Apache Hive 的强大之处在于其类 SQL 的查询语言 HQL，它使得熟悉 SQL 的用户能够轻松地对存储在大规模分布式系统（如 HDFS）中的数据进行复杂的查询和分析。一个典型且完整的 HQL 查询语句，通常由一系列有序的子句构成。理解并熟练运用这些核心子句，是高效进行数据探索和提取的基础。我们这次重点剖析 HQL 中最常用也最核心的七个查询子句及其执行顺序。
Hive HQL 七大查询子句及其执行顺序概述
一个完整的 HQL 查询语句，其逻辑上的执行顺序（注意：这不完全等同于SQL 语句的书写顺序，也不代表 Hive 引擎物理执行的确切步骤，但有助于理解数据如何被逐步筛选和转换）通常如下：
FROM子句：指定数据来源的表或视图。WHERE子句：对FROM子句中产生的原始数据行进行过滤。GROUP BY子句：将经过WHERE过滤后的数据行，按照一个或多个列的值进行分组。HAVING子句：对GROUP BY子句产生的分组结果进行过滤。SELECT子句：选择并计算最终要输出的列。ORDER BY子句：对SELECT子句产生的最终结果集进行全局排序。LIMIT子句：限制ORDER BY排序后（或未排序时）最终输出的行数。
接下来，我们将逐一详细解析这些子句。
一、FROM 子句：数据的源头
功能：指定查询操作的
数据来源。可以是一个表，或者是一个子查询的结果（尽管我们这次练习题会尽量避免复杂子查询）。
基本语法：
sql FROM table_name [alias]
案例：
sql -- 从单个表查询所有列 SELECT * FROM employees; -- 从单个表查询，并给表起别名 SELECT e.name FROM employees e;
### 二、
WHERE 子句：行级别的数据筛选
功能：根据 指定的条件过滤
FROM 子句返回的
每一行数据。只有
满足条件的行才会
进入后续的处理阶段。
WHERE 子句中
不能使用
聚合函数。
基本语法：
sql WHERE condition1 [AND | OR] condition2 ...;
案例：查询部门为 'Sales' 或 'Marketing' 的员工
sql SELECT name, department FROM employees WHERE department = 'Sales' OR department = 'Marketing';
案例：查询薪水在 50000 到 70000 之间（包含边界）的员工
sql SELECT name, salary FROM employees WHERE salary >= 50000 AND salary <= 70000; -- 或者使用 BETWEEN -- WHERE salary BETWEEN 50000 AND 70000;
### 三、
GROUP BY 子句：数据的分组聚合
功能：将 具有相同值的 行（在 指定的列上） 组合成一个 汇总行（一个分组）。通常与 聚合函数（如
COUNT(),
SUM(),
AVG(),
MAX(),
MIN()）
配合使用，对每个
分组进行
计算。
基本语法：
sql GROUP BY column1_name, column2_name, ...;
案例：统计每个部门的员工数量
sql SELECT department, COUNT(*) AS num_employees FROM employees GROUP BY department;
注意：
SELECT 列表中
除了聚合函数外的
所有列，都
必须出现在
GROUP BY 子句中。
### 四、
HAVING 子句：分组后的条件筛选
功能：与
WHERE 子句类似，但
HAVING
作用于
GROUP BY 子句
产生的分组结果。它用于
过滤分组，只有
满足 HAVING 条件的分组才会
被保留。
HAVING 子句中
可以使用聚合函数。
基本语法：
sql HAVING condition_on_aggregated_values;
案例：找出员工数量超过10人的部门
sql SELECT department, COUNT(*) AS num_employees FROM employees GROUP BY department HAVING COUNT(*) > 10;
总结：
WHERE
先过滤行，再
GROUP BY
分组；
HAVING
后过滤分组。
### 五、
SELECT 子句：选择与呈现
功能： 指定最终查询结果中 包含哪些列。可以 直接选择表中的列，也可以 使用表达式、函数（包括聚合函数）来 计算新的列。
SELECT 子句在
逻辑上是在
FROM,
WHERE,
GROUP BY,
HAVING
之后执行的。
基本语法：
sql SELECT [DISTINCT] column_or_expression1 [AS alias1], column_or_expression2 [AS alias2], ...;
DISTINCT: 去除结果集中的重复行（基于选择的所有列）。
AS alias: 为
列或表达式指定
别名。
案例：查询员工姓名，并将薪水乘以1.1作为“预期薪水”显示
sql SELECT name, salary, salary * 1.1 AS expected_salary FROM employees;
案例：查询所有不同的部门名称
sql SELECT DISTINCT department FROM employees;
### 六、
ORDER BY 子句：结果的最终排序
功能：对
SELECT 子句
生成的最终结果集进行
排序。可以按
一个或多个列排序，并
指定升序 (
ASC，默认) 或降序 (
DESC)。
ORDER BY
通常是查询中
资源消耗较大的操作之一，因为它需要对
所有结果数据进行
全局排序。
基本语法：
sql ORDER BY column1_name [ASC | DESC], column2_name [ASC | DESC], ...;
案例：查询所有员工，按入职日期 (
hire_date) 从新到旧排列
sql SELECT name, hire_date FROM employees ORDER BY hire_date DESC;
### 七、
LIMIT 子句：控制输出的行数
功能： 限制查询 最终返回的行数。它通常在 所有其他操作（包括
ORDER BY）
之后应用。
基本语法：
sql LIMIT number_of_rows;
### 案例：查询薪水最低的3名员工的信息
sql SELECT name, salary, department FROM employees ORDER BY salary ASC LIMIT 3;
### 结语：七子句的协同与威力
HQL 的这七个核心查询子句，通过不同的组合和嵌套，构成了数据查询和分析的强大能力。理解每个子句的功能及其大致的执行顺序，是编写高效、准确的 HQL 查询的前提。虽然 Hive 底层会通过 MapReduce 或 Tez 对查询进行优化，但清晰的逻辑结构和合理的子句使用，仍然是提升查询性能和可读性的关键。
练习题
假设我们有一个名为 products 的表，其结构如下：
products 表:
product_id INT(产品ID)product_name STRING(产品名称)category STRING(产品类别, 例如: 'Electronics', 'Books', 'Clothing', 'Home Goods')price DECIMAL(10,2)(价格)stock_quantity INT(库存数量)release_date DATE(发布日期)
题目一：
FROM和SELECT的基本使用
要求：从products表中查询所有产品的产品名称 (product_name) 和价格 (price)。题目二：
WHERE子句筛选
要求：查询products表中所有类别为 'Books' 且价格低于 20.00 的产品信息（所有列）。题目三：
GROUP BY与聚合函数
要求：查询products表，统计每个产品类别 (category) 下有多少种不同的产品（即产品数量num_products）以及这些产品的平均价格 (avg_price)。题目四：
HAVING子句过滤分组结果
要求：基于上一题的结果，只显示那些产品数量超过 5 种，并且平均价格高于 50.00 的产品类别及其统计信息。题目五：
ORDER BY排序输出
要求：查询products表中所有库存数量 (stock_quantity) 大于 0 的产品，按其发布日期 (release_date) 从最新到最旧排序，如果发布日期相同，则按产品名称 (product_name) 字母顺序升序排序。显示产品名称、发布日期和库存数量。题目六：
LIMIT限制结果数量
要求：查询products表中价格最高的前5款产品。显示产品名称和价格。题目七：综合运用所有七个子句（尽可能）
要求：从products表中找出类别为 'Electronics' 或 'Home Goods'，且库存数量 (stock_quantity) 少于 10 件的产品。然后，按类别分组，计算每个类别下这类产品的平均价格。只显示那些平均价格大于 100.00 的类别。最后，将结果按平均价格降序排列，只取排名第一的类别信息（类别名称和平均价格）。
练习题答案
题目一答案：
SELECT product_name, price FROM products;题目二答案：
SELECT * FROM products WHERE category = 'Books' AND price < 20.00;题目三答案：
SELECT category, COUNT(product_id) AS num_products, AVG(price) AS avg_price FROM products GROUP BY category;题目四答案：
SELECT category, COUNT(product_id) AS num_products, AVG(price) AS avg_price FROM products GROUP BY category HAVING COUNT(product_id) > 5 AND AVG(price) > 50.00;题目五答案：
SELECT product_name, release_date, stock_quantity FROM products WHERE stock_quantity > 0 ORDER BY release_date DESC, product_name ASC;题目六答案：
SELECT product_name, price FROM products ORDER BY price DESC LIMIT 5;题目七答案：
SELECT category, AVG(price) AS avg_category_price FROM products WHERE (category = 'Electronics' OR category = 'Home Goods') AND stock_quantity < 10 GROUP BY category HAVING AVG(price) > 100.00 ORDER BY avg_category_price DESC LIMIT 1;
