作者：duktig

博客：https://duktig.cn （文章首发）

优秀还努力。愿你付出甘之如饴，所得归于欢喜。

更多文章参看github知识库：https://github.com/duktig666/knowledge

学习完Hadoop，有没有感到编写一个MapReduce程序非常复杂，想要进行一次分析和统计需要很大的开发成本。那么不如就来了解了解Hadoop生态圈的另一名成员——Hive。让我们一起来了解，如何使用类SQL语言进行快速查询和分析数据吧。

前边文章我们了解了Hive的概述、DDL语句和DML语句（重点）、分桶表和分区表、常用函数和压缩存储，这篇文章进行Hive的实战。

Hive系列文章如下：

统计硅谷影音视频网站的常规指标，各种 TopN 指标：

视频表：

创建原始数据表：gulivideo_ori，gulivideo_user_ori， 创建最终表（orc 存储格式带snappy 压缩的表）：gulivideo_orc，gulivideo_user_orc

创建原始数据表——gulivideo_ori

创建原始数据表——gulivideo_user_ori

创建最终表——gulivideo_orc

**创建最终表——gulivideo_user_orc **

vedio部分数据：

user部分数据：

插入数据：

向ori 表插入数据

向orc 表插入数据

思路：使用 order by 按照 views 字段做一个全局排序即可，同时我们设置只显示前 10条。

最终代码：

思路：

代码实现：

写法一：

写法二：

思路：

先找到观看数最高的 20 个视频所属条目的所有信息，降序排列

把这20 条信息中的category 分裂出来(列转行)

最后查询视频分类名称和该分类下有多少个 Top20 的视频

最终代码：

思路：

求出视频观看数Top50的视频所关联的视频(数组)

将关联视频 列转行

JOIN原表,取出关联视频所属的类别（数组）

类别字段 列转行

按照类别分组,求dount,并按照count排序

最终代码：

其他内容不一一列举。