hive的基本语法

一、hive的基本语法

1、 hive中的列支持使用struct、map和array集合数据类型。大多数关系型数据库中不支持这些集合数据类型，因为它们会破坏标准格式。关系型数据库中为实现集合数据类型是由多个表之间建立合适的外键关联来实现。在大数据系统中，使用集合类型的数据的好处在于提高数据的吞吐量，减少寻址次数来提高查询速度。

2、COURSE MAP<STRING,FLOAT>,

3、ADDRESS STRUCT<CITY:STRING,STREET:STRING>

4、查询语法：SELECT S.NAME,S.FAVORITE[0],S.COURSE[ENGLISH],S.ADDRESS.CITY FROM STUDENTINFO S;创建分区表：create table employee(name string,age int,sex string) partitioned by(city string) row format delimited fields terminated by'\t';

5、分区表装载数据：load data local inpath'/usr/local/lee/employee' into table employee partition(city='hubei');

二、hive怎么查看表数据

1、进入hive之前要把hadoop给启动起来，因为hive是基于hadoop的。所有的mr计算都是在hadoop上面进行的。

2、在命令行中输入：hive。这个时候就可以顺利的进入hive了。当然了，如果你想直接执行hql脚本文件可以这样：hive-fxxxxx.hql。

3、进入hive之后一一般默认的数据库都是default。如果你切换数据库的话所建的表都会是在default数据库里面。

4、创建数据库的语法是：createdatabasedatabase_name;非常简单的，其实hive跟mysql的语法还是比较相似的。为什么呢？请继续往下

5、切换数据库的时候可以输入：usedatabase_name；

6、查看所有数据库的时候可以输入：showdatabases;

7、查看所有表的时候可以输入：showtables

8、看表结构的时候可以输入：describetab_name;

三、Hive&Presto语法对比大全

1、本文对比Hive与Presto在正则表达式、时间函数、列转行、行转列、从map中提取字段、日期格式转换、分位数获取、获取数组长度以及json数组处理等方面的语法差异。

2、Hive与Presto在正则表达式方面并无直接对比，但Hive支持通过正则表达式进行模式匹配，而Presto侧重SQL语句的高效执行，正则表达式功能相对简洁。

3、在时间函数方面，Hive与Presto存在差异。例如，date_diff函数在Hive中是后面减去前面，在Presto中则反之；date_add函数与current_date函数的使用逻辑也不同，Hive更侧重于日期运算，而Presto可能在其他方面提供更高效的操作。

4、列转行与行转列，Hive与Presto均提供了相应的函数，但具体实现可能有所差异，主要体现在语法结构和执行效率上。

5、从map中提取字段时，Presto提供了element_at函数，用于从map中提取指定位置的元素，Hive则有其他方式实现相似功能。

6、日期格式转换方面，Hive提供了from_unixtime、unix_timestamp、to_unixtime、date_parse、format_datetime和date_format等函数，Presto提供了to_unixtime、date_parse、format_datetime和date_format。Hive的from_unixtime函数和unix_timestamp函数提供了更灵活的日期格式化与转换能力。

7、Hive与Presto在日期格式转换上各有特色，Hive的from_unixtime和unix_timestamp函数支持多种日期格式化，而Presto的to_unixtime和date_parse函数提供了直接转换数字到时间戳或从字符串解析日期的功能。

8、分位数获取与获取数组长度方面，Hive与Presto提供了相应的函数，如percentile_approx和array_length等，分别用于计算分位数和获取数组长度。

9、在json数组处理上，Hive与Presto均支持json数据类型，但Hive提供了更丰富的json操作函数，如json_array、json_object、json_extract等，用于解析单个字段与解析多个字段。

10、本文综上所述，Hive与Presto在语法上存在差异，主要体现在函数的实现、语法结构与执行效率上。因此，在实际应用中，选择合适的数据库系统取决于具体需求与性能考量。