Hadoop离线是大数据生态圈的核心与基石，是整个大数据开发的入门。本次分享内容让初学者能高效、快捷掌握Hadoop必备知识，大大缩短Hadoop离线阶段学习时间，下面一起开始今天的学习！
一、Hive SQL select语法介绍
Select语法树
从哪里查询取决于FROM关键字后面的table_reference，这是我们写查询SQL的首先要确定的事即你查询谁？
表名和列名不区分大小写。
SELECT [ALL | DISTINCT] select_expr, select_expr, ...
FROM table_reference
[WHERE where_condition]
[GROUP BY col_list]
[ORDER BY col_list]
[LIMIT [offset,] rows];
数据环境准备
( 1) select_expr
(2) ALL 、 DISTINCT
用于指定查询返回结果中重复的行如何处理。
1. 如果没有给出这些选项，则默认值为ALL (返回所有匹配的行) 。
2. DISTINCT指定从结果集中删除重复的行。
( 3) WHERE
WHERE后面是一个布尔表达式(结果要么为true，要么为false)，用于查询过滤，当布尔表达式为true时，返回select后面expr表达式的结果，否则返回空。
在WHERE表达式中， 可以使用Hive支持的任何函数和运算符，但聚合函数除外。
SELECT [ALL | DISTINCT] select_expr, select_expr, ...
FROM table_reference[WHERE where_condition]
[GROUP BY col_list]
[ORDER BY col_list]
[LIMIT [offset,] rows];
- 比较运算、逻辑运算
- 特殊条件(空值判断、 between、 in)
(4)聚合操作
SQL中拥有很多可用于计数和计算的内建函数，其使用的语法是： SELECT function(列) FROM 表。
这里我们要介绍的叫做聚合(Aggregate)操作函数，如： Count、 Sum、 Max、 Min、Avg等函数。
聚合函数的最大特点是不管原始数据有多少行记录， 经过聚合操作只返回一条数据，这一条数据就是聚合的结果。
- 常见的聚合操作函数
（5）GROUP BY概念
GROUP BY语句用于结合聚合函数， 根据一个或多个列对结果集进行分组；
如果没有group by语法，则表中的所有行数据当成一组。
GROUP BY使用
GROUP BY语法限制
出现在GROUP BY中select_expr的字段： 要么是GROUP BY分组的字段； 要么是被聚合函数应用的字段。
原因： 避免出现一个字段多个值的歧义。
1. 分组字段出现select_expr中， 一定没有歧义，因为就是基于该字段分组的，同一组中必相同；
2. 被聚合函数应用的字段，也没歧义， 因为聚合函数的本质就是多进一出，最终返回一个结果。
(6) HAVING
在SQL中增加HAVING子句原因是， WHERE关键字无法与聚合函数一起使用。
HAVING子句可以让我们筛选分组后的各组数据,并且可以在Having中使用聚合函数，因为此时where， group by已经执行结束，结果集已经确定。
HAVING与WHERE区别
- having是在分组后对数据进行过滤
- where是在分组前对数据进行过滤
- having后面可以使用聚合函数
- where后面不可以使用聚合函数
(7) ORDER BY
ORDER BY 语句用于根据指定的列对结果集进行排序。
ORDER BY 语句默认按照升序(ASC) 对记录进行排序。如果您希望按照降序对记录进行排序，可以使用DESC关键字
(8) LIMIT
LIMIT用于限制SELECT语句返回的行数。
LIMIT接受一个或两个数字参数，这两个参数都必须是非负整数常量。
第一个参数指定要返回的第一行的偏移量(从 Hive 2.0.0开始)，第二个参数指定要返回的最大行数。当给出单个参数时，它代表最大行数，并且偏移量默认为0。
执行顺序
在查询过程中执行顺序： from > where > group (含聚合) > having >order > select；
1. 聚合语句(sum,min,max,avg,count)要比having子句优先执行
2. where子句在查询过程中执行优先级别优先于聚合语句(sum,min,max,avg,count)
结合下面SQL感受：
