能否在Hive中通过循环向指定表插入百万条随机值？

当然可以不用依赖外部CSV文件，直接在Hive里生成你需要的100万行随机数据！下面给你两种实用的纯Hive SQL方案，根据你的Hive版本选择就行：

方案一：使用generate_sequence（Hive 2.0+ 推荐） #

如果你的Hive版本是2.0或以上，generate_sequence函数可以快速生成连续的数字序列，结合内置的随机函数就能轻松生成目标数据：

1. 先创建目标表 #

CREATE TABLE IF NOT EXISTS test_random_data (
    name STRING,
    s_name STRING,
    age INT
);

2. 插入100万行随机数据 #

INSERT OVERWRITE TABLE test_random_data
SELECT
    -- 生成随机name，格式为name_xxxx（xxxx是0-9999的随机数）
    CONCAT('name_', CAST(FLOOR(RAND() * 10000) AS STRING)) AS name,
    -- 生成随机s_name，格式为s_name_xxxx
    CONCAT('s_name_', CAST(FLOOR(RAND() * 10000) AS STRING)) AS s_name,
    -- 生成18-97之间的随机年龄（你可以调整数值范围）
    FLOOR(RAND() * 80) + 18 AS age
FROM
    -- 生成1到1000000的序列，对应100万行
    (SELECT EXPLODE(generate_sequence(1, 1000000)) AS seq) t;

方案二：递归CTE + 交叉连接（兼容低版本Hive） #

如果你的Hive版本不支持generate_sequence，可以用递归公共表表达式（CTE）生成基础行，再通过交叉连接放大到100万行（避免递归深度过大导致报错）：

1. 创建目标表（和方案一相同） #

CREATE TABLE IF NOT EXISTS test_random_data (
    name STRING,
    s_name STRING,
    age INT
);

2. 插入100万行随机数据 #

INSERT OVERWRITE TABLE test_random_data
SELECT
    CONCAT('name_', CAST(FLOOR(RAND() * 10000) AS STRING)) AS name,
    CONCAT('s_name_', CAST(FLOOR(RAND() * 10000) AS STRING)) AS s_name,
    FLOOR(RAND() * 80) + 18 AS age
FROM
    -- 递归生成1000行基础数据
    (WITH RECURSIVE nums AS (
        SELECT 1 AS n
        UNION ALL
        SELECT n + 1 FROM nums WHERE n < 1000
    ) SELECT * FROM nums) t1
    -- 交叉连接后得到1000*1000=100万行
    CROSS JOIN
    (WITH RECURSIVE nums AS (
        SELECT 1 AS n
        UNION ALL
        SELECT n + 1 FROM nums WHERE n < 1000
    ) SELECT * FROM nums) t2;

小提示 #

• 如果你需要更真实的姓名，可以结合substr和随机字符串函数，比如用substr('ABCDEFGHIJKLMNOPQRSTUVWXYZ', FLOOR(RAND()*26)+1, 1)生成随机首字母，再拼接后续字符。
• 生成大数量级数据时，建议开启Hive的并行执行（set hive.exec.parallel=true;）来提升速度。

内容的提问来源于stack exchange，提问作者Aleksejs R