hive入门

＝＝＝＝＝hive入门＝＝＝＝＝

1. 概念

• Apache Hive™数据仓库软件有助于使用SQL读取，写入和管理驻留在分布式存储中的大型数据集。能够将结构投影到已存储的数据上。提供了一个命令行工具和JDBC驱动程序来将用户链接到Hive
• 主要面向查询操做，通常不进行删除和更新操做，由于hive处理的数据通常都是历史数据
• hive容许开发者自定义mapreduce处理复杂的分析工做
• hive是SQL解析引擎，它将SQL转换成M/R　程序，而后在hadoop执行
• hive的表和数据其实就是hdfs的目录和文件
• hdfs日志文件（数据源）－－　mapreduce将结构投影到已存储数据上(解析引擎)　－－　命令行工具和JDBC使用SQL（数据统计）
• 数据仓库：数据仓库是一个面向主题的，集成的，不可更新的，随时间不变化的数据集合，它用于支持企业或者组织的决策分析处理

• hive和hbase区别

  • Hive适合用来对一段时间内的数据进行分析查询or统计查询，例如，用来计算趋势或者网站的日志。Hive不该该用来进行实时的查询。由于它须要很长时间才能够返回结果
  • Hbase是一种在Hadoop之上的NoSQL 的Key/vale数据库。HBase能够用来进行实时查询，
  • 数据也能够从Hive写到Hbase，设置再从Hbase写回Hive。

2. hive的体系结构

1. hive的元数据

   • hive将元数据存储在数据库（metastore）中，支持mysql,derby,oracle数据库，默认使用内置derby数据库（只支持单连接）
   • hive中的元数据包括表的名字，表的列和分区及其属性，表的属性（是否外部表），表的数据所在的目录等

2. hadoop

   • 用hdfs进行存储，利用mapreduce进行计算

3. hive的安装

1. 环境要求：

   • jdk并配置环境变量
   • mysql安装并启动用来作元数据存储（内嵌的derby数据库只支持单连接）
   • hadoop安装并启动(支持单机环境，伪分布模式，集群模式)
2. 下载wget安装包.tar.gz并解压tar -zxvf xxx.tar.gz -C /home
3. 将mysql驱动配置到hive的classpath目录下，上传放到$HIVE_HOME/lib目录便可,要注意驱动和mysql版本对应

4. 修改配置文件$HIVE_HOME/conf

   <!-- hive-env.sh配置文件 -->

   HADOOP_HOME=/home/hadoop-standalone/hadoop-2.9.0
       export HIVE_CONF_DIR=/home/apache-hive-2.3.2-bin/conf

   <!-- hive-site.xml配置文件 -->

   <configuration>
           <property>
               <name>javax.jdo.option.ConnectionURL</name> 
               <value>jdbc:mysql://172.18.113.120:3306/hive?createDatabaseIfNotExist=true</value> 
           </property> 
           <property> 
               <name>javax.jdo.option.ConnectionDriverName</name>
               <value>com.mysql.jdbc.Driver</value>
           </property>
           <property>
               <name>javax.jdo.option.ConnectionUserName</name>
               <value>root</value>
           </property>
           <property>
               <name>javax.jdo.option.ConnectionPassword</name>
               <value>123456</value>
           </property>
           <property>
                   <name>hive.server2.webui.host</name>
                   <value>master</value>
           </property>
           <property>
                   <name>hive.server2.webui.port</name>
                   <value>10002</value>
           </property>
       </configuration>

5. 格式化hdfs存储目录

   $ $HADOOP_HOME/bin/hadoop fs -mkdir       /tmp
   $ $HADOOP_HOME/bin/hadoop fs -mkdir       /user/hive/warehouse
   $ $HADOOP_HOME/bin/hadoop fs -chmod g+w   /tmp
   $ $HADOOP_HOME/bin/hadoop fs -chmod g+w   /user/hive/warehouse

6. init元数据存储仓库

   $ $HIVE_HOME/bin/schematool -dbType <db type> -initSchema

4. hive之CLI命令行方式

1. 两种启动方式：

   1.）直接输出$HIVE_HOME/bin/hive执行程序
   2.）$HIVE_HOME/bin/hive --service cli
   
   （-S 进入静默模式　-e　＇命令＇不进入交互模式，直接执行命令）

2. 经常使用的CLI命令(每一个命令必须已分号结尾做为命令结束符,--开头是注释)

   • 退出命令行　quit
   • 查看数据库　show databases
   • 查看表　　　show tables
   • 查看表结构　desc 表名
   • 查看内置函数　show functions
   • 查看hdfs上文件　dfs -ls 目录
   • 执行操做系统的命令　！命令
   • 执行sql语句　　　　select 语句
   • 执行sql脚本文件　　source sql文件

3. hive远程服务启动方式

   • 端口号10000
   • 启动方式：hive --service hiveserver2 &
   • jdbc或者odbc远程登陆数据仓库对数据进行操做，必须启动远程服务以供链接

5. hive数据类型

hive数据类型有一下5种

* 数字类型
* 时间类型
* 字符串类型
* 其余类型
* 复杂类型

1. 数字类型

   • TINGINT（1字节有符号整数，从-128至127）
   • SMALLINT（2字节有符号整数，从-32,768至32,767）
   • INT/ INTEGER（4字节有符号整数，从-2,147,483,648到2,147,483,647）
   • BIGINT（8字节符号整数，从-9,223,372,036,854,775,808至9,223,372,036,854,775,807）
   • FLOAT（4字节单精度浮点数）
   • DOUBLE（8字节双精度浮点数）
   • DECIMAL (能够自定义精度和范围)
   • NUMERIC

2. 日期/时间类型

   • TIMESTAMP（注意：只能从Hive 0.8.0开始）
   • DATE（注意：只能从Hive 0.12.0开始）
   • INTERVAL（注意：只能从Hive 1.2.0开始）

3. 字符串类型

   • STRING
   • VARCHAR
   • CHAR

4. 其余类型

   • BOOLEAN
   • BINARY

5. 复杂类型

   1. ARRAYS<data_type>  　　　　　数组类型，由一系列相同数据类型元素组成
   2. MAPS<primitive_type,data_type>　　　集合类型，包看key-value键值对，能够经过key来访问元素
   3. STRUCT<col_name : data_type [COMMENT col_comment], ...>　结构类型，能够包含不一样数据类型元素，经过点语法获取元素
   4. union: UNIONTYPE<data_type, data_type, ...> (Note: Only available starting with Hive 0.7.0.)

6. 建立表，使用数据类型

建立一张表，包含基本数据类型

        create table t_user
            (u_id int,
            u_name string,
            married boolean,
            salary double,
            birthday date
            ); -- 这里不能建立user表，换个表名t_user

        建立一张表，包含数组类型

        create table student (sid int,sname string,project array<string>); 

        -- {1,"tom",["语文"，＂数学＂，＂英语＂]}

        建立一张表，包含map数据类型

        create table stu2(id int,name string,project map<string,float>);

        -- {1,"tom",<'大学语文',65>}


        建立一张表，用array<map<string,float>>

        create table stu3(id int,name string,grades array<map<string,float>>);

        -- {1,'tom',[<'语文',85>,<'数学',85>]


        建立一张表，包含struct数据类型

            create table stu4(id int,info struct <name:string,age:int,sec:string>);

            --{1,{'tom',10,'男'}}

6. hive的数据存储

• 基于hdfs
• 没有专门的数据存储格式
• 存储结构主要包括：数据库，文件，表，视图
• 能够直接加载文本文件（．txt文件等）
• 建立表时，指定hive数据的列分隔符和行分隔符
• 表分类:内部表，分区表，外部表，桶表　＋　视图

1. 内部表

   • 概念：

     • 与数据库中的table在概念上是相似的
     • 每个table在hive中都有一个相应的目录存储数据,默认在/usr/hive/warehouse目录下，能够指定任何其余目录
     • 全部的table不包括外部表，都保存在这个目录中

   • 建立表例子

     • create table t1(id int,name string,age int); -- 默认在/usr/hive/warehouse目录下
     • create table t1(id int,name string,age int) location '/mytable/hive/t2'; -- 指定数据在hdfs上的存储位置
     • create table t1(id int,name string,age int) row format delimited fields terminated by ','; -- 指明列分隔符，默认列与列之间没有任何分隔符
     • create table t1 as select * from t2 row format delimited fields terminated by ','; -- 从一个表中的数据建立表并导入数据
     • alter table t1 add columns(english int); -- 添加列

2. 分区表（partition)

   • 概念

     • partition对应于数据库的partition列的密集索引（例如按照性别男女分红两个区）
     • 在hive中，表的一个partition对应与标下的一个目录，全部的partition的数据都存储在对应的目录中

   • 案例

     • create table t1(id int,name string) partitioned by (gender string) row format delimited fields terminated by ','; -- 按照gender列分区
     • insert into table t1 partition(gender='nan') select id,name from t2 where gender='nan';

3. 外部表

   • 概念

     • 指向已近在hdfs中存在的数据，能够建立partition
     • 它和内部表在元数据的组织上是相同的，而实际数据的存储则有较大的差别
     • 外部表只有一个过程，加载数据和建立表同事完成，并不会移动到数据仓库目录中，只是与外部数据创建一个连接，当删除一个外部表时，仅删除改连接

   • 例子

     • create external table t1 (id int,name string) row format delimited fields termicated by ',' location '/input'; //对hdfs中已近存在的目录和文件建立一个连接