Hive查詢
排序和聚集
通過Hive提供的order by子句可以讓最終的輸出結果整體有序。但是因為Hive是基于Hadoop之上的，要生成這種整體有序的結果，就必須強迫Hadoop只利用一個Reduce來完成處理。這種方式的副作用就是回降低效率。
如果你不需要最終結果整體有序，你就可以使用sort by子句來進行排序。這種排序操作只保證每個Reduce的輸出是有序的。如果你希望某些特定行被同一個Reduce處理，則你可以使用distribute子句來完成。比如：
表student（classNo，stuNo，score）數據如下：
C01 N0101 82
C01 N0102 59
C02 N0201 81
C01 N0103 65
C03 N0302 92
C02 N0202 82
C02 N0203 79
C03 N0301 56
C03 N0306 72
我們希望按照成績由低到高輸出每個班級的成績信息。執行以下語句：
Select classNo,stuNo,score from student distribute byclassNo sort by score;
輸出結果為:
C02 N0203 79
C02 N0201 81
C02 N0202 82
C03 N0301 56
C03 N0306 72
C03 N0302 92
C01 N0102 59
C01 N0103 65
C01 N0101 82
我們可以看到每一個班級里所有的學生成績是有序的。因為同一個classNo的記錄會被分發到一個單獨的reduce處理，而同時sort by保證了每一個reduce的輸出是有序的。
注意：
為了測試上例中的distribute by的效果，你應該首先設置足夠多的reduce。比如上例中有3個不同的classNo，則我們需要設置reduce個數至少為3或更多。如果設置的 reduce個數少于3，將會導致多個不同的classNo被分發到同一個reduce，從而不能產生你所期望的輸出。設置命令如下：
set mapred.reduce.tasks = 3;
MapReduce腳本
如果我們需要在查詢語句中調用外部腳本，比如Python，則我們可以使用transform，map，reduce等子句。
比如，我們希望過濾掉所有不及格的學生記錄，只輸出及格學生的成績信息。
新建一個Python腳本文件score_pass.py，內容如下：
#! /usr/bin/env python
import sys
for line in sys.stdin:
(classNo,stuNo,score)= line.strip().split('\t')
ifint(score) >= 60:
print"%s\t%s\t%s" %(classNo,stuNo,score)
執行以下語句
add file /home/user/score_pass.py;
select transform(classNo,stuNo,score) using'score_pass.py' as classNo,stuNo,score from student;
輸出結果為：
C01 N0101 82
C02 N0201 81
C01 N0103 65
C03 N0302 92
C02 N0202 82
C02 N0203 79
C03 N0306 72
注意：
1) 以上Python腳本中，分隔符只能是制表符(\t)。同樣輸出的分隔符也必須為制表符。這個是有hive自身決定的，不能更改，不要嘗試使用其他分隔符，否則會報錯。同時需要調用strip函數，以去除掉行尾的換行符。（或者直接使用不帶參數的line.split()代替。
2) 使用腳本前，先使用add file語句注冊腳本文件，以便hive將其分發到Hadoop集群。
3) Transfom傳遞數據到Python腳本，as語句指定輸出的列。
連接（join）
直接編程使用Hadoop的MapReduce是一件比較費時的事情。Hive則大大簡化了這個操作。
內連接（inner join）
和SQL的內連相似。執行以下語句查詢每個學生的編號和教師名：
Select a.stuNo,b.teacherName from student a join teacherb on a.classNo = b.classNo;
輸出結果如下：
N0203 Sun
N0202 Sun
N0201 Sun
N0306 Wang
N0301 Wang
N0302 Wang
N0103 Zhang
N0102 Zhang
N0101 Zhang
注意：
數據文件內容請參照上一篇文章。
不要使用select xx from aa bb where aa.f=bb.f這樣的語法，hive不支持這種寫法。
如果需要查看hive的執行計劃，你可以在語句前加上explain，比如：
explain Select a.stuNo,b.teacherName from student a jointeacher b on a.classNo = b.classNo;
外連接（outer join）
和傳統SQL類似，Hive提供了left outer join，right outer join，full out join。
半連接（semi join）
Hive不提供in子查詢。此時你可以用leftsemi join實現同樣的功能。
執行以下語句：
Select * from teacher left semi join student onstudent.classNo = teacher.classNo;
輸出結果如下：
C02 Sun
C03 Wang
C01 Zhang
可以看出，C04 Dong沒有出現在查詢結果中，因為C04在表student中不存在。
注意：
右表（student）中的字段只能出現在on子句中，不能出現在其他地方，比如不能出現在select子句中。
Map連接（map join）
當一個表非常小，足以直接裝載到內存中去時，可以使用map連接以提高效率，比如：
Select /*+mapjoin(teacher) */a.stuNo,b.teacherNamefrom student a join teacher b on a.classNo = b.classNo;
以上紅色標記部分采用了C的注釋風格。
當連接時用到不等值判斷時，也比較適合Map連接。具體原因需要深入了解Hive和MapReduce的工作原理。
子查詢（sub query）
運行以下語句將返回所有班級平均分的最高記錄。
Select max(avgScore) as maScore
from
(Select classNo,avg(score) as avgScore from student group byclassNo) a;
輸出結果：
80.66666666666667
以上語句中紅色部分為一個子查詢，且別名為a。返回的子查詢結果和一個表類似，可以被繼續查詢。
視圖（view）
和傳統數據庫中的視圖類似，Hive的視圖只是一個定義，視圖數據并不會存儲到文件系統中。同樣，視圖是只讀的。
運行以下兩個命令：
Create view avg_score as
Select classNo,avg(score) as avgScore from student groupby classNo;
Select max(avgScore) as maScore
From avg_score;
可以看到輸出結果和上例中的結果是一樣的。