[Hive]Hive执行脚本的方式以及转义字符

hive脚本的执行方式大致有三种：
1. hive控制台执行；
2. hive -e "SQL"执行；
3. hive -f SQL文件执行；

参考hive的用法

usage: hive
 -d,--define <key=value>          Variable subsitution to apply to hive
                                  commands. e.g. -d A=B or --define A=B
    --database <databasename>     Specify the database to use
 -e <quoted-query-string>         SQL from command line
 -f <filename>                    SQL from files
 -H,--help                        Print help information
 -h <hostname>                    connecting to Hive Server on remote host
    --hiveconf <property=value>   Use value for given property
    --hivevar <key=value>         Variable subsitution to apply to hive
                                  commands. e.g. --hivevar A=B
 -i <filename>                    Initialization SQL file
 -p <port>                        connecting to Hive Server on port number
 -S,--silent                      Silent mode in interactive shell
 -v,--verbose                     Verbose mode (echo executed SQL to the
                                  console)

1.1. hive控制台执行

顾名思义，是进入hive控制台以后，执行sql脚本，例如：

hive> set mapred.job.queue.name=pms;
hive> select page_name, tpa_name from pms.pms_exps_prepro limit 2;
Total MapReduce jobs = 1
Launching Job 1 out of 1
...
Job running in-process (local Hadoop)
2015-10-23 10:06:47,756 null map = 100%,  reduce = 0%
2015-10-23 10:06:48,863 null map = 23%,  reduce = 0%
2015-10-23 10:06:49,946 null map = 38%,  reduce = 0%
2015-10-23 10:06:51,051 null map = 72%,  reduce = 0%
2015-10-23 10:06:52,129 null map = 100%,  reduce = 0%
Ended Job = job_local1109193547_0001
Execution completed successfully
Mapred Local Task Succeeded . Convert the Join into MapJoin
OK
APP首页   APP首页_价格比京东低
APP首页   APP首页_价格比京东低
Time taken: 14.279 seconds
hive> 

1.2. hive -e "SQL"方式执行

利用hive -e "SQL"的方式进入hive控制台并直接执行sql脚本，例如：

hive -e "
set mapred.job.queue.name=pms;
set mapred.job.name=[HQL]exps_prepro_query;

select page_name, tpa_name 
from pms.pms_exps_prepro 
limit 2;"

1.3. hive -f SQL文件方式执行

执行sql文件中的sql脚本，例如：

pms_exps_prepro.sql文件内容如下：

set mapred.job.queue.name=pms;
set hive.exec.reducers.max=48;
set mapred.reduce.tasks=48;
set mapred.job.name=[HQL]pms_exps_prepro;

drop table if exists pms.pms_exps_prepro; 
create table pms.pms_exps_prepro as 
select 
  a.provinceid,
  a.cityid,
  a.ieversion,
  a.platform,
  "${date}" as ds
from track_exps a;

上述文件中的sql脚本接收一个日期，接收参数写法类似${date}，执行时如下执行：

date=2015-10-22
hive -f pms_exps_prepro.sql --hivevar date=$date

下面以一个业务场景阐述关于hive转义字符的问题

track_exps记录曝光数据，现在小A希望获取2015-10-20有效的曝光数据
其中有效的曝光记录是指，
* relatedinfo字段满足数字.数字.数字.数字.数字的格式，
例如4.4.5.1080100.1

• extfield1字段满足request-字符串,section-数字的格式，
  例如request-b470805b620900ac492bb892ad7e955e,section-4

对于这个问题，小A写出了如下sql脚本：

select 
    *
from track_exps
where ds = "2015-10-20"
  and relatedinfo rlike "^4.d+.d+.d+.d+$" 
  and extfield1 rlike "^request.+section-d+$";

但是由于正则表达式是被包含在sql里面，所以里面的特殊字符需要转义

2.1. hive -e "SQL"的方式执行

改动如下：

hive -e "
set mapred.job.queue.name=pms;

explain select 
    cityid
from track_exps
where ds = "2015-10-20"
  and relatedinfo rlike "\^4\.\d\+\.\d\+\.\d\+\.\d\+\$" 
  and extfield1 rlike "\^request\.\+section\-\d\+\$";"

查看执行计划，可以确定正则表达式解析正确了：

...
predicate:
  expr: ((relatedinfo rlike "^4.d+.d+.d+.d+$") and (extfield1 rlike "^request.+section-d+$"))
  type: boolean
...

分析如下：

在hive -e "SQL"的执行方式中，""正则表达式""，正则表达式先被一个单引号括起来，再被一个双引号括起来的，所以正则表达式里面，\^的第一个用来解析第二个，第二个才真正起到了转义的作用

2.2. hive -f SQL文件的方式执行

改动如下：

pms_exps_prepro.sql文件内容如下：

select 
    *
from track_exps
where ds = "2015-10-20"
  and relatedinfo rlike "^4.\d+.\d+.\d+.\d+$" 
  and extfield1 rlike "^request.+section-\d+$";

分析如下：

不同于hive -e "SQL"的执行方式，因为是sql文件，所以正则表达式只被一个单引号括起来而已，一个就起到了转义的作用了