深入淺出的hive學習總結資料

什么是Hive（一）Hive是建立在Hadoop上的數(shù)據(jù)倉庫基礎構架。它提供了一系列的工具，可以用來進行數(shù)據(jù)提取轉化加載（ETL），這是一種可以存儲、查詢和分析存儲在Hadoop中的大規(guī)模數(shù)據(jù)的機制。Hive定義了簡單的類SQL查詢語言，稱為QL，它允許熟悉SQL的用戶查詢數(shù)據(jù)。同時，這個語言也允許熟悉MapReduce開發(fā)者的開發(fā)自定義的mapper和reducer來處理內(nèi)建的mapper和reducer無法完成的復雜的分析工作。什么是Hive（二）Hive是SQL解析引擎，它將SQL語句轉譯成M/RJob然后在Hadoop執(zhí)行。Hive的表其實就是HDFS的目錄，按表名把文件夾分開。如果是分區(qū)表，則分區(qū)值是子文件夾，可以直接在M/RJob里使用這些數(shù)據(jù)。Hive的系統(tǒng)架構?用戶接口，包括CLI，JDBC/ODBC，WebUI?元數(shù)據(jù)存儲，通常是存儲在關系數(shù)據(jù)庫如mysql,derby中?解釋器、編譯器、優(yōu)化器、執(zhí)行器?Hadoop：用HDFS進行存儲，利用MapReduce進行計算Hive的系統(tǒng)架構用戶接口主要有三個：CLI，JDBC/ODBC和WebUICLI，即Shell命令行JDBC/ODBC是Hive的Java，與使用傳統(tǒng)數(shù)據(jù)庫JDBC的方式類似WebGUI是通過瀏覽器訪問HiveHive將元數(shù)據(jù)存儲在數(shù)據(jù)庫中(metastore)，目前只支持mysql、derby。Hive中的元數(shù)據(jù)包括表的名字，表的列和分區(qū)及其屬性，表的屬性（是否為外部表等），表的數(shù)據(jù)所在目錄等解釋器、編譯器、優(yōu)化器完成HQL查詢語句從詞法分析、語法分析、編譯、優(yōu)化以及查詢計劃（plan）的生成。生成的查詢計劃存儲在HDFS中，并在隨后由MapReduce調(diào)用執(zhí)行Hive的數(shù)據(jù)存儲在HDFS中，大部分的查詢由MapReduce完成（包含*的查詢，比如select*fromtable不會生成MapRedcue任務）Hive的安裝啟動#hivehive>showtables;hive>createtabletest(idint,namestring);hive>quit;Hive的metastoremetastore是hive元數(shù)據(jù)的集中存放地。metastore默認使用內(nèi)嵌的derby數(shù)據(jù)庫作為存儲引擎Derby引擎的缺點：一次只能打開一個會話使用Mysql作為外置存儲引擎，多用戶同時訪問Hive運行模式Hive的運行模式即任務的執(zhí)行環(huán)境分為本地與集群兩種我們可以通過mapred.job.tracker來指明設置方式：hive>SETmapred.job.tracker=local;Hive的啟動方式1、hive命令行模式，直接輸入#/hive/bin/hive的執(zhí)行程序，或者輸入#hive--servicecli2、hiveweb界面的(端口號9999)啟動方式#hive--servicehwi&用于通過瀏覽器來訪問hivehttp://hadoop0:9999/hwi/3、hive遠程服務(端口號10000)啟動方式#hive--servicehiveserver&Hive與傳統(tǒng)數(shù)據(jù)庫查詢語言HiveQLSQL數(shù)據(jù)存儲位置HDFSRawDeviceor本地FS數(shù)據(jù)格式用戶定義系統(tǒng)決定數(shù)據(jù)更新不支持支持索引新版本有，但弱有執(zhí)行MapReduceExecutor執(zhí)行延遲高低可擴展性高低數(shù)據(jù)規(guī)模大小Hive的數(shù)據(jù)類型基本數(shù)據(jù)類型tinyint/smallint/int/bigintfloat/doublebooleanstring復雜數(shù)據(jù)類型Array/Map/Struct沒有date/datetimeHive的數(shù)據(jù)存儲Hive的數(shù)據(jù)存儲基于HadoopHDFSHive沒有專門的數(shù)據(jù)存儲格式存儲結構主要包括：數(shù)據(jù)庫、文件、表、視圖Hive默認可以直接加載文本文件（TextFile），還支持sequencefile創(chuàng)建表時，指定Hive數(shù)據(jù)的列分隔符與行分隔符，Hive即可解析數(shù)據(jù)Hive的數(shù)據(jù)模型-數(shù)據(jù)庫類似傳統(tǒng)數(shù)據(jù)庫的DataBase默認數(shù)據(jù)庫"default"使用#hive命令后，不使用hive>use<數(shù)據(jù)庫名>，系統(tǒng)默認的數(shù)據(jù)庫?？梢燥@式使用hive>usedefault;創(chuàng)建一個新庫hive>createdatabasetest_dw;Hive的數(shù)據(jù)模型-表Table內(nèi)部表Partition分區(qū)表ExternalTable外部表BucketTable桶表Hive的數(shù)據(jù)模型-內(nèi)部表與數(shù)據(jù)庫中的Table在概念上是類似每一個Table在Hive中都有一個相應的目錄存儲數(shù)據(jù)。例如，一個表test，它在HDFS中的路徑為：/warehouse/test。warehouse是在hive-site.xml中由${hive.metastore.warehouse.dir}指定的數(shù)據(jù)倉庫的目錄所有的Table數(shù)據(jù)（不包括ExternalTable）都保存在這個目錄中。刪除表時，元數(shù)據(jù)與數(shù)據(jù)都會被刪除Hive的數(shù)據(jù)模型-內(nèi)部表創(chuàng)建數(shù)據(jù)文件inner_table.dat創(chuàng)建表hive>createtableinner_table(keystring);加載數(shù)據(jù)hive>loaddatalocalinpath'/root/inner_table.dat'intotableinner_table;查看數(shù)據(jù)select*frominner_tableselectcount(*)frominner_table刪除表droptableinner_tableHive的數(shù)據(jù)模型-分區(qū)表Partition對應于數(shù)據(jù)庫的Partition列的密集索引在Hive中，表中的一個Partition對應于表下的一個目錄，所有的Partition的數(shù)據(jù)都存儲在對應的目錄中例如：test表中包含date和city兩個Partition，則對應于date=20130201,city=bj的HDFS子目錄為：/warehouse/test/date=20130201/city=bj對應于date=20130202,city=sh的HDFS子目錄為；/warehouse/test/date=20130202/city=shHive的數(shù)據(jù)模型-分區(qū)表CREATE

TABLEtmp_table#表名(titlestring,

#字段名稱字段類型minimum_biddouble,quantitybigint,have_invoicebigint)COMMENT'注釋：XXX'

#表注釋

PARTITIONEDBY(ptSTRING)

#分區(qū)表字段（如果你文件非常之大的話，采用分區(qū)表可以快過濾出按分區(qū)字段劃分的數(shù)據(jù)）

ROWFORMATDELIMITED

FIELDSTERMINATEDBY

'\001'

#字段是用什么分割開的STOREDASSEQUENCEFILE;#用哪種方式存儲數(shù)據(jù)，SEQUENCEFILE是hadoop自帶的文件壓縮格式一些相關命令SHOW

TABLES;#查看所有的表SHOW

TABLES

'*TMP*';#支持模糊查詢SHOWPARTITIONSTMP_TABLE;#查看表有哪些分區(qū)DESCRIBE

TMP_TABLE;#查看表結構Hive的數(shù)據(jù)模型-分區(qū)表創(chuàng)建數(shù)據(jù)文件partition_table.dat創(chuàng)建表createtablepartition_table(rectimestring,msisdnstring)partitionedby(daytimestring,citystring)rowformatdelimitedfieldsterminatedby'\t'storedasTEXTFILE;加載數(shù)據(jù)到分區(qū)loaddatalocalinpath'/home/partition_table.dat'intotablepartition_tablepartition(daytime='2013-02-01',city='bj');查看數(shù)據(jù)select*frompartition_tableselectcount(*)frompartition_table?刪除表droptablepartition_tableHive的數(shù)據(jù)模型-分區(qū)表altertablepartition_tableaddpartition(daytime='2013-02-04',city='bj');通過loaddata加載數(shù)據(jù)altertablepartition_tabledroppartition(daytime='2013-02-04',city='bj')元數(shù)據(jù)，數(shù)據(jù)文件刪除，但目錄daytime=2013-02-04還在Hive的數(shù)據(jù)模型—桶表桶表是對數(shù)據(jù)進行哈希取值，然后放到不同文件中存儲。創(chuàng)建表 createtablebucket_table(idstring)clusteredby(id)into4buckets; 加載數(shù)據(jù) sethive.enforce.bucketing=true; insertintotablebucket_tableselectnamefromstu; insertoverwritetablebucket_tableselectnamefromstu;數(shù)據(jù)加載到桶表時，會對字段取hash值，然后與桶的數(shù)量取模。把數(shù)據(jù)放到對應的文件中。抽樣查詢 select*frombucket_tabletablesample(bucket1outof4onid);Hive的數(shù)據(jù)模型-外部表指向已經(jīng)在HDFS中存在的數(shù)據(jù)，可以創(chuàng)建Partition它和內(nèi)部表在元數(shù)據(jù)的組織上是相同的，而實際數(shù)據(jù)的存儲則有較大的差異內(nèi)部表的創(chuàng)建過程和數(shù)據(jù)加載過程（這兩個過程可以在同一個語句中完成），在加載數(shù)據(jù)的過程中，實際數(shù)據(jù)會被移動到數(shù)據(jù)倉庫目錄中；之后對數(shù)據(jù)對訪問將會直接在數(shù)據(jù)倉庫目錄中完成。刪除表時，表中的數(shù)據(jù)和元數(shù)據(jù)將會被同時刪除外部表只有一個過程，加載數(shù)據(jù)和創(chuàng)建表同時完成，并不會移動到數(shù)據(jù)倉庫目錄中，只是與外部數(shù)據(jù)建立一個鏈接。當刪除一個外部表時，僅刪除該鏈接Hive的數(shù)據(jù)模型-外部表CREATEEXTERNALTABLEpage_view(viewTimeINT,

useridBIGINT,page_urlSTRING,

referrer_urlSTRING,

ipSTRINGCOMMENT'IPAddressoftheUser',countrySTRINGCOMMENT'countryoforigination‘)COMMENT'Thisisthestagingpageviewtable'ROWFORMATDELIMITEDFIELDSTERMINATEDBY

'44'

LINES TERMINATEDBY

'12'STOREDASTEXTFILELOCATION'hdfs://centos:9000/user/data/staging/page_view';Hive的數(shù)據(jù)模型-外部表創(chuàng)建數(shù)據(jù)文件external_table.dat創(chuàng)建表hive>createexternaltableexternal_table1(keystring)ROWFORMATDELIMITEDFIELDSTERMINATEDBY'\t'location'/home/external';在HDFS創(chuàng)建目錄/home/external#hadoopfs-put/home/external_table.dat/home/external加載數(shù)據(jù)LOADDATAINPATH'/home/external_table1.dat'INTOTABLEexternal_table1;查看數(shù)據(jù)select*fromexternal_tableselectcount(*)fromexternal_table刪除表droptableexternal_table視圖操作視圖的創(chuàng)建CREATEVIEWv1ASselect*fromt1;表的操作表的修改altertabletarget_tabaddcolumns(cols,string)表的刪除droptable導入數(shù)據(jù)當數(shù)據(jù)被加載至表中時，不會對數(shù)據(jù)進行任何轉換。Load操作只是將數(shù)據(jù)復制/移動至Hive表對應的位置。LOADDATA[LOCAL]INPATH'filepath'[OVERWRITE]

INTOTABLEtablename

[PARTITION(partcol1=val1,partcol2=val2...)]把一個Hive表導入到另一個已建Hive表INSERTOVERWRITETABLEtablename[PARTITION(partcol1=val1,partcol2=val2...)]select_statementFROMfrom_statementCTASCREATE[EXTERNAL]TABLE[IFNOTEXISTS]table_name (col_namedata_type,...) … ASSELECT…例：createtablenew_external_testasselect*fromexternal_table1;查詢selectSELECT[ALL|DISTINCT]select_expr,select_expr,... FROMtable_reference [WHEREwhere_condition] [GROUPBYcol_list] [CLUSTERBYcol_list|[DISTRIBUTEBYcol_list][SORTBYcol_list]|[ORDERBYcol_list]] [LIMITnumber]DISTRIBUTEBY指定分發(fā)器（Partitioner）,多Reducer可用查詢基于Partition的查詢一般SELECT查詢是全表掃描。但如果是分區(qū)表，查詢就可以利用分區(qū)剪枝（inputpruning）的特性，類似“分區(qū)索引“”，只掃描一個表中它關心的那一部分。Hive當前的實現(xiàn)是，只有分區(qū)斷言（Partitionedby）出現(xiàn)在離FROM子句最近的那個WHERE子句中，才會啟用分區(qū)剪枝。例如，如果page_views表（按天分區(qū)）使用date列分區(qū)，以下語句只會讀取分區(qū)為‘2008-03-01’的數(shù)據(jù)。

SELECTpage_views.*FROMpage_views