1.Hive 簡介

Hive是一種基于Hadoop的數據倉庫軟件，可以將結構化數據文件映射為一張數據庫表，并提供了類SQL查詢接口，使得用戶可以使用SQL類語言來查詢數據。Hive可以處理包括文本、CSV、JSON、ORC和Parquet等格式的數據文件，支持數據的導入、導出、轉換等操作。Hive可以在Hadoop集群上運行，利用Hadoop的分布式計算能力，可以處理大規模的數據集。

Hive基于Hadoop MapReduce進行計算，并提供了用于數據處理和分析的一系列工具和庫，例如HiveQL（類SQL查詢語言）、UDF（用戶自定義函數）、HiveServer、Hive Metastore等。HiveQL類SQL查詢語言支持大多數標準SQL操作，如SELECT、JOIN、GROUP BY、HAVING、ORDER BY等，同時還支持自定義函數和自定義聚合函數。

Hive還支持數據倉庫中常見的分區、分桶、索引等特性，可以提高查詢性能和數據管理效率。Hive可以與其他大數據工具和框架進行集成，例如Hadoop、HBase、Spark、Pig等，可以方便地進行數據處理和分析。

總之，Hive是一個強大的數據倉庫工具，提供了方便的SQL查詢接口和大規模數據處理能力，可以幫助用戶快速構建和管理數據倉庫，進行數據分析和挖掘。

2.Hive 與 SQL 標準和主流 SQL DB 的語法區別

（1）Hive 通過 SELECT 進行 INSERT INTO TABLE 時，無法指定待插入的列。

這是因為 Hive SQL 中的 INSERT 子句是按照列的位置順序進行插入的，而不是按照列名進行插入的，并且要插入全部字段。

這與 SQL 標準語法有所差異。比如 MySQL 在 INSERT 時可以指定目標表的列。

解決辦法是嚴格保證 INSERT 語句中的字段和建表語句中的字段的順序一致，如果沒有則顯示指定缺省值。

比如源表 source_table 列如下：

CREATE TABLE source_table (a STRING,b STRING,c STRING
);

目標表 target_table 定義如下：

CREATE TABLE target_table (a STRING,b STRING,c STRING
);

如果從 source_table 查詢 a 和 c 插入到 target_table，插入時指定列名將報錯：

INSERT OVERWRITE TABLE target_table(a, c)
SELECT a, c FROM source_table;

應該是：

INSERT OVERWRITE TABLE target_table
SELECT a, NULL, c FROM source_table;

（2）Hive 中不能將列別名用于 GROUP BY 子句。

在 Hive 中，不能在 GROUP BY 子句中使用列別名，只能使用原始列名。這是因為在查詢執行順序中，GROUP BY 子句是在列別名之后執行的，因此無法識別別名。

假設有一個表 my_table 包含兩個列 col1 和 col2，其中 col1 的值為 ‘A’ 或 ‘B’，col2 的值為整數。現在需要按照 col1 列的值進行分組，并計算每組中 col2 的平均值。以下是一個錯誤的查詢語句：

SELECT col1 AS my_col, AVG(col2) as avg_col
FROM my_table
GROUP BY my_col;

正確的語句應該是：

SELECT col1, AVG(col2) as avg_col
FROM my_table
GROUP BY col1;

SQL 標準GROUP BY 子句中不允許使用列別名，只能使用原始列名。這與 HiveSQL 中的規則相同。

MySQL 在某些情況下支持使用列別名，但是這并不是標準行為。具體而言，如果使用的是 MySQL 5.7.5 或更高版本，并且在 SELECT 子句中使用了列別名，則可以在 GROUP BY 子句和 ORDER BY 子句中使用相同的別名。例如：

SELECT col1 + col2 AS my_col, COUNT(*)
FROM my_table
GROUP BY my_col
ORDER BY my_col DESC;

（3）Hive 子查詢一定要設置別名。

Hive 即使不需要對子查詢進行引用，也要設置別名。

在 SQL 標準中，并沒有強制規定子查詢一定要設置別名。不同的數據庫實現可能會有不同的規定。但是，大多數數據庫實現都要求子查詢設置別名，比如 MySQL、SQL Server 和 PostgreSQL。

而在 Oracle 中是可以不加別名。

SELECT  * FROM (SELECT * FROM t);

（4）關于窗口函數。

Hive 對窗口函數的支持比較早，自 Hive 0.11 版本便開始支持窗口函數。

而 MySQL 從 8.0 版本才開始支持窗口函數。

窗口函數是一種基于窗口（Window）的計算方式，可以對數據集中的一個子集（稱為窗口）進行聚合、排序、排名等操作，同時不影響原始數據集中的數據。

通常的窗口函數的語法如下：

function_name(expression) OVER ([PARTITION BY partition_expression, ... ][ORDER BY sort_expression [ASC | DESC], ... ][ROWS | RANGE frame_specification]
)

其中，function_name(expression) 表示要進行計算的窗口函數和參數；PARTITION BY 子句用于對數據進行分組，確定窗口的大小；ORDER BY 子句用于對數據進行排序，確定窗口的位置；ROWS 或者 RANGE 用于指定窗口的類型；frame_specification 用于進一步指定窗口的大小和位置。

需要注意的是，不同的數據庫實現對于窗口函數語法的支持和細節可能會有所不同，實際使用中需要查看所使用的數據庫實現的文檔，以了解其具體的語法和使用方式。

---

參考文獻

LanguageManual - Apache Hive
MySQL 8.0 Reference Manual :: 14.20 Window Functions