hive sql注意事项

如果是按时间分区的表，查询时一定要使用分区限制，如果没有分区限制，会从该表的所有数据里面遍历。

注意sql中or的使用，or 这个逻辑必须单独括起来，否则可能引起无分区限制，下面举个例子，想查询到的是gd或gx的某天的数据。
Select x from t where ds=d1 and province=’gd’ or province=’gx’
该语句会从所有的分区里面查询！也没有得到自己想要的数据！这里的意思是某天gd的或者所有日期里面gx的数据 ，正确的写法是：
Select x from t where ds=d1 and (province=’gd’ or province=’gx’)

很容易出错的地方
1、 只支持等值连接，不支持非等值连接 join的时候不等值
2、 内连接时小表放前面，大表放后面 a Join b on a.x=b.x a为小表
3、 连接小表时使用map join 条件
SELECT /+ MAPJOIN(b) / a.key, a.value FROM a join b on a.key = b.key
l 小表可以放进内存（维度表、行数<2w 为宜）
l 小表不能为驱动表 (eg:left outer join 时的左表)
4、 Full outer join 在on中过滤分区有问题，解决方法是将分区过滤条件放到左表和右表子查询里面
比如：
Select a.x,b.x from a full|left|right outer join b on (a.key=b.key and a.ds=d1 and b.ds=d1)
应该写成
Select t1.x ,t2.x from (select * from a where ds=d1) t1
full outer join
(select * from b where ds=d1) t2 on t1.key=t2.key

5、 Left|right outer join 将驱动表（left outer join的左表或者right outer join的右表）的分区过滤放在on会有问题，解决方法是将驱动表的过滤条件放到where或者子查询里面
比如：
Select a.x,b.x from a left outer join b on (a.key=b.key and a.ds=d1 and b.ds=d1)
应该写成
Select a.x ,b.x from a
left outer join b on a.key=b.key and b. ds=d1 and b.x=y
where a.ds=d1
或者
Select t1.x ,t2.x from (select * from a where ds=d1) t1
Left outer join b t2 on t1.key=t2.key and t2.ds=d1

6、 支持多表连接，语法：
SELECT a.val, b.val, c.val FROM a JOIN b ON (a.key = b.key1) JOIN c ON (c.key = b.key2)
下面写法错误：
SELECT a.val, b.val, c.val FROM a JOIN b JOIN c ON (a.key = b.key1 and c.key = b.key2)

7、 内连接注意事项
要使用 a join b on a.key=b.key，
下面写法在mysql/oracle等价于内连接，但是在Hive中会导致笛卡尔积，会跑不出来的
From a ,b where a.key=b.key

8、 join的两个表中有一个表应该是distinct的，但如果实际的数据并非distinct的，这个时候应该做一次select distinct放到子查询，再join

9.hive sql中匹配 ‘\’，竟然用四个,如：channel not like ‘%\\\\’
10.设置执行sql的内存：
set mapreduce.map.memory.mb=8192;
set mapred.map.child.java.opts=-Xmx7792m;
set mapreduce.reduce.memory.mb=8192;
set mapred.reduce.child.java.opts=-Xmx7792m;