HiveSQL语法全解析与实战指南

Hive SQL完整语法体系与特性解析

一、数据定义语言（DDL）

1. 库操作

CREATE DATABASE [IF NOT EXISTS] dbname
  [COMMENT '描述']
  [LOCATION 'hdfs_path']
  [WITH DBPROPERTIES (key=value)];

ALTER DATABASE dbname SET DBPROPERTIES (key=value);
DROP DATABASE [IF EXISTS] dbname [CASCADE];

1. 表操作

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] tbname (
  列名 数据类型 [COMMENT '注释'],
  ...
)
[COMMENT '表注释']
[PARTITIONED BY (分区列 数据类型,...)]
[CLUSTERED BY (分桶列) INTO N BUCKETS]
[ROW FORMAT row_format]
[STORED AS file_format]
[LOCATION 'hdfs_path']
[TBLPROPERTIES (key=value)];

-- 示例：创建分区表
CREATE TABLE user_logs (
  user_id STRING,
  action STRING,
  ts BIGINT
)
PARTITIONED BY (dt STRING)
STORED AS ORC;

1. 视图操作

CREATE VIEW [IF NOT EXISTS] view_name AS
SELECT ...;

二、数据操作语言（DML）

1. 数据加载

LOAD DATA [LOCAL] INPATH 'filepath' 
[OVERWRITE] INTO TABLE tbname 
[PARTITION (分区列=值,...)];

1. 数据插入

INSERT [OVERWRITE|INTO] TABLE tbname 
[PARTITION (分区列=值,...)]
SELECT ...;

-- 动态分区插入
SET hive.exec.dynamic.partition=true;
SET hive.exec.dynamic.partition.mode=nonstrict;
INSERT OVERWRITE TABLE user_logs 
PARTITION (dt)
SELECT user_id, action, ts, dt 
FROM source_table;

1. 数据更新（需事务支持）

UPDATE tbname SET 列=值 WHERE 条件;
DELETE FROM tbname WHERE 条件;

三、查询语言（DQL）

1. 基础查询

SELECT [ALL|DISTINCT] 列表达式
FROM tbname
[WHERE 条件]
[GROUP BY 分组列]
[HAVING 过滤条件]
[ORDER BY 排序列]
[CLUSTER BY 列]
[DISTRIBUTE BY 列 SORT BY 列]
[LIMIT N];

1. 窗口函数

SELECT 
  user_id,
  RANK() OVER (PARTITION BY dept ORDER BY sales DESC) AS rank
FROM sales_data;

1. Lateral View

SELECT user_id, item
FROM orders
LATERAL VIEW explode(items) tmp AS item;

四、数据类型差异

1. 原生类型扩展

   • 时间类型：TIMESTAMP、DATE
   • 二进制类型：BINARY
   • 复杂类型：

     ARRAY<数据类型>
     MAP<primitive_type, data_type>
     STRUCT<列名:数据类型,...>
     UNIONTYPE<data_type, data_type,...>
     

2. 类型强制转换

SELECT CAST('123' AS INT);

五、Hive特有功能

1. 分区分桶机制

-- 分区管理
ALTER TABLE tbname ADD PARTITION (dt='20230101');
MSCK REPAIR TABLE tbname;  -- 自动修复分区

-- 分桶抽样
SELECT * FROM tbname 
TABLESAMPLE(BUCKET x OUT OF y ON 分桶列);

1. 事务操作（Hive 3+）

CREATE TABLE tx_table (
  id INT,
  value STRING
)
STORED AS ORC
TBLPROPERTIES (
  'transactional'='true',
  'transactional_properties'='insert_only'
);

六、与传统SQL核心差异

七、优化配置实践

-- 设置执行引擎
SET hive.execution.engine=tez;

-- 启用向量化查询
SET hive.vectorized.execution.enabled=true;

-- 合并小文件
SET hive.merge.mapfiles=true;
SET hive.merge.size.per.task=256000000;

-- 启用CBO优化
SET hive.cbo.enable=true;
SET hive.compute.query.using.stats=true;

八、元数据查询

-- 查看表结构
DESCRIBE FORMATTED tbname;

-- 显示分区信息
SHOW PARTITIONS tbname;

-- 查询执行计划
EXPLAIN [EXTENDED|DEPENDENCY|AUTHORIZATION] SELECT ...;

应用建议：

1. 大规模数据集优先使用分区+分桶组合
2. ORC/Parquet格式比文本格式性能提升50%以上
3. 合理设置Map/Reduce任务数避免资源浪费
4. 对频繁查询的列建立Bloom Filter索引
5. 使用Tez引擎时调整容器内存分配

通过理解这些特性和差异，可以更高效地设计Hive数据仓库架构，充分发挥其在PB级数据处理场景中的优势。