25分钟掌握Hive基本操作
Posted 汤高
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25分钟掌握Hive基本操作相关的知识,希望对你有一定的参考价值。
15分钟掌握Hive基本操作
(1)、从本地文件系统中导入数据到Hive表;
(2)、从HDFS上导入数据到Hive表;
(3)、从别的表中查询出相应的数据并导入到Hive表中;
(4)、在创建表的时候通过从别的表中查询出相应的记录并插入到所创建的表中。
一、从本地文件系统中导入数据到Hive表
先在Hive里面创建好表,如下:
1
hive> create table tanggao
2
> (id int, name string,
3
> age int, tel string)
4
> ROW FORMAT DELIMITED
5
> FIELDS TERMINATED BY ‘\t‘
6
> STORED AS TEXTFILE;
7
OK
8
Time taken: 2.832 seconds
这个表很简单,只有四个字段,具体含义我就不解释了。本地文件系统里面有个/home/tanggao/tanggao.txt文件,内容如下:
1
[[email protected] ~]$ cat tanggao.txt
2
1 tanggao 25 13188888888888
3
2 test 30 13888888888888
4
3 zs 34 899314121
tanggao.txt文件中的数据列之间是使用\t分割的,可以通过下面的语句将这个文件里面的数据导入到tanggao表里面,操作如下:
1
hive> load data local inpath ‘tanggao.txt‘ into table tanggao;
2
Copying data from file:/home/tanggao/tanggao.txt
3
Copying file: file:/home/tanggao/tanggao.txt
4
Loading data to table default.tanggao
5
Table default.tanggao stats:
6
[num_partitions: 0, num_files: 1, num_rows: 0, total_size: 67]
7
OK
8
Time taken: 5.967 seconds
这样就将tanggao.txt里面的内容导入到tanggao表里面去了可以到tanggao表的数据目录下查看,如下命令:
1
hive> dfs -ls /user/hive/warehouse/tanggao ;
2
Found 1 items
3
-rw-r--r--3 tanggao supergroup 67 2014-02-19 18:23 /hive/warehouse/tanggao/tanggao.txt
数据的确导入到tanggao表里面去了。
和我们熟悉的关系型数据库不一样,Hive现在还不支持在insert语句里面直接给出一组记录的文字形式,也就是说,Hive并不支持INSERT INTO .... VALUES形式的语句。
二、HDFS上导入数据到Hive表
从本地文件系统中将数据导入到Hive表的过程中,其实是先将数据临时复制到HDFS的一个目录下(典型的情况是复制到上传用户的HDFS home目录下,比如/home/tanggao/),然后再将数据从那个临时目录下移动(注意,这里说的是移动,不是复制!)到对应的Hive表的数据目录里面。既然如此,那么Hive肯定支持将数据直接从HDFS上的一个目录移动到相应Hive表的数据目录下,假设有下面这个文件/home/tanggao/add.txt,具体的操作如下:
1
[[email protected] /home/q/hadoop-2.2.0]$ bin/hadoop fs -cat /home/tanggao/add.txt
2
5 tanggao1 23 131212121212
3
6 tanggao2 24 134535353535
4
7 tanggao3 25 132453535353
5
8 tanggao4 26 154243434355
上面是需要插入数据的内容,这个文件是存放在HDFS上/home/tanggao目录(和一中提到的不同,一中提到的文件是存放在本地文件系统上)里面,我们可以通过下面的命令将这个文件里面的内容导入到Hive表中,具体操作如下:
01
hive> load data inpath ‘/home/tanggao/add.txt‘ into table tanggao;
02
Loading data to table default.tanggao
03
Table default.tanggao stats:
04
[num_partitions: 0, num_files: 2, num_rows: 0, total_size: 215]
05
OK
06
Time taken: 0.47 seconds
07
08
hive> select * from tanggao;
09
OK
10
5 tanggao1 23 131212121212
11
6 tanggao2 24 134535353535
12
7 tanggao3 25 132453535353
13
8 tanggao4 26 154243434355
14
1 tanggao 25 13188888888888
15
2 test 30 13888888888888
16
3 zs 34 899314121
17
Time taken: 0.096 seconds, Fetched: 7 row(s)
从上面的执行结果我们可以看到,数据的确导入到tanggao表中了!请注意load data inpath ‘/home/tanggao/add.txt‘ into table tanggao;里面是没有local这个单词的,这个是和一中的区别。
三、从别的表中查询出相应的数据并导入到Hive表中
假设Hive中有test表,其建表语句如下所示:
01
hive> create table test(
02
> id int, name string
03
> ,tel string)
04
> partitioned by
05
> (age int)
06
> ROW FORMAT DELIMITED
07
> FIELDS TERMINATED BY ‘\t‘
08
> STORED AS TEXTFILE;
09
OK
10
Time taken: 0.261 seconds
大体和tanggao表的建表语句类似,只不过test表里面用age作为了分区字段(下面语句就是将tanggao表中的查询结果并插入到test表中:
01
hive> insert into table test
02
> partition (age=‘25‘)
03
> select id, name, tel
04
> from tanggao;
05
#####################################################################
06
这里输出了一堆Mapreduce任务信息,这里省略
07
#####################################################################
08
Total MapReduce CPU Time Spent: 1 seconds 310 msec
09
OK
10
Time taken: 19.125 seconds
11
12
hive> select * from test;
13
OK
14
5 tanggao1 131212121212 25
15
6 tanggao2 134535353535 25
16
7 tanggao3 132453535353 25
17
8 tanggao4 154243434355 25
18
1 tanggao 13188888888888 25
19
2 test 13888888888888 25
20
3 zs 899314121 25
21
Time taken: 0.126 seconds, Fetched: 7 row(s)
通过上面的输出,我们可以看到从tanggao表中查询出来的东西已经成功插入到test表中去了!如果目标表(test)中不存在分区字段,可以去掉partition (age=‘25‘)语句。当然,我们也可以在select语句里面通过使用分区值来动态指明分区:
01
hive> set hive.exec.dynamic.partition.mode=nonstrict;
02
hive> insert into table test
03
> partition (age)
04
> select id, name,
05
> tel, age
06
> from tanggao;
07
#####################################################################
08
这里输出了一堆Mapreduce任务信息,这里省略
09
#####################################################################
10
Total MapReduce CPU Time Spent: 1 seconds 510 msec
11
OK
12
Time taken: 17.712 seconds
13
14
15
hive> select * from test;
16
OK
17
5 tanggao1 131212121212 23
18
6 tanggao2 134535353535 24
19
7 tanggao3 132453535353 25
20
1 tanggao 13188888888888 25
21
8 tanggao4 154243434355 26
22
2 test 13888888888888 30
23
3 zs 899314121 34
24
Time taken: 0.399 seconds, Fetched: 7 row(s)
这种方法叫做动态分区插入,但是Hive中默认是关闭的,所以在使用前需要先把hive.exec.dynamic.partition.mode设置为nonstrict。当然,Hive也支持insert overwrite方式来插入数据,从字面我们就可以看出,overwrite是覆盖的意思,是的,执行完这条语句的时候,相应数据目录下的数据将会被覆盖!而insert into则不会,注意两者之间的区别。例子如下:
1
hive> insert overwrite table test
2
> PARTITION (age)
3
> select id, name, tel, age
4
> from tanggao;
更可喜的是,Hive还支持多表插入,什么意思呢?在Hive中,我们可以把insert语句倒过来,把from放在最前面,它的执行效果和放在后面是一样的,如下:
01
hive> show create table test3;
02
OK
03
CREATE TABLE test3(
04
id int,
05
name string)
06
Time taken: 0.277 seconds, Fetched: 18 row(s)
07
08
hive> from tanggao
09
> insert into table test
10
> partition(age)
11
> select id, name, tel, age
12
> insert into table test3
13
> select id, name
14
> where age>25;
15
16
hive> select * from test3;
17
OK
18
8 tanggao4
19
2 test
20
3 zs
21
Time taken: 4.308 seconds, Fetched: 3 row(s)
可以在同一个查询中使用多个insert子句,这样的好处是我们只需要扫描一遍源表就可以生成多个不相交的输出。
四、在创建表的时候通过从别的表中查询出相应的记录并插入到所创建的表中
在实际情况中,表的输出结果可能太多,不适于显示在控制台上,这时候,将Hive的查询输出结果直接存在一个新的表中是非常方便的,我们称这种情况为CTAS(create table .. as select)如下:
01
hive> create table test4
02
> as
03
> select id, name, tel
04
> from tanggao;
05
06
hive> select * from test4;
07
OK
08
5 tanggao1 131212121212
09
6 tanggao2 134535353535
10
7 tanggao3 132453535353
11
8 tanggao4 154243434355
12
1 tanggao 13188888888888
13
2 test 13888888888888
14
3 zs 899314121
15
Time taken: 0.089 seconds, Fetched: 7 row(s)
数据就插入到test4表中去了,CTAS操作是原子的,因此如果select查询由于某种原因而失败,新表是不会创建的!
以上是关于25分钟掌握Hive基本操作的主要内容,如果未能解决你的问题,请参考以下文章