Hive學習之路 （十一）Hive的5個面試題

1、求單月訪問次數和總訪問次數

一、數聽說明

數據字段說明

用戶名，月份，訪問次數

數據格式

A,2015-01,5 A,2015-01,15 B,2015-01,5 A,2015-01,8 B,2015-01,25 A,2015-01,5 A,2015-02,4 A,2015-02,6 B,2015-02,10 B,2015-02,5 A,2015-03,16 A,2015-03,22 B,2015-03,23 B,2015-03,10 B,2015-03,1

二、數據準備

（1）建立表

use myhive; create external table if not exists t_access( uname string comment '用戶名', umonth string comment '月份', ucount int comment '訪問次數' ) comment '用戶訪問表' row format delimited fields terminated by "," location "/hive/t_access";

（2）導入數據

load data local inpath "/home/hadoop/access.txt" into table t_access;

（3）驗證數據

select * from t_access;

三、結果需求

現要求出：
每一個用戶截止到每個月爲止的最大單月訪問次數和累計到該月的總訪問次數，結果數據格式以下

四、需求分析

此結果須要根據用戶+月份進行分組

（1）先求出當月訪問次數

--求當月訪問次數
create table tmp_access( name string, mon string, num int ); insert into table tmp_access select uname,umonth,sum(ucount) from t_access t group by t.uname,t.umonth;

select * from tmp_access;

（2）tmp_access進行自鏈接視圖

create view tmp_view as 
select a.name anme,a.mon amon,a.num anum,b.name bname,b.mon bmon,b.num bnum from tmp_access a join tmp_access b on a.name=b.name; select * from tmp_view;

（3）進行比較統計

select anme,amon,anum,max(bnum) as max_access,sum(bnum) as sum_access from tmp_view where amon>=bmon group by anme,amon,anum;

2、學生課程成績

 一、說明

use myhive; CREATE TABLE `course` ( `id` int, `sid` int , `course` string, `score` int ) ;

// 插入數據 // 字段解釋：id, 學號， 課程， 成績 INSERT INTO `course` VALUES (1, 1, 'yuwen', 43); INSERT INTO `course` VALUES (2, 1, 'shuxue', 55); INSERT INTO `course` VALUES (3, 2, 'yuwen', 77); INSERT INTO `course` VALUES (4, 2, 'shuxue', 88); INSERT INTO `course` VALUES (5, 3, 'yuwen', 98); INSERT INTO `course` VALUES (6, 3, 'shuxue', 65);

二、需求

求：全部數學課程成績 大於 語文課程成績的學生的學號

一、使用case...when...將不一樣的課程名稱轉換成不一樣的列

create view tmp_course_view as
select sid, case course when "shuxue" then score else 0 end  as shuxue, case course when "yuwen" then score else 0 end  as yuwen from course; select * from tmp_course_view;

 

二、以sid分組合並取各成績最大值

create view tmp_course_view1 as
select aa.sid, max(aa.shuxue) as shuxue, max(aa.yuwen) as yuwen from tmp_course_view aa group by sid; select * from tmp_course_view1;

三、比較結果

select * from tmp_course_view1 where shuxue > yuwen;

3、求每年最大氣溫的那一天  + 溫度

 一、說明

數據格式

2010012325

具體數據

2014010114
2014010216
2014010317
2014010410
2014010506
2012010609
2012010732
2012010812
2012010919
2012011023
2001010116
2001010212
2001010310
2001010411
2001010529
2013010619
2013010722
2013010812
2013010929
2013011023
2008010105
2008010216
2008010337
2008010414
2008010516
2007010619
2007010712
2007010812
2007010999
2007011023
2010010114
2010010216
2010010317
2010010410
2010010506
2015010649
2015010722
2015010812
2015010999
2015011023

View Code

數據解釋

2010012325表示在2010年01月23日的氣溫爲25度

二、 需求

好比：2010012325表示在2010年01月23日的氣溫爲25度。如今要求使用hive，計算每年出現過的最大氣溫的日期+溫度。
要計算出每年的最大氣溫。我用
select substr(data,1,4),max(substr(data,9,2)) from table2 group by substr(data,1,4);
出來的是 年份 + 溫度 這兩列數據例如 2015 99

可是若是我是想select 的是：具體每年最大氣溫的那一天 + 溫度 。例如 20150109 99
請問該怎麼執行hive語句。。
group by 只須要substr(data,1,4)，
可是select substr(data,1,8)，又不在group by 的範圍內。
是我陷入了思惟死角。一直想不出因此然。。求大神指點一下。
在select 若是所須要的。不在group by的條件裏。這種狀況如何去分析？

三、解析

（1）建立一個臨時表tmp_weather，將數據切分

create table tmp_weather as 
select substr(data,1,4) years,substr(data,5,2) months,substr(data,7,2) days,substr(data,9,2) temp from weather;

select * from tmp_weather;

（2）建立一個臨時表tmp_year_weather

create table tmp_year_weather as 
select substr(data,1,4) years,max(substr(data,9,2)) max_temp from weather group by substr(data,1,4);

select * from tmp_year_weather;

（3）將2個臨時表進行鏈接查詢

select * from tmp_year_weather a join tmp_weather b on a.years=b.years and a.max_temp=b.temp;

4、求學生選課狀況

一、數聽說明

（1）數據格式

id course 1,a 1,b 1,c 1,e 2,a 2,c 2,d 2,f 3,a 3,b 3,c 3,e

（2）字段含義

表示有id爲1,2,3的學生選修了課程a,b,c,d,e,f中其中幾門。

二、數據準備

（1）建表t_course

create table t_course(id int,course string) row format delimited fields terminated by ",";

（2）導入數據

load data local inpath "/home/hadoop/course/course.txt" into table t_course;

三、需求

編寫Hive的HQL語句來實現如下結果：表中的1表示選修，表中的0表示未選修

id a b c d e f 1     1    1    1    0    1    0
2     1    0    1    1    0    1
3     1    1    1    0    1    0

四、解析

第一步：

select collect_set(course) as courses from id_course;

第二步：

set hive.strict.checks.cartesian.product=false; create table id_courses as select t1.id as id,t1.course as id_courses,t2.course courses from ( select id as id,collect_set(course) as course from id_course group by id ) t1 join (select collect_set(course) as course from id_course) t2;

啓用嚴格模式：hive.mapred.mode = strict // Deprecated
hive.strict.checks.large.query = true
該設置會禁用：1. 不指定分頁的orderby
　　　　　　   2. 對分區表不指定分區進行查詢 
　　　　　　   3. 和數據量無關，只是一個查詢模式

hive.strict.checks.type.safety = true
嚴格類型安全，該屬性不容許如下操做：1. bigint和string之間的比較
　　　　　　　　　　　　　　　　　　2. bigint和double之間的比較

hive.strict.checks.cartesian.product = true
該屬性不容許笛卡爾積操做

第三步：得出最終結果：
思路：
拿出course字段中的每個元素在id_courses中進行判斷，看是否存在。

select id, case when array_contains(id_courses, courses[0]) then 1 else 0 end as a, case when array_contains(id_courses, courses[1]) then 1 else 0 end as b, case when array_contains(id_courses, courses[2]) then 1 else 0 end as c, case when array_contains(id_courses, courses[3]) then 1 else 0 end as d, case when array_contains(id_courses, courses[4]) then 1 else 0 end as e, case when array_contains(id_courses, courses[5]) then 1 else 0 end as f from id_courses;

5、求月銷售額和總銷售額

一、數聽說明

（1）數據格式

a,01,150 a,01,200 b,01,1000 b,01,800 c,01,250 c,01,220 b,01,6000 a,02,2000 a,02,3000 b,02,1000 b,02,1500 c,02,350 c,02,280 a,03,350 a,03,250

（2）字段含義

店鋪，月份，金額

二、數據準備

（1）建立數據庫表t_store

use class; create table t_store( name string, months int, money int ) row format delimited fields terminated by ",";

（2）導入數據

load data local inpath "/home/hadoop/store.txt" into table t_store;

三、需求

編寫Hive的HQL語句求出每一個店鋪的當月銷售額和累計到當月的總銷售額

四、解析

（1）按照商店名稱和月份進行分組統計

create table tmp_store1 as 
select name,months,sum(money) as money from t_store group by name,months; select * from tmp_store1;

（2）對tmp_store1 表裏面的數據進行自鏈接

create table tmp_store2 as 
select a.name aname,a.months amonths,a.money amoney,b.name bname,b.months bmonths,b.money bmoney from tmp_store1 a join tmp_store1 b on a.name=b.name order by aname,amonths; select * from tmp_store2;

（3）比較統計

select aname,amonths,amoney,sum(bmoney) as total from tmp_store2 where amonths >= bmonths group by aname,amonths,amoney;