Hive的原理和基本用法

Posted chhyan-dream

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Hive的原理和基本用法相关的知识,希望对你有一定的参考价值。

一、Hive的概述

  1、Hive的定义

     Hive是基于Hadoop的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表,并提供类SQL进行数据读取、写入和管理。

  2、Hive的架构图

 技术图片

 

 

 hive的各个组成部分介绍:

  • 用户接口:包括 CLI、JDBC/ODBC、WebGUI。
  • 元数据存储:通常是存储在关系数据库如 mysql , derby中。
  • 用户接口主要由三个:CLI、JDBC/ODBC和WebGUI。其中,CLI为shell命令行;JDBC/ODBC是Hive的JAVA实现,与传统数据库JDBC类似;WebGUI是通过浏览器访问Hive。
  • 元数据存储:Hive 将元数据存储在数据库中。Hive 中的元数据包括表的名字,表所属的数据库,表的列和分区及其属性(是否为外部表),表的数据所在目录等。
  • 解释器、编译器、优化器完成 HQL 查询语句从词法分析、语法分析、编译、优化以及查询计划的生成。生成的查询计划存储在 HDFS 中,并在随后有 MapReduce 调用执行。

  3、Hive与Hadoop的关系

    a、Hive的数据是存放在Hadoop之上的;

    b、Hive的数据分为两个部分:数据+元数据;元数据是记录数据的数据,这里记录着表的列和分区及其在hadoop的目录。

    c、Hive将SQL进行解析,然后开启MR任务在Hadoop上运行。

  4、Hive的执行引擎

   hive的执行引擎包括:MapReduce、Tez和Spark;只要通过一个参数就能够切换底层的执行引擎。

  5、Hive的参数配置

   1)元数据库连接配置 

    <property>
      <name>javax.jdo.option.ConnectionURL</name>
      <value>jdbc:mysql://XXX:3306/databaseName?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>

 2)显示当前使用数据库和表结构名称配置

    <property>
        <name>hive.cli.print.current.db</name>
      <value>true</value>
    </property>
   <property>
      <name>hive.cli.print.header</name>
      <value>true</value>
    </property>

  3)也可以使用set hive.cli.print.current.db = true的方式,使之在当前界面生效。

二、Hive的常用命令

1、创建数据库

 a、Create database if not exists test;

      自己创建的数据库,默认存放在:/user/hive/warehouse/test.db目录中

 b、创建数据库,同时制定目录

   create database if not exists  test location  ‘/test/directory’;

c、创建数据库,同时添加描述信息

 create database if not exists test comment ‘this is a  database’ With  DBPROPERTIES(‘creator‘=‘me‘,‘date‘=‘9012-12-17‘)

 2、Hive常用的数据类型

 数值类型:int bigint float double decimal

 字符串类型:Stirng 90%

 布尔类型: boolean:true  false

 日期类型:date timestamp

3、Hive的表格类型

  Hive的表格分为内部表和外部表。

 内部表删除时:HDFS的数据和Meta都会被删除;

 外部表删除时:HDFS的数据不会被删除,只是Meta上的数据会被删除,安全起见,最好创建外部表。

 a、创建外部表的格式

  create external table emp_external (empno int,ename string,job string,mgr int,hiredate string,sal double, comm double,deptno int) row format DELIMITED FIELDS TERMINATED BY ‘ ‘ Location ‘/test/externaltable/emp‘;

   加载数据到外部表

   Load data Local inpath  ‘/home/hadoop/data/emp.txt‘ into table emp;

 b、创建内部表

  • 只是创建表结构,不包含数据: create table emp2 like emp;
  • 既创建表结构,也包含数据:create table emp3 like emp;

4、Hive的表的分区和分桶

  • 分区列并不是一个“真正的”表字段,其实是HDFS上表对应的文件下的一个文件夹

     create table order_partition(order_no string,event_time string) partitioned by(event_month string)ROW Format Delimited Fields terminated By ‘ ‘;

     Load DATA  Local inpath ‘/home/hadoop/data/order_created.txt‘  Into table order_partition PARTITION(event_month=‘2015-05‘);

  • 分区表加载数据的时候一定要指定分区字段;对于分区表操作,如果你的数据是写入到HDFS中,默认SQL是查询不到的,因为元数据中没有;如果想用SQL查询,需要添加表分区

      Alter table  order_partition ADD if not exists Partition(event_month=‘2015-07‘);

  • 多级分区:为表格指定多个分区

    create table order_mulit_partition(order_no String,event_time string) Partition by(event_month String,step String) Row format Delimited Fields Terminated By ‘ ‘;

    Load Data Local Inpath ‘/home/hadoop/data/order_mulit_partition Into Table order_mulit_partition Partition(event_month=‘2014-06‘,step=‘2‘);

  • 使用分区表时,加载数据一定要指定我们的所有分区字段

     Create table emp_parititon(empno int,ename string,job string,mgr int,hiredate string,sal double,comm double) Partition By(deptno int) Row Format Delimited Fields Terminated By ‘ ‘;

    Insert Overwrite Table emp_partition Partition(deptno=10) select empno,ename,job,mgr,hiredate,sal,comm form emp where deptno=10;

  • 动态分区

    Create table emp_dynamic_partition(empno int,ename string,job string,mgr int,hiredate string, sal double,comm double) Partition by(deptno int) Row Format Delimited Fields Terminated By ‘ ‘;

    Insert Overwrite Table emp_dynamic_partition Partition(deptno) select empno,ename,job,mgr,hiredate,sal comm form emp;

  5、几个关键字介绍

   Load Data Local Inpath ‘home/hadoop/data/order_created.txt‘  [Overwrite] into table order_mulit_parititon Partition (event_month=‘2014-05‘,step=‘1‘)

  •  Load Data:加载数据
  • INPATH:指定路径
  • Overwrite:数据覆盖,没有的话就是追加。

  6、数据导入的另外两种方式

  • CTAS:表不能实现存在(create table .. as select ..)
  • Insert方式:表必须事先存在,表格字段必须顺序书写,不能乱 ,否则查询时会出错,找不到该字段

     Insert overwrite table emp4 select empo,job,ename,mgr hiredate,sal,comm,deptno from emp;

     from emp insert into table emp4 select *;

  7、分组查询时注意的事项

  • where只是对单项进行限制,分组限制要使用hiving
  • select 中出现的字段,如果没有出现在group by 中,则必须出现在聚合函数中

      select deptno,avg(sal) avg_sal from emp group by deptno having avg_sal >2000;

  8、Hive中MR的使用设置

  通过设置hive中的参数可以部分限制MR的使用级别,默认Select * from table;是不用走mapReduce的;涉及到多对一的聚合函数:多进一出,则必然使用MapReduce,比如:max,min,count,sum,avg。

以上是关于Hive的原理和基本用法的主要内容,如果未能解决你的问题,请参考以下文章

Dubbo基本原理和用法讲解

STL:vector内部实现原理及基本用法

ElasticSearch的基本原理与用法

nginx基本用法和HTTPS配置

React项目的基本流程&redux的用法原理

「Java基本功」一文读懂Java内部类的用法和原理