Hive提供了很多的函数，可以在命令行下显示函数罗列所有的函数，你会发现这些函数名与mysql的很相近，绝大多数相同的，可通过描述函数functionName查看函数使用方法。
hive支持的数据类型很简单就INT（4字节整数），BIGINT（8 字节整数），FLOAT（单精度），DOUBLE（双精度），BOOLEAN，STRING等原子类型，连日期时间类型也不支持，通过TO_DATE，UNIX_TIMESTAMP，date_diff，DATE_ADD，DATE_SUB等函数就能完成的MySQL同样的时间日期复杂操作。
如下示例：
select * from tablename where to_date（cz_time）> to_date（'2050-12-31'）;
select * from tablename where unix_timestamp（cz_time）> unix_timestamp（'2050-12-31 15:32:28'）;
分区
蜂房与MySQL的分区有些区别，MySQL的分区是用表结构中的字段来分区（范围，列表，散列等），而配置单元不同，他需要手工指定分区列，这个列是独立于表结构，但属于表中一列，在加载数据时手动指定分区。
创建表
hive> CREATE TABLE pokes（foo INT，bar STRING COMMENT'This is bar' ）;
创建表并创建索引字段DS
hive> CREATE TABLE invites（foo INT，bar STRING）PARTITIONED BY（ds STRING）;
显示所有表
配置单元> SHOW TABLES;
按正条件（正则表达式）显示表，
配置单元> SHOW TABLES'。* s';
表添加一列
配置单元> ALTER TABLE pokes ADD COLUMNS（new_col INT）;
添加一列并增加列字段注释
配置单元> ALTER TABLE邀请添加列（new_col2 INT COMMENT'评论'）;
更改表名
配置单元> ALTER TABLE事件RENAME TO 3koobecaf;
删除列
配置单元> DROP TABLE pokes;
元数据存储
将本地文件中的数据加载到表中
配置单元> LOAD DATA LOCAL INPATH'./examples/files/kv1.txt'覆盖表格pokes;
加载本地数据，同时给定分区信息
hive> LOAD DATA LOCAL INPATH'./examples/files/kv2.txt'OVERWRITE INTO TABLE invites PARTITION（ds ='2008-08-15'）;
加载DFS数据，同时给定分区信息
配置单元> LOAD DATA INPATH'/user/myname/kv2.txt'覆盖到表中邀请PARTITION（ds ='2008-08-15'）;
上面的命令将把HDFS文件/目录中的数据加载到表中。请注意，从HDFS加载数据将导致移动文件/目录。结果，这个操作几乎是瞬间的。
SQL操作
按先件查询
配置单元> SELECT a.foo FROM邀请一个WHERE a.ds ='';
将查询数据输出至目录
hive> INSERT OVERWRITE DIRECTORY'/ tmp / hdfs_out'SELECT a。* FROM invites a WHERE a.ds ='';
将查询结果输出至本地目录
hive> INSERT OVERWRITE LOCAL DIRECTORY'/ tmp / local_out'SELECT a。* FROM pokes a;
选择所有列到本地目录
配置单元> INSERT OVERWRITE TABLE事件SELECT a。* FROM profiles a;
配置单元> INSERT OVERWRITE TABLE事件SELECT a。* FROM配置文件a WHERE a.key <100;
hive> INSERT OVERWRITE LOCAL DIRECTORY'/ tmp / reg_3'SELECT a。* FROM events a;
配置单元>插入覆盖目录'/ tmp / reg_4'选择a.invites，a.pokes从配置文件a;
hive> INSERT OVERWRITE DIRECTORY'/ tmp / reg_5'SELECT COUNT（1）FROM invites a WHERE a.ds ='';
hive> INSERT OVERWRITE DIRECTORY'/ tmp / reg_5'SELECT a.foo，a.bar FROM invites a;
hive> INSERT OVERWRITE LOCAL DIRECTORY'/ tmp / sum'SELECT SUM（a.pc）FROM pc1 a;
将一个表的统计结果插入另一个表中
hive> FROM邀请一个INSERT OVERWRITE TABLE事件SELECT a.bar，count（1）WHERE a.foo> 0 GROUP BY a.bar;
hive> INSERT OVERWRITE TABLE事件SELECT a.bar，count（1）FROM邀请一个WHERE a.foo> 0 GROUP BY a.bar;
加入
hive> FROM pokes t1 JOIN邀请t2 ON（t1.bar = t2.bar）INSERT OVERWRITE TABLE事件SELECT t1.bar，t1.foo，t2.foo;
将多表数据插入到同一表中
从src
INSERT OVERWRITE TABLE dest1 SELECT src。* WHERE src.key <100
INSERT OVERWRITE TABLE dest2 SELECT src.key，src.value WHERE src.key> = 100和src.key <200
INSERT OVERWRITE TABLE dest3 PARTITION（ds ='2008-04-08'，hr = '12'）SELECT src.key WHERE src.key> = 200 and src.key <300
INSERT OVERWRITE LOCAL DIRECTORY'/tmp/dest4.out'SELECT src.value WHERE src.key> = 300;
将文件流直接插入文件
hive> FROM邀请一个INSERT OVERWRITE TABLE事件SELECT TRANSFORM（a.foo，a.bar）AS（oof，rab）USING'/ bin / cat'WHERE a.ds>'2008-08-09';
这通过脚本/ bin / cat（如hadoop流）在地图阶段流数据。同样的 - 流媒体可以用在减少方面（请参阅Hive教程或例子）
实际示例
创建一个表
CREATE TABLE u_data（
用户ID INT，
movieid INT，
评级INT，
unixtime STRING）
行格式DELIMITED
“\ t”字段终止
保存为TEXTFILE;
下载示例数据文件，并解压缩
wget http://www.grouplens.org/system/files/ml-data.tar__0.gz
tar xvzf ml-data.tar__0.gz
加载数据到表中
LOAD DATA LOCAL INPATH'ml-data / u.data'
覆盖到表u_data;
统计数据总量
SELECT COUNT（1）FROM u_data;
现在做一些复杂的数据分析
创建一个weekday_mapper.py：文件，作为数据按周进行分割
导入系统
导入日期时间
对于sys.stdin中的行：
line = line.strip（）
userid，movieid，rating，unixtime = line.split（'\ t'）
生成数据的周信息
weekday = datetime.datetime.fromtimestamp（float（unixtime））。isoweekday（）
print'\ t'.join（[userid，movieid，rating，str（weekday）]）
使用映射脚本
//创建表，按分割符分割行中的字段值
CREATE TABLE u_data_new（
用户ID INT，
movieid INT，
评级INT，
周日INT）
行格式DELIMITED
“\ t”;
//将蟒蛇文件加载到系统
添加文件weekday_mapper.py;
将数据按周进行分割
插入覆盖表u_data_new
选择
TRANSFORM（userid，movieid，rating，unixtime）
使用'python weekday_mapper.py'
AS（userid，movieid，rating，weekday）
FROM u_data;
SELECT weekday，COUNT（1）
FROM u_data_new
GROUP BY工作日;
