hive sql数据分析面试整理
1.写作目的说明
hive sql是从事数据分析的同学的基本功。无论是秋招、春招或者是实习,sql都是面试官考察的重点,拿刚刚过去的19秋招来说,搜狐、网易、京东等在数据分析师岗位面试时都考了sql,而拼多多在数据分析笔试时就安排了四到五道复杂的sql题,虽然实习的难度会比秋招要小,可是sql仍然是重头戏。因此可以说数据分析的敲门砖之一就是sql
在工作中,也有人戏称数据分析师是sql提数机,也有职场前辈说数据分析师不应该甘心成为一个提数机,但是在沉淀业务理解之前,快速准确的提数也是数据分析师必经的阶段。
下面进入正题
2.hive简介
hive是基于hadoop构建的一套数据仓库查询系统,支持使用sql语句对存储在hadoop里面的分布式文件系统进行分析,将结构化的数据映射成一张表,通过将sql语句转化成mapreduce任务进行运行,从而实现查询分析的功能
3.简单常用函数
其中3.1/3.2/3.3需要了解,3.4的内容是必须掌握
3.1 创建临时表
CREATE TABLE IF NOT EXISTS table_name [(col_name data_type [COMMENT col_comment], ...)] [COMMENT table_comment] [PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)] [STORED AS file_format]
3.2 删除新表
DELETE TABLE IF EXISTS table_name;
3.3 插入新字段
ALTER TABLE table_name ADD COLUMNS
[(col_name data_type [COMMENT col_comment],...)]
3.4 查询字段
查询语句是面试中的重头戏,需要面试者将查询函数组合在一起实现某个需求,比如给出查询三班女生数学成绩前五名的学生姓名这个问题,应该怎么分析呢?
在解答上面的问题之前,需要牢记hive sql语句的执行顺序,从前到后依次是:
- from + 表名
- on +字段
- (left/right)join +表名
- where +条件
- group by +字段
- having + 条件
- select +字段
- distinct +字段
- union +结果集
- order by +字段
- limit +数量
我的习惯是执行顺序就是我思考分析的顺序,但是代码最终的呈现顺序和执行顺序略有不同,对上面这个问题来说,首先在问题中可以知道最终选出的字段是学生姓名,那么就明确了select的字段只有一个,就是name
接着想到执行顺序第一个是from,那么一定有一个表,无论是中间表还是原始表,一定可以接着写下这样的语句
FROM scores //假设scores是表名
接着执行顺序到了on和join,这时候就要考虑是不是需要连表的问题,假设在这个问题中需要连表,因为会有一张表basic记录了全校学生的性别,那么这时候就需要把score和basic连在一起,接下来就可以这么写
FROM scores // 这是之前写过的
LEFT JOIN basic
ON scores.name = basic.name
接着执行顺序到了where,where的限定条件有三个,分别是三班,数学,女生,那么写下来就是
FROM scores
LEFT JOIN basic
ON scores.name=basic.name
where scores.class=3 and subject = 'math' and basic.sex = 'female'
接着执行顺序到了group by ,having ,这个问题不需要这个函数,那么接下来执行顺序到了select,如之前所说,代码的书写顺序和执行顺序,所以select语句要写在前面
SELECT scores.name
FROM scores
LEFT JOIN basic
ON scores.name=basic.name
where scores.class=3 and subject = 'math' and basic.sex = 'female'
可是我们并没有实现前五名的查找,我们目前只是查到了所有人的名字,所以需要根据成绩来对名字进行排序,select之后的执行顺序是distinct和union这里我们并不需要,因此要用order by 进行排序
(SELECT scores.name,scores.score // 增加了一个scores.score字段
FROM scores
LEFT JOIN basic
ON scores.name=basic.name
where scores.class=3 and subject = 'math' and basic.sex = 'female'
ORDER BY scores.score desc)a
你会有疑问为什么要加上score字段,因为order by是在select 之后执行,他需要在select出来的那些字段里进行排序,如果我们没有加上score,那么order by就找不到要排序的字段了,因此我们要在a表的基础上再进行一次select才可以,只把name字段选择出来,并且通过limit把前5名选出来,
SELECT a.name
FROM
(SELECT scores.name,scores.score // 增加了一个scores.score字段
FROM scores
LEFT JOIN basic
ON scores.name=basic.name
where scores.class=3 and subject = 'math' and basic.sex = 'female'
ORDER BY scores.score desc)a
LIMIT 5
刚才的分析问题解答完毕。
4.复杂窗口函数
在sql中有聚合函数,它的作用是把多行数据聚成一行,比如count,sum,avg,max,min就是常见的聚合函数,但是当我们既想要保留聚合前的数据又想要看到聚合后新字段的数据时,就需要用到窗口函数,那么窗口函数的执行顺序是怎样的呢?窗口函数的执行顺序靠后,在order by之前。
窗口函数有以下几种形式
4.1 普通型
1. 聚合函数+over()
2. 聚合函数+over(partition by ... )
3. 聚合函数+over(partition by ... order by ...)
4. 聚合函数+over(partition by ... order by ...) rows between A and B,A/B
可选择的如下:
- UNBOUNDED PRECEDING 起点
- UNBOUNDED FOLLOWING 终点
- CURRENT ROW 当前行
- 数字+PRECEDING 前几行
- 数字+FOLLOWING 后几行
4.2 排序型
- dense_rank over(partition by ... order by ...)
//eg:1,2,3,3,4
- rank over(partition by ... order by ...)
//eg:1,2,3,3,5
- row_number over (partition by ... order by ...)
//eg:1,2,3,4,5
4.3 前后型
- lag(colname,num,default) over(partition by ... order by ...) :前几行
- lead(colname,num,default) over (partition by ... order by ...):后几行
4.4 分组排序后
- first_value(colname) over(partition by ... order by ...):分组排序后第一行
- last_value(colname) over(partition by ... order by ...):分组排序后最后一行
4.5 切片型
- ntile(3) over() :对全局数据切片
- ntile(3) over(partition by ...):对分组之后的数据切片
- ntile(3) over(order by ...):对数据按照升序后切片
- ntile(3) over(partition by ... order by ...):对数据分组并按照升序后切片
4.6 百分型
1.小于等于当前值的行数/分组内总行数
- CUME_DIST over (order by ...)
- CUME_DIST over (partition by ... order by ...)
2.分组内当前行的排名-1/分组内总行数-1
- PERCENT_RANK over(order by ...)
- PERCENT_RANK over(partition by ... order by ...)
5.专题--日期函数
- to_date:日期时间转成日期函数
-from_unixtime:时间戳转成制定格式的日期
-unix_timestamp:日期转化成时间戳
-year/month/day/hour/minute/second
-weekofyear
-datediff
-date_sub
-date_add
-from_unixtime+unix_timestamp
6.参考资料
[hive详解]
(https://blog.csdn.net/hguisu/article/details/7256833)
[hive官方手册](https://cwiki.apache.org/confluence/display/Hive/LanguageManual)
[hive窗口函数]
(https://blog.csdn.net/qq_26937525/article/details/54925827)
[hive常用函数大全(二)]
(https://blog.csdn.net/scgaliguodong123_/article/details/60135385)
[hive日期函数]
(https://blog.csdn.net/u013421629/article/details/80450047)
作者:木木木有想法
链接:https://www.jianshu.com/p/7bc58aa08185
来源:简书
简书著作权归作者所有,任何形式的转载都请联系作者获得授权并注明出处。
hive sql数据分析面试整理相关推荐
- SQL | 数据分析面试必备SQL语句+语法
关注上方"小詹学Python",选择"星标公众号", 关键时间,第一时间送达! | 作者:无眠 | 来源:知乎 前些天在网上冲浪的时候看到一个案例咨询,问说世界 ...
- Hive SQL 语法大全 整理(建议收藏)
链接 https://mp.weixin.qq.com/s/dYL_JqbC7DXgP0lc9pSQiA 一.DDL 操作 注:SCHEMA/DATABASE 是相同的概念,只是叫法不同而已 -- 创 ...
- 【数据分析师求职面试指南】必备编程技能整理之Hive SQL必备用法
文章目录 熟悉Python 懂R语言 掌握SQL 大数据基础 数据库常用类型 多表查询 更多 聚合函数 distinct case when 窗口函数 动态更新 一行变多行 调优 内容整理自<拿 ...
- hive 日期函数_数据分析面试必备——SQL窗口函数你会了吗?
之前写过一篇sql的文章,面向基础的sql操作(无眠:数据分析面试必备--SQL你准备好了吗?),目前已经有12000+收藏(收藏是点赞的5倍,你们可真狠心哪),也可以看出众多同学对sql学习的热情. ...
- 面试题目_数据分析之hive sql面试题目
相信使用过mysql数据库的同学都应该知道,对于一些复杂的逻辑,mysql写起来是比较麻烦的,但是对于hive 来说是比较方便的,这是因为hive中可以使用窗口函数.如果大家觉得自己安装hive费时费 ...
- 拿捏SQL数据分析:从基础破冰到面试题解
目前,在各大招聘网站查询数据分析相关岗位时,在任职要求一栏中基本都会看到"熟练运用 SQL"的要求,SQL 可以说是数据分析相关岗位的必备基础技能. 数据分析对 SQL 有哪些基本 ...
- Hive Sql中六种面试题型总结
Hive Sql中六种面试题型总结 一.常用函数 二.N日留存 1.思路分析 三.连续登陆 1.数据准备 2.思路分析一 3.思路分析二 四.Top N 1.数据准备 2.思路分析 五.行列互转 1. ...
- 【阿尼亚喜欢BigData】“红亚杯”常用数据分析Hive SQL应用专题赛——满分解析③
大家好,喜欢Bigdata的阿尼亚来了!希望大家会喜欢阿尼亚的文章!!哇酷哇酷!!! 本次为师傅们带来的是"红亚杯"常用数据分析Hive SQL应用专题赛--满分解析系列的第③期, ...
- 【阿尼亚喜欢BigData】“红亚杯”常用数据分析Hive SQL应用专题赛——满分解析④
大家好,喜欢Bigdata的阿尼亚来了!希望大家会喜欢阿尼亚的文章!!哇酷哇酷!!! 本次为师傅们带来的是"红亚杯"常用数据分析Hive SQL应用专题赛--满分解析系列的第④期, ...
最新文章
- JDK1.8源码分析:线程安全的CopyOnWriteArrayList与CopyOnWriteArraySet
- DRV8825步进电机驱动控制模块以及双轴平台
- Hibernate关联关系映射
- Linux配置静态IP地址
- lombok链式调用_使用Lombok翻车了
- JS小项目 ----- 可视化冒泡排序
- tracepro应用实例详解_十大行业气动设备 120个典型气动系统应用实例
- 国内pip源提示“not a trusted or secure host”解决方案
- (转)鼎晖投资总裁焦震:别把投资高雅化,就是个做买卖的
- 我要做 Android 第三弹弹弹
- 查看电脑显卡(GPU)是否支持CUDA
- 完美解决Chrome主页老是被毒霸网址大全篡改
- python遍历文件夹下的所有图片
- 世界各国2015-2020GDP排名
- 全球及中国铁矿石行业供求状况与投资决策建议报告2022版
- 领导的沉默,背后到底隐藏着什么?
- 虾皮规模毁约、毁 offer,操作太离谱了...
- 使用FreePicPdf 提取书签并生成书签
- 离线安装dotnetfx3.5
- vs2019无法连接到远程服务器,VS2019无法添加引用问题