11 KiB
11 KiB
Hive SQL 语法参考
数据类型
| 类型 | 说明 | 示例 |
|---|---|---|
| TINYINT | 1字节整数 | level TINYINT |
| SMALLINT | 2字节整数 | age SMALLINT |
| INT | 4字节整数 | count INT |
| BIGINT | 8字节整数 | id BIGINT |
| FLOAT | 4字节浮点 | score FLOAT |
| DOUBLE | 8字节浮点 | price DOUBLE |
| DECIMAL(p,s) | 定点数 | amount DECIMAL(18,2) |
| BOOLEAN | 布尔 | active BOOLEAN |
| STRING | 变长字符串 | name STRING |
| VARCHAR(n) | 变长字符串（限长） | code VARCHAR(50) |
| CHAR(n) | 定长字符串 | flag CHAR(1) |
| DATE | 日期 | birth_date DATE |
| TIMESTAMP | 时间戳（纳秒精度） | created_at TIMESTAMP |
| BINARY | 二进制 | data BINARY |
| ARRAY<type> | 数组 | tags ARRAY<STRING> |
| MAP<k,v> | 映射 | props MAP<STRING,STRING> |
| STRUCT<f1:t1,...> | 结构体 | user STRUCT<id:INT,name:STRING> |
| UNIONTYPE<t1,t2,...> | 联合类型 | value UNIONTYPE<INT,STRING> |
时间函数
-- 当前时间
current_date() -- 当前日期
current_timestamp() -- 当前时间戳
unix_timestamp() -- 当前 Unix 时间戳（秒）
-- 格式转换
date_format(date_col, 'yyyy-MM-dd') -- 日期格式化
date_format(timestamp_col, 'yyyy-MM-dd HH:mm:ss') -- 时间格式化
to_date(string_col) -- 字符串转日期
to_date(string_col, 'yyyy-MM-dd') -- 字符串转日期（带格式）
from_unixtime(timestamp) -- Unix 时间戳转字符串
from_unixtime(timestamp, 'yyyy-MM-dd') -- 带格式转换
-- 日期计算
date_add(date_col, 7) -- 加7天
date_sub(date_col, 7) -- 减7天
add_months(date_col, 3) -- 加3个月
datediff(end_date, start_date) -- 日期差（天数）
months_between(date1, date2) -- 月份差
-- 日期提取
year(date_col) -- 年
month(date_col) -- 月
day(date_col) -- 日
dayofmonth(date_col) -- 月中第几天
dayofweek(date_col) -- 周几 (1=周日, 7=周六)
hour(timestamp_col) -- 时
minute(timestamp_col) -- 分
second(timestamp_col) -- 秒
quarter(date_col) -- 季度 (1-4)
weekofyear(date_col) -- 年中第几周
last_day(date_col) -- 月末日期
trunc(date_col, 'MM') -- 月初日期
trunc(date_col, 'YY') -- 年初日期
-- Unix 时间戳
unix_timestamp(date_col) -- 转 Unix 时间戳
unix_timestamp(string_col, 'yyyy-MM-dd') -- 指定格式转换
from_unixtime(timestamp) -- Unix 时间戳转字符串
字符串函数
-- 常用函数
concat(str1, str2, ...) -- 字符串拼接
concat_ws('-', str1, str2, ...) -- 用分隔符拼接
lower(str) -- 转小写
upper(str) -- 转大写
trim(str) -- 去两端空格
ltrim(str) -- 去左空格
rtrim(str) -- 去右空格
length(str) -- 字符串长度
substring(str, pos, len) -- 截取字符串（pos从1开始）
substr(str, pos, len) -- 同 substring
left(str, len) -- 取左边len个字符
right(str, len) -- 取右边len个字符
reverse(str) -- 反转字符串
repeat(str, n) -- 重复n次
space(n) -- 生成n个空格
-- 查找与替换
instr(str, substr) -- 查找子串位置
locate(substr, str, pos) -- 从pos位置查找
replace(str, old, new) -- 替换
regexp_extract(str, pattern, idx) -- 正则提取
regexp_replace(str, pattern, replacement) -- 正则替换
-- 分割
split(str, delimiter) -- 分割成数组
-- 其他
initcap(str) -- 首字母大写
lpad(str, len, pad) -- 左填充
rpad(str, len, pad) -- 右填充
hex(col) -- 转16进制
unhex(str) -- 16进制转字符串
聚合函数
-- 基础聚合
COUNT(*) -- 计数（含NULL行）
COUNT(col) -- 计数（不含NULL）
COUNT(DISTINCT col) -- 去重计数
SUM(col) -- 求和
AVG(col) -- 平均值
MIN(col) -- 最小值
MAX(col) -- 最大值
-- 集合聚合
collect_list(col) -- 返回数组（不去重）
collect_set(col) -- 返回数组（去重）
-- 统计函数
variance(col) -- 方差
var_pop(col) -- 总体方差
var_samp(col) -- 样本方差
stddev(col) -- 标准差
stddev_pop(col) -- 总体标准差
stddev_samp(col) -- 样本标准差
-- 近似函数
approx_count_distinct(col) -- 近似去重计数（大数据量优化）
-- 其他
first(col) -- 第一个值
last(col) -- 最后一个值
条件表达式
-- CASE WHEN
CASE
WHEN condition1 THEN result1
WHEN condition2 THEN result2
ELSE default_result
END
-- CASE 字段匹配
CASE field
WHEN value1 THEN result1
WHEN value2 THEN result2
ELSE default_result
END
-- COALESCE（取第一个非空值）
COALESCE(col1, col2, default_value)
-- NULLIF（相等返回NULL）
NULLIF(col1, col2)
-- IF（简单条件）
IF(condition, true_value, false_value)
-- NVL（空值替换）
NVL(col, default_value)
复杂类型操作
-- ARRAY 操作
array(val1, val2, ...) -- 创建数组
array_contains(arr, val) -- 判断是否包含
element_at(arr, idx) -- 取元素（idx从1开始）
arr[idx] -- 取元素（idx从0开始）
size(arr) -- 数组长度
array_join(arr, delimiter) -- 数组转字符串
sort_array(arr) -- 排序
array_distinct(arr) -- 去重
-- 展开（LATERAL VIEW + explode）
-- 展开数组
SELECT id, tag
FROM table
LATERAL VIEW explode(tags) t AS tag;
-- 展开数组带索引
SELECT id, pos, tag
FROM table
LATERAL VIEW posexplode(tags) t AS pos, tag;
-- 展开 Map
SELECT id, map_key, map_value
FROM table
LATERAL VIEW explode(props) m AS map_key, map_value;
-- MAP 操作
map(key1, val1, key2, val2) -- 创建 Map
str_to_map(str, delim1, delim2) -- 字符串转 Map
map_contains(map, key) -- 判断是否包含key
map_keys(map) -- 所有 key（返回数组）
map_values(map) -- 所有 value（返回数组）
size(map) -- Map大小
-- STRUCT 操作
named_struct('name1', val1, 'name2', val2) -- 创建结构体
struct_col.field_name -- 访问结构体字段
分区表操作
-- 创建分区表
CREATE TABLE target_table (
id BIGINT,
name STRING,
amount DECIMAL(18,2)
)
PARTITIONED BY (day_id STRING)
STORED AS ORC;
-- 静态分区写入
INSERT OVERWRITE TABLE target_table
PARTITION (day_id = '${day_id}')
SELECT id, name, amount FROM source_table;
-- 动态分区写入
SET hive.exec.dynamic.partition = true;
SET hive.exec.dynamic.partition.mode = nonstrict;
INSERT OVERWRITE TABLE target_table
PARTITION (day_id)
SELECT id, name, amount, day_id FROM source_table;
-- 分区管理
SHOW PARTITIONS target_table;
ALTER TABLE target_table ADD IF NOT EXISTS PARTITION (day_id = '2026-05-10');
ALTER TABLE target_table DROP IF EXISTS PARTITION (day_id = '2026-01-01');
-- MSCK REPAIR（恢复分区元数据）
MSCK REPAIR TABLE target_table;
与 Spark SQL 的主要差异
| 特性 | Spark SQL | Hive | 说明 |
|---|---|---|---|
| LEFT SEMI JOIN | ✅ 独立语法 | ✅ 支持（语义相同） | Hive 也可用 IN 子查询替代 |
| LEFT ANTI JOIN | ✅ 独立语法 | ✅ 支持（语义相同） | Hive 也可用 NOT IN 替代 |
| CTE (WITH) | ✅ 支持 | ✅ Hive 0.13+ 支持 | 都支持但 Hive 中推荐物化临时表 |
| INSERT OVERWRITE | ✅ 支持 | ✅ 支持 | 写法一致 |
| MERGE INTO | ✅ 支持 | ❌ 不支持 | Hive 不支持 |
| UPDATE/DELETE | ❌ 不支持 | 仅 ACID 表支持 | 普通 Hive 表不支持 |
| collect_list/set | ✅ 支持 | ✅ 支持 | 完全一致 |
| LATERAL VIEW | ✅ 支持 | ✅ 支持（Hive 原生） | Hive 首创的语法 |
| 分桶 JOIN | 可优化 | 可优化（SMB JOIN） | Hive 分桶优化更成熟 |
| 日期格式 | yyyy-MM-dd |
yyyy-MM-dd |
格式一致 |
| 临时表 | CREATE TEMP TABLE | CREATE TEMPORARY TABLE | 关键字略有不同 |
| 存储格式 | PARQUET/ORC | ORC/PARQUET/TEXTFILE | Hive 支持 TEXTFILE |
| 分区发现 | 自动 | 需 MSCK REPAIR 或 ALTER | Hive 需手动恢复 |
| 复杂类型 | 完整支持 | 完整支持 | 基本一致 |
| 窗口函数 | ✅ 完整支持 | ✅ 完整支持 | 语法一致 |
SQL 生成规则
通用规则（所有引擎统一）
- 禁止使用 CTE (WITH 子句)，每个主要逻辑步骤必须物化为临时表
- 先 DROP 再 CREATE：
DROP TABLE IF EXISTS ...; CREATE TABLE ... AS SELECT ...; - 禁止
SELECT *，必须明确列出所有字段 - 多表查询时所有表必须使用简短别名
- 每个步骤前添加注释说明
- 谓词下推：过滤条件前置，JOIN 时在 WHERE 中一并添加过滤
- 临时表命名：
${db_tmp_env}.tmp_{业务简称}_{步骤序号}
Hive 特有规则
- 使用
INSERT OVERWRITE TABLE ... PARTITION (...)写入目标表 - 动态分区需先
SET hive.exec.dynamic.partition = true; - 分区列不能出现在表定义的列中（Hive 特有约束）
- 支持
collect_list/collect_set聚合 - 支持
LATERAL VIEW explode()展开数组 - 日期函数：
date_format(),to_date(),date_add(),add_months()（和 Spark 一致） - 时间范围筛选：
-- 日账期过滤 WHERE day_id = '${day_id}' -- 最近N个月（月份格式 yyyyMM） WHERE month_id >= date_format(add_months(to_date('${month_id}', 'yyyyMM'), -N), 'yyyyMM') AND month_id < '${month_id}'
SQL 脚本结构
-- =====================================================================
-- @SqlName: hive-D-SQL-{表名}
-- @Engine: hive
-- ...（头注释）
-- =====================================================================
-- Step01: {步骤描述}
DROP TABLE IF EXISTS ${db_tmp_env}.tmp_xxx_01;
CREATE TABLE ${db_tmp_env}.tmp_xxx_01 AS
SELECT ...;
-- Step02: {步骤描述}
DROP TABLE IF EXISTS ${db_tmp_env}.tmp_xxx_02;
CREATE TABLE ${db_tmp_env}.tmp_xxx_02 AS
SELECT ...;
-- 最后一步：写入目标表
INSERT OVERWRITE TABLE ${db_eda_env}.target_table
PARTITION (day_id = '${day_id}')
SELECT ...;