Hive案例04-员工部门表综合案例

1. 数据说明

(1) dept表

hive> select * from dept;

# deptno(部门编号)     dname(部门名称)          loc(部门所在地区)
  10                   ACCOUNTING               NEW YORK
  20                   RESEARCH                 DALLAS
  30                   SALES                    CHICAGO
  40                   OPERATIONS               BOSTON

(2) emp表

hive> select * from emp;

# 员工编号   员工姓名    职务        领导编号     入职日期     工资    奖金    部门编号    
# empno     ename       job         mgr         hiredate    sal    comm    deptno
  7369      SMITH       CLERK       7902        1980-12-17  800.0   0.0    20
  7499      ALLEN       SALESMAN    7698        1981-02-20  1600.0  300.0  30
  7521      WARD        SALESMAN    7698        1981-02-22  1250.0  500.0  30
  7566      JONES       MANAGER     7839        1981-04-02  2975.0  0.0    20
  7654      MARTIN      SALESMAN    7698        1981-09-28  1250.0  1400.0 30
  7698      BLAKE       MANAGER     7839        1981-05-01  2850.0  0.0    30
  7782      CLARK       MANAGER     7839        1981-06-09  2450.0  0.0    10
  7788      SCOTT       ANALYST     7566        1987-07-13  3000.0  0.0    20
  7839      KING        PRESIDENT   NULL        1981-11-07  5000.0  0.0    10
  7844      TURNER      SALESMAN    7698        1981-09-08  1500.0  0.0    30
  7876      ADAMS       CLERK       7788        1987-07-13  1100.0  0.0    20
  7900      JAMES       CLERK       7698        1981-12-03  950.0   0.0    30
  7902      FORD        ANALYST     7566        1981-12-03  3000.0  0.0    20
  7934      MILLER      CLERK       7782        1982-01-23  1300.0  0.0    10

2. SQL查询练习题目

(1) 查询总员工数

select count(distinct empno) from emp;

# 14

(2) 查询总共有多少个职位

select count(distinct job) from emp;

# 5

(3) 统计每个职位有多少个员工,并且按照数量从大到小排序

select job, count(distinct empno) as count_emp from emp
group by job
order by count_emp desc;

# 结果
job         count_emp
SALESMAN    4
CLERK       4
MANAGER     3
ANALYST     2
PRESIDENT   1

(4) 查询入职最早的员工

select emp.ename, emp.hiredate from emp 
join (select min(hiredate) as min_date from emp) tmp
on emp.hiredate = tmp.min_date;

# 结果
SMITH   1980-12-17

# 注意,以下SQL在hive中不能执行
select ename from emp 
where hiredate = (select min(hiredate) from emp);

(5) 统计出每个岗位的最高工资和平均工资

select job, max(sal), avg(sal)
from emp
group by job;

# 结果
ANALYST     3000.0      3000.0
CLERK       1300.0      1037.5
MANAGER     2975.0      2758.3333333333335
PRESIDENT   5000.0      5000.0
SALESMAN    1600.0      1400.0

(6) 查询出每个地区工资最高的员工

select emp.ename, tmp2.max_sal, tmp2.loc from emp 
join 
(select tmp1.loc loc, max(tmp1.sal) max_sal from
(select emp.ename ename, emp.sal sal, dept.loc loc from emp
join dept on emp.deptno = dept.deptno) tmp1
group by tmp1.loc) tmp2
on emp.sal = tmp2.max_sal;

# 结果
BLAKE   2850.0  CHICAGO
SCOTT   3000.0  DALLAS
FORD    3000.0  DALLAS
KING    5000.0  NEW YORK

(7) 查询上半年入职员工最多的地区

create table e1 as
select emp.ename ename, substring(emp.hiredate, 6, 2) as hiremonth, dept.loc loc
from emp join dept on emp.deptno = dept.deptno;

/*
SMITH   12  DALLAS
ALLEN   02  CHICAGO
WARD    02  CHICAGO
JONES   04  DALLAS
MARTIN  09  CHICAGO
BLAKE   05  CHICAGO
CLARK   06  NEW YORK
SCOTT   07  DALLAS
KING    11  NEW YORK
TURNER  09  CHICAGO
ADAMS   07  DALLAS
JAMES   12  CHICAGO
FORD    12  DALLAS
MILLER  01  NEW YORK
*/

create table e2 as
select ename,
case when hiremonth <= '06' then 'first_half_year' else 'last_half_year' end as hire_year,
loc 
from e1;

/*
SMITH   last_half_year  DALLAS
ALLEN   first_half_year CHICAGO
WARD    first_half_year CHICAGO
JONES   first_half_year DALLAS
MARTIN  last_half_year  CHICAGO
BLAKE   first_half_year CHICAGO
CLARK   first_half_year NEW YORK
SCOTT   last_half_year  DALLAS
KING    last_half_year  NEW YORK
TURNER  last_half_year  CHICAGO
ADAMS   last_half_year  DALLAS
JAMES   last_half_year  CHICAGO
FORD    last_half_year  DALLAS
MILLER  first_half_year NEW YORK
*/

select loc, count(ename) as count 
from e2
where hire_year = 'first_half_year'
group by loc
order by count desc
limit 1;

/*
CHICAGO 3
*/
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,324评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,303评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,192评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,555评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,569评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,566评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,927评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,583评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,827评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,590评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,669评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,365评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,941评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,928评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,159评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,880评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,399评论 2 342

推荐阅读更多精彩内容