这种SQL便是Hive SQL，她可以将SQL语句转换为Map Reduce任务运行，通过分外的SQL去查询剖析须要的内容，使不熟习map reduce的用户很方便的利用SQL 措辞查询，汇总，剖析数据。
一、根本命令1、数据库操作
show databases; # 查看某个数据库use 数据库; # 进入某个数据库show tables; # 展示所有表desc 表名; # 显示表构造show partitions 表名; # 显示表名分区show create table_name; # 显示创建表的构造2、表构造修正
3、字段类型
基本类型： tinyint, smallint, int, bigint, float, decimal, boolean, string复合类型：struct, array, map二、常用函数length() # 返回字符串长度trim() # 去除两边空格lower(), upper() # 大小写转换reverse() # 反转字符串cast(expr as type) # 类型转换substring(string A, int start, int len) # 字符串截取split(string str, string pat) # 按照pat字符串分割str，返回分割后的字符串数组coalesce(v1, v2, v3, ...) # 返回列表中第一个非空元素,如果所有值都为空，则返回nullfrom_unixtime(unix_timestamp(), 'yyyy-MM-dd HH:mm:ss') # 返回当前韶光instr(string str, string search_str) # 返回第二个参数在待查找字符串中的位置（找不到返回0）concat(string A, string B, string C, ...) # 字符串连接concat_ws(string sep, string A, string B, string C, ...) # 自定义分隔符sep的字符串连接str_to_map(string A, string item_pat, string dict_pat) # 将字符串转为mapmap_keys(map m) # 提取出map的key, 返回key的arraydatediff(date1, date2) # 日期比较函数，返回相差天数，datediff('${cur_date},d)explode(colname) # explode便是将hive一行中繁芜的array或者map构造拆分成多行三、干系观点1、hive
hive是基于hadoop的一个数据仓库工具，可以将构造化的数据文件映射为一张数据库库表，并供应类SQL查询功能。
2、基本组成
用户接口：CLI，shell命令行；JDBC/ODBC是hive的java实现；webGUI是通过浏览器访问hive；元数据存储：常日是存储在关系数据库如mysql, derby中；hive的元数据包括表的名字，表的列和分区及其属性，表的属性（是否为外部表），表的数据所在目录等。
阐明器，编译器，优化器完成HQL查询语句从词法剖析，语法剖析，编译，优化以及查询操持的天生。天生的查询存储在HDFS中，并随后有mapreduce调用实行。因此，hive与Hadoop的关系可以理解为用户发出SQL查询语句，hive将查询存储在HDFS中，然后由mapreduce调用实行。
3、table
Hive 中的 Table 和数据库中的 Table 在观点上是类似的，每一个 Table 在 Hive 中都有一个相应的目录存储数据。例如，一个表 pvs，它在 HDFS 中的路径为：/wh/pvs，个中，wh 是在 hive-site.xml 中由 ${hive.metastore.warehouse.dir} 指定的数据仓库的目录，所有的 Table 数据（不包括 External Table）都保存在这个目录中。
4、partition
Partition 对应于数据库中的 Partition 列的密集索引，但是 Hive 中 Partition 的组织办法和数据库中的很不相同。在 Hive 中，表中的一个 Partition 对应于表下的一个目录，所有的 Partition 的数据都存储在对应的目录中。
5、buckets
Buckets 对指定列打算 hash，根据 hash 值切分数据，目的是为了并行，每一个 Bucket 对应一个文件。将 user 列分散至 32 个 bucket，首先对 user 列的值打算 hash，对应 hash 值为 0 的 HDFS 目录为：/wh/pvs/ds=20090801/ctry=US/part-00000；hash 值为 20 的 HDFS 目录为：/wh/pvs/ds=20090801/ctry=US/part-00020
6、external table
External Table 指向已经在 HDFS 中存在的数据，可以创建 Partition。它和 Table 在元数据的组织上是相同的，而实际数据的存储则有较大的差异。
Table 的创建过程和数据加载过程（这两个过程可以在同一个语句中完成），在加载数据的过程中，实际数据会被移动到数据仓库目录中；之后对数据对访问将会直接在数据仓库目录中完成。删除表时，表中的数据和元数据将会被同时删除。
External Table 只有一个过程，加载数据和创建表同时完成（CREATE EXTERNAL TABLE ……LOCATION），实际数据是存储在 LOCATION 后面指定的 HDFS 路径中，并不会移动到数据仓库目录中。当删除一个 External Table 时，仅删除元数据，表中的数据不会真正被删除。
7、全量数据和增量数据
查看分区信息：如果分区的大小随韶光增加而增加，则最新的分区为全量数据。如果分区的大小随韶光增加而大小高下变革，则每个分区都是增量数据。
四、HQL和SQL的异同
1、HQL和SQL常见不同，
select distinct 后必须指定字段名join 条件仅支持等值关联且不支持or条件子查询不能在select中利用；HQL中没有UNION，可利用distinct+ union all 实现 UNION；HQL以分号分隔，必须在每个语句结尾写上分号；HQL中字符串的比较比较严格，区分大小写及空格，因此在比较时建议upper(trim(a))=upper(trim(b))日期判断，建议利用to_date(),如：to_date(orderdate)=‘2016-07-18’关键字必须在字段名上加``符号，如select `exchange` from xxdb.xxtb;数据库和表/视图之间仅有1个点，如xx_db.xx_tb。2、HQL不支持update，采取union all + left join (is null)变相实现update。
取出增量数据；利用昨日分区的全量数据通过主键左连接增量数据，并且只取增量表中主键为空的数据（即，取未发生变革的全量数据）；合并1、2的数据覆盖至最新的分区，即实现了update。3、HQL不支持delete，采取not exists/left join(is null)的方法变相实现。
取出已删除的主键数据（表B）；利用上一个分区的全量数据（表A）通过主键左连接A，并且只取A中主键为空的数据，然后直接insert overwrite至新的分区。对付会SQL的职员，转入Hive SQL还是比较随意马虎的，语法大部分是想通的，少部分函数不太同等。
