SQL-Hive中的Where语句解析

本文转载自微信公众号「巡山猫说数据」，作者巡山猫说数据。转载本文请联系巡山猫说数据公众号。

你好，我是巡山猫!

今天我们来讲讲Hive中最常用的 where 语句知识要点。

01-基础语法

命令如下：

SELECT 列名 
FROM 表名 
WHERE 列名 运算符 值 [AND 列名 运算符 值] [OR 列名 运算符 值]; 

备注：WHERE后的列名必须用真实列名，不能使用自定义的别名，否则会报错。

02-谓词操作符详解

下面表中描述了谓词操作符，这些操作符同样可以用于JOIN…ON和HAVING语句中，后续我们会逐一介绍这两个语句

备注：NULL在Hive中代表空值的意思。

03-AND & OR

用AND连接两个及以上的谓词操作符代表且的意思，即必须所有条件同时满足;用OR连接两个及以上的谓词操作符代表或的意思，即至少有一个条件满足即可。

下面举几个例子：

取出表t_od_use_cnt中满足以下条件的5条记录：

·日期为20190101到20190102之间;

·平台取ios平台(1为andriod,2为ios);

·当日使用次数大于等于30。

语句如下：

SELECT * 
FROM app.t_od_use_cnt 
WHERE date_8 BETWEEN 20190101 AND 20190102 
      AND platform = '2' 
      AND use_cnt >= 30 limit 5; 

备注：数值型的值可以直接写，但字符格式及string格式的值必须加引号

运行结果如下：

hive (app)> SELECT * 
          > FROM app.t_od_use_cnt 
          > WHERE date_8 BETWEEN 20190101 AND 20190102 
          >       AND platform = '2' 
          >       AND use_cnt >= 30 limit 5; 
OK 
t_od_use_cnt.platform  t_od_use_cnt.app_version  t_od_use_cnt.user_id  t_od_use_cnt.use_cnt  t_od_use_cnt.is_active  t_od_use_cnt.date_8 
2  1.3  10001  49  1  20190101 
2  1.1  10016  37  1  20190101 
2  1.4  10025  44  1  20190101 
2  1.1  10034  49  1  20190101 
2  1.2  10039  37  1  20190101 
Time taken: 0.28 seconds, Fetched: 5 row(s) 

取出表t_od_use_cnt中满足以下条件的5条记录：

·日期大于20190102;

·1,3和1.4版本且当日使用次数大于等于30 或 1,1和1.2版本且当日使用次数大于等于20。

语句如下：

SELECT * 
FROM app.t_od_use_cnt 
WHERE date_8 > 20190102 
      AND ( 
            ( 
                  app_version IN ('1.3', '1.4') 
                  AND use_cnt >= 30 
                  ) 
            OR ( 
                  app_version IN ('1.1', '1.2') 
                  AND use_cnt >= 20 
                  ) 
            ) limit 5; 

备注：当and、or同时出现时，要使用()将条件区分开，Hive会优先执行括号内的条件语句。这样一来避免逻辑错误，二来使逻辑更清晰。

运行结果如下：

hive (app)> SELECT * 
          > FROM app.t_od_use_cnt 
          > WHERE date_8 > 20190102 
          >       AND ( 
          >             ( 
          >                   app_version IN ('1.3', '1.4') 
          >                   AND use_cnt >= 30 
          >                   ) 
          >             OR ( 
          >                   app_version IN ('1.1', '1.2') 
          >                   AND use_cnt >= 20 
          >                   ) 
          >             ) limit 5; 
OK 
t_od_use_cnt.platform  t_od_use_cnt.app_version  t_od_use_cnt.user_id  t_od_use_cnt.use_cnt  t_od_use_cnt.is_active  t_od_use_cnt.date_8 
2  1.2  10400  40  1  20190103 
1  1.2  10402  32  1  20190103 
1  1.2  10403  41  1  20190103 
2  1.4  10405  50  1  20190103 
2  1.1  10406  24  1  20190103 
Time taken: 0.298 seconds, Fetched: 5 row(s) 

04-Like & Rlike & Regexp

这三种语句的含义和用法上面已经有所介绍，rlike、regexp功能和like功能一致，只是like是后面只支持简单表达式匹配(_%),而rlike、regexp则支持标准正则表达式语法。所以如果正则表达式使用熟练的话，建议使用rlike，功能更加强大。所有的like匹配都可以被替换成rlike。反之，则不行。注意事项：like是从头逐一字符匹配的，但是rlike则不是。这里我们举几个例子。

取出表t_od_use_cnt中满足以下条件的5条记录：

·日期大于20190102;

·user_id以5结尾

语句如下：

SELECT * 
FROM app.t_od_use_cnt 
WHERE date_8 > 20190102 
      AND user_id LIKE '%5' limit 5; 

运行结果如下：

hive (app)> SELECT * 
          > FROM app.t_od_use_cnt 
          > WHERE date_8 > 20190102 
          >       AND user_id LIKE '%5' limit 5; 
OK 
t_od_use_cnt.platform  t_od_use_cnt.app_version  t_od_use_cnt.user_id  t_od_use_cnt.use_cnt  t_od_use_cnt.is_active  t_od_use_cnt.date_8 
2  1.4  10405  50  1  20190103 
1  1.1  10415  30  1  20190103 
2  1.3  10425  15  1  20190103 
1  1.3  10435  3  0  20190103 
1  1.4  10445  43  1  20190103 
Time taken: 0.977 seconds, Fetched: 5 row(s) 

取出表t_od_use_cnt中满足以下条件的5条记录：

·日期大于等于20190102;

·user_id中含有45。

语句如下：

SELECT * 
FROM app.t_od_use_cnt 
WHERE date_8 > 20190102 
      AND user_id RLIKE '45' limit 5; 

还可以把RLIKE替换为REGEXP：

SELECT * 
FROM app.t_od_use_cnt 
WHERE date_8 > 20190102 
      AND user_id REGEXP '45' limit 5; 

运行结果如下：

hive (app)> SELECT * 
          > FROM app.t_od_use_cnt 
          > WHERE date_8 > 20190102 
          >       AND user_id RLIKE '45' limit 5; 
OK 
t_od_use_cnt.platform  t_od_use_cnt.app_version  t_od_use_cnt.user_id  t_od_use_cnt.use_cnt  t_od_use_cnt.is_active  t_od_use_cnt.date_8 
1  1.4  10445  43  1  20190103 
2  1.5  10450  6  1  20190103 
2  1.5  10451  38  1  20190103 
1  1.4  10452  44  1  20190103 
1  1.5  10453  37  1  20190103 
Time taken: 0.13 seconds, Fetched: 5 row(s) 
  
  
  
hive (app)> SELECT * 
          > FROM app.t_od_use_cnt 
          > WHERE date_8 > 20190102 
          >       AND user_id REGEXP '45' limit 5; 
OK 
t_od_use_cnt.platform  t_od_use_cnt.app_version  t_od_use_cnt.user_id  t_od_use_cnt.use_cnt  t_od_use_cnt.is_active  t_od_use_cnt.date_8 
1  1.4  10445  43  1  20190103 
2  1.5  10450  6  1  20190103 
2  1.5  10451  38  1  20190103 
1  1.4  10452  44  1  20190103 
1  1.5  10453  37  1  20190103 
Time taken: 0.352 seconds, Fetched: 5 row(s) 

 

RLIKE、REGEXP主要用于正则匹配，具体的正则表达式匹配规则我们后面的文章来具体说明。