1.HiveQL的数据类型
HiveQL不支持更新/索引/事物等操作，子查询和join操作也很局限。
HiveQL的数据类型
基本类型：数值 布尔 字符串
复杂类型：arraymap struct
基本类型可以隐式向上转换 struct可以转换成double
2.HiveQL常用操作-----创建表
create table userinfo(id int,name string)row format delimited fields terminated by '\t';
注解：row format delimited fields terminated by是HiveQL特有的，用来指定数据的分割方式，上述格式表示数据的分割方式是以tab键进行分割，默认格式如下：
row format delimited fields terminated by '\001' collection items terminated by '\002' map keys terminated by '\003' lines terminated by '\n' stored as textfile
注解:
collection items terminated by '\002' 表示集合类型中的数据的分隔方式，ARRY STRUCT MAP中的key/value之间的分隔
map keys terminated by '\003' 针对Map的key内的分隔方式
lines terminated by '\n' 表示行之间已回车分隔
stored as textfile 指定以文本存储
Hive的表：
<1>外部表外部表中的数据不在数据仓库中，在指定的位置，只是在Hive元数据库中注册，建立方式：create external tablename...
<2>托管表托管表中的数据移动到数据仓库的目录下，由Hive管理， 建立方式：cretae table tablename...
3.HiveQL常用操作-----导入数据
表建立完成后，可以从本地文件系统或者HDFS中导入数据文件
load data local inpath '/home/dengpeng/1' overwrite into table userinfo
如果从HDFS中导入，则不要关键字local
load data inpath '/home/dengpeng/1' overwrite into table userinfo
托管表导入的数据文件可在数据仓库目录user/warehouse/<tablename>下看到
Hive的数据导入只是复制或者移动文件，并不对数据的模式进行检查，对数据的模式进行检查要等到查询的时候才进行，这就是Hive采用的“schema on load"加载方式，大大提高了加载数据的效率。
4.HiveQL常用操作-----分区(partition)
<1>定义：
分区是表的部分列的集合，可以为频繁使用的数据建立分区，这样查找分区中的数据时就不需要扫描全表啦，提高查询的效率
<2>建立分区
create table ptest(userid int) partitioned by (name string)row format delimited fields terminated by '\t'
注意：表中的列不能和分区中的列重合
<3>导入数据
load data local inpath '/home/dengpeng/1' into table ptest partition(name='jack');
load data local inpath '/home/dengpeng/jack' overwrite into table ptest partition (name='jack');
<4>查看分区数据
hive>dfs -ls /user/hive/warehouse/ptest/name=jack/;
<5>对分区进行查询
select userid from ptest where name = 'jack';
<6>显示分区
hive>show partitions ptest;
<7>对分区插入数据
insert overwrite table ptest partition(name='jack')select name from userinfo;
5.HiveQL常用的操作-----桶
可以把表和分区组织成桶，桶是按照行分开组织的特定字段，每个桶对应以个reduce操作，在建立桶之前需要设置hive.enforce.bucketing属性为true，使得Hive能够识别桶
set hive.enforce.bucketing = true
hive>set hive.enforce.bucketing;
hive>create table btest2(id int ,name string) clustered by(id) into 3 buckets row format delimited fields terminated by '\t';
这样按照用户id分成了3个桶，那么就对应3个Reduce操作，输出三个文件
hive>insert overwrite table btest2 select * from userinfo;插入数据
hive>dfs -ls /user/hive/warehouse/btest2;查看数据仓库下的桶目录，三个桶对应三个目录
Hive使用对分桶所用的值进行hash，并用hash结果除以桶的个数做取余的方式分桶，保证了每个桶中都有数据，但每个桶中的数据条数不一定相等，下面命令的结果是不宜样的：
hive>dfs -cat /user/hive/warehouse/btest2/*0_0;
hive>dfs -cat /user/hive/warehouse/btest2/*1_0;
hive>dfs -cat /user/hive/warehouse/btest2/*2_0;
分桶可以获得比分区更高的查询效率，同时分桶也便于对全部的数据进行采样处理，下面是对桶取样的操作：
hive>select * from btest2 tablesample(bucket 1 out of 3 on id);
6.HiveQL常用的操作-----多表插入
定义：
多表插入指的是在同一条语句中，把读取的同一份元数据插入到不同的表中。只需要扫描一遍元数据即可完成所有表的插入操作，效率很高。
hive>create table mutil1 as select id,name from userinfo;
hive>craete table mutil2 like mutil1;
hive>from userinfo insert overwrite table mutil1 select id,name insert overwrite table mutil2 select count(distinct id),name group by name;
7.HiveQL常用操作------修改表
重命名表，增加数据列的操作如下：
alert table mutil1 rename to mutil3;
alert table mutil1 add colums(grade string);
hive>describe mutil1;查看表结构
8.HiveQL常用操作------删除表
drop table mutil1;
对于托管表，drop操作会把元数据和数据文件删除掉
对于外部表，drop操作只删除元数据
如果只要删除表中的数据，保留表明的话可以在HDFS上删除数据文件。
dfs -rmr /user/hive/warehouse/mutil1/*
9.HiveQL常用操作------连接
内连接select userinfo.*,choice.* from userinfo join choice on(userinfo.id = choice.userid);检索userinfo和choice表中标识号相同的所有行
左向外连接select userinfo.*,choice.* from userinfo left outer join choice on (userinfo.id = choice.usreid);
右向外连接select userinfo.*,choice.* from userinfo right outer join choice on (userinfo.id = choice.userid);
全外连接select userinfo.* from userinfo full outer join choice on (usreinfo.id = choice.usreid);
半连接select userinfo.* from userinfo left semi join choice on (userinfo.id = choice.userid);
10.HiveQL常用操作------子查询
标准的SQL语句的子查询支持嵌套的查询，而HiveQL的支持有限，只能在from子句中加入子查询
select teacher,MAX(class_num) from (select teacher,count(classname)as class_num from classinfo group by teacher)subq group by teacher;
11.HiveQL常用操作------创建视图
Hive只支持逻辑视图，并不支持逻辑视图，建立视图后可以在mysql元数据库中看到创建的视图表，但是在Hive的数据仓库目录下是没有相应的视图表目录的。
create view teacher_classnum as select teacher,count(classname) from classinfo group by teacher;