前，SELECT语句可以使用基于正则表达式的列描述，在 0.13.0之后如果还要使用该功能，可以将hive.support.quoted.identifiers配置项设置为none。
示例

> SET hive.support.quoted.identifiers=none;
> SELECT `^work.*` FROM employee; --查看以work开头的列
+-------------------------+
|   employee.work_place   |
+-------------------------+
| ["Montreal","Toronto"]  |
| ["Montreal"]            |
| ["New York"]            |
| ["Vancouver"]           |
+-------------------------+

条件查询

使用条件子句过滤结果集是很常见的，这些子句有：LIMIT, WHERE, IN/NOT IN, 和 EXISTS/NOT EXISTS

LIMIT 子句

LIMIT子句用于约束SELECT 语句返回的行数。LIMIT可以接受一个或两个数值参数，这两个参数都必须是非负整数常量，其中第一个参数指定要返回的第一行的偏移量（从Hive 2.0.0开始），第二个参数指定要返回的最大行数。如果只给定一个参数时，它代表最大行数和偏移默认值为0。

示例

> SELECT name FROM employee LIMIT 2;
+----------+
|   name   |
+----------+
| Michael  |
| Will     |
+----------+

> SELECT name FROM employee LIMIT 2,2;
+----------+
|   name   |
+----------+
| Shelley  |
| Lucy     |
+----------+

WHERE子句

where子句后接一个布尔表达式，用以对查询结果进行过滤。从Hive 0.13开始，可以在某种形式的子查询中使用where子句。

示例

> SELECT name, work_place FROM employee WHERE name = 'Michael';
+----------+-------------------------+
|   name   |       work_place        |
+----------+-------------------------+
| Michael  | ["Montreal","Toronto"]  |
+----------+-------------------------+

所有的条件子句也可以一起使用，但其他子句是跟在where子句之后。

> SELECT name, work_place FROM employee WHERE name = 'Michael' LIMIT 1;
+----------+-------------------------+
|   name   |       work_place        |
+----------+-------------------------+
| Michael  | ["Montreal","Toronto"]  |
+----------+-------------------------+

IN/NOT IN语句

IN/NOT IN用作一个表达式来检查值是否属于IN/NOT IN指定的集合，从Hive 2.1.0 起，IN和NOT IN语句可以支持多个列。
示例

SELECT name FROM employee WHERE gender_age.age in (27, 30)
+----------+
|   name   |
+----------+
| Michael  |
| Shelley  |
+----------+

多个字段

> SELECT name, gender_age
 FROM employee
 WHERE (gender_age.gender, gender_age.age) IN  (('Female', 27), ('Male', 27 + 3));
+----------+-------------------------------+
|   name   |          gender_age           |
+----------+-------------------------------+
| Michael  | {"gender":"Male","age":30}    |
| Shelley  | {"gender":"Female","age":27}  |
+----------+-------------------------------+

EXISTS/NOT EXISTS语句

使用EXISTS/NOT EXISTS的子查询必须同时引用内部和外部表达式。

SELECT name, gender_age.gender as gender FROM employee a
WHERE EXISTS (
SELECT * FROM employee b
WHERE  b.gender_age.gender = 'Male' );
+----------+---------+
|   name   | gender  |
+----------+---------+
| Michael  | Male    |
| Will     | Male    |
| Shelley  | Female  |
| Lucy     | Female  |
+----------+---------+