Hadoop实习操作练习1（Hive与HBase初探）

Posted 2021-04-19 尚学堂

Chapter 1： 引言

近期电信集团公司举办了大数据技术培训课，按照要求，Hadoop小白的我对两者作完对比，进行实际操作做一个练习记录吧，嘿嘿。。。

两者的共同点：
1.hbase与hive都是架构在hadoop之上的。都是用hadoop作为底层存储
两者的区别：

2.Hive是建立在Hadoop之上为了减少MapReduce jobs编写工作的批处理系统，HBase是为了支持弥补Hadoop对实时操作的缺陷的项目 。

3.想象你在操作RMDB数据库，如果是全表扫描，就用Hive+Hadoop,如果是索引访问，就用HBase+Hadoop 。

4.Hive query就是MapReduce jobs可以从5分钟到数小时不止，HBase是非常高效的，肯定比Hive高效的多。

5.Hive本身不存储和计算数据，它完全依赖于HDFS和MapReduce，Hive中的表纯逻辑。

6.hive借用hadoop的MapReduce来完成一些hive中的命令的执行

7.hbase是物理表，不是逻辑表，提供一个超大的内存hash表，搜索引擎通过它来存储索引，方便查询操作。

8.hbase是列存储。所以Hbase可以对数据进行增改删等操作，但Hive是行的，只能追加数据。

9.hdfs作为底层存储，hdfs是存放文件的系统，而Hbase负责组织文件。

10.hive需要用到hdfs存储文件，需要用到MapReduce计算框架。

Chapter 2： Hive操作

基础操作：

登录Hadoop的Master节点--》切换到Hadoop帐号-->使用Hive查看表，并exit退出：

联合查询：

内连接：
hive> SELECT sales.*, things.* FROM sales JOIN things ON (sales.id = things.id);

查看hive为某个查询使用多少个MapReduce作业
hive> Explain SELECT sales.*, things.* FROM sales JOIN things ON (sales.id = things.id);

外连接：
hive> SELECT sales.*, things.* FROM sales LEFT OUTER JOIN things ON (sales.id = things.id);
hive> SELECT sales.*, things.* FROM sales RIGHT OUTER JOIN things ON (sales.id = things.id);
hive> SELECT sales.*, things.* FROM sales FULL OUTER JOIN things ON (sales.id = things.id);

in查询：Hive不支持，但可以使用LEFT SEMI JOIN
hive> SELECT * FROM things LEFT SEMI JOIN sales ON (sales.id = things.id);

CREATE TABLE ... AS SELECT：新表预先不存在
hive>CREATE TABLE target AS SELECT col1,col2 FROM source;

视图查询：

创建视图：
hive> CREATE VIEW valid_records AS SELECT * FROM records2 WHERE temperature !=9999;

查看视图详细信息：

hive> DESCRIBE EXTENDED valid_records;

外部表、内部表、分区表的区别及操作：

此时，会在hdfs上新建一个tt表的数据存放地，例如，笔者是在 hdfs://master/input/table_data

上传hdfs数据到表中：

load data inpath '/input/data' into table tt;

[sql] view plaincopy

1. load data inpath '/input/data' into table tt;

此时会将hdfs上的/input/data目录下的数据转移到/input/table_data目录下。

删除tt表后，会将tt表的数据和元数据信息全部删除，即最后/input/table_data下无数据，当然/input/data下再上一步已经没有了数据！

如果创建内部表时没有指定location，就会在/user/hive/warehouse/下新建一个表目录，其余情况同上。

注意的地方就是：load data会转移数据！

2. 外部表：

create external table et (name string , age string);

[sql] view plaincopy

1. create external table et (name string , age string);

此时，会在/user/hive/warehouse/新建一个表目录et

load data inpath '/input/edata' into table et;

此时会把hdfs上/input/edata/下的数据转到/user/hive/warehouse/et下，删除这个外部表后，/user/hive/warehouse/et下的数据不会删除，但是/input/edata/下的数据在上一步load后已经没有了！数据的位置发生了变化！本质是load一个hdfs上的数据时会转移数据！

3. 分区表

为内部表某个分区导入数据，Hive将建立目录并拷贝数据到分区当中
LOAD DATA LOCAL INPATH '${env:HOME}/california-employees'
INTO TABLE employees
PARTITION (country = 'US', state = 'CA');
为外部表某个分区添加数据
ALTER TABLE log_messages ADD IF NOT EXISTS PARTITION(year = 2012, month = 1, day = 2)
LOCATION 'hdfs://master_server/data/log_messages/2012/01/02';
备注：Hive并不关心分区，目录是否存在，是否有数据，这会导致没有查询结果

从本地文件系统中加载数据。

LOAD DATA LOCAL INPATH "/opt/data/1.txt" INTO TABLE table1;

意思是，从本地文件系统/opt/data/1.txt加载到hive的table1中。这时hive会读取该文件，并将内容写到hdfs中table1所在的位置。

从HDFS中加载数据

LOAD DATA INPATH "/data/datawash/1.txt" INTO TABLE table1;

意思是从HDFS的/data/datawash/1.txt写入到table1所在目录。

关于加载中的OVERWRITE是这样。

LOAD DATA LOCAL INPATH "/opt/data/1.txt" OVERWRITE INTO TABLE table1;

如果加了OVERWRITE，则覆盖原先已经存在的数据，如果你确定原先没有数据，则可以写上。

Chapter 3： HBase操作

安装：在安装Hbase之前需先安装Zookeeper，见http://jeffxie.blog.51cto.com/1365360/329212

登录：

语法：

操作	命令表达式
创建表	create 'table_name, 'family1','family2','familyN'
添加记录	put 'table_name', 'rowkey', 'family:column', 'value'
查看记录	get 'table_name, 'rowkey'
查看表中的记录总数	count 'table_name'
删除记录	delete 'table_name' ,'rowkey' , 'family:column' deleteall 'table_name','rowkey'
删除一张表	先 disable 'table_name' 再 drop 'table_name'
查看所有记录	scan "table_name" ,很危险 最好加LIMIT ： scan 'table_name',LIMIT=>10
查看某个表某个列中所有数据	scan "table" , {COLUMNS =>['family1:','family2' VERSIONS=2]} VERSIONS 选填

练习：

status //查看服务器状态

version //查询Hbase版本

create 'test','course','device' //创建表

list //列出所有的表

exists 'test' //查询表是否存在

put 'test','Li Lei','course:Math','90'

put 'test','Han Meimei','course:English','92' //插入记录

get 'test','Li Lei' //获取一个Id的所有数据

get 'test','Li Lei','device' //获取一个ID，一个列族的所有数据

get 'test','Li Lei','device：laptop' // 获取一个ID，一个列族中的一个列的所有数据

更新一条记录：

get 'test','Li Yang','device:laptop','Asus'

count 'test' //查看表中有多少行

delete 'test','Li Yang','device:laptop‘ //删除id为’Li Yang’的值的’device:laptop’字段

deleteall 'test','Li Yang‘ //删除整行

删除表:
disable 'test'
drop 'test‘

退出：

exit