mysql Hive BigSQL

1. WHERE 搜索条件在进行分组操作之前应用；而 HAVING 搜索条件在进行分组操作之后应用。

SELECT Customer,SUM(OrderPrice) FROM Orders
WHERE Customer='Bush' OR Customer='Adams'
GROUP BY Customer
HAVING SUM(OrderPrice)>1500

当同时含有where子句、group by 子句 、having子句及聚集函数时，执行顺序如下：

执行where子句查找符合条件的数据；

使用group by 子句对数据进行分组；对group by 子句形成的组运行聚集函数计算每一组的值

最后用having 子句去掉不符合条件的组。

2.子查询中，程序先运行在嵌套在最内层的语句，再运行外层。因此在写子查询语句时，

可以先测试下内层的子查询语句是否输出了想要的内容，再一层层往外测试，增加子查询正确率。

否则多层的嵌套使语句可读性很低。

SELECT * FROM customers
WHERE cust_id
IN (SELECT cust_id FROM orders WHERE order_num IN
(SELECT order_num FROM orderitems WHERE prod_id='TNT2'));

 https://blog.csdn.net/m0_38061639/article/details/82872705

3.Hive：hadoop之上的sql产品，不支持实时查询，通过对hql语句解析生成MapReduce任务运行与hadoop上。

HQL和SQL区别

HQL不支持事务和索引，不支持having，不支持子查询。

4.BigSQL

Client 端发送一个查询到主节点，主节点的 Coordinator 线程会对 SQL 先进行解析、编译、优化，生成一个分布式的执行计划发送给各个从节点。

那么主节点的 scheduler 在这个过程中会做两件事情，

第一是查询 Hive 的 Metastore，得到表的元数据信息，这个元数据信息其中就包含了每一块儿的数据它的存放位置，从而将计算分配到合适的点上，尽量保证计算和数据在同一个节点上，这个跟 MapReduce 的理念是一样的，也就是将计算往数据的节点上推送，而不是将数据移动到计算节点上。

第二件事情是，如果存在分区表，先排除掉与查询无关的分区

特征：

对sql语法的支持程度更高，与hive共享Metastore。

5.