RHive基础函数

加载RHive

library(RHive)

在加载之前，首先要配置HADOOP_HOME和HIVE_HOME环境变量。
也可临时设置环境变量：

Sys.setenv(HIVE_HOME=”/service/hive-0.7.1”)
Sys.setenv(HADOOP_HOME=”/service/hadoop-0.20.203.0”)
library(RHive)
rhive.init

环境变量配置后自动启动，或

rhive.init(hive='/path/to/hive',hadoop_home='/path/to/hadoop'[,hadoop_conf='/path/to/hadoop_conf'])
rhive.connect
rhiveConnection <- rhive.connect(“10.1.1.1”)

rhive.query

hive支持SQL语句，特别和MySQL很像。rhive.query发送SQL语句到hive并从hive中接收结果。
例：resultDF <- rhive.query(‘SELECT * FROM usarrests’)
resultDF是一个data frame。
一个注意的事情：如果 抽取的数据超出RHive服务器内存或电脑的内存，将会出现错误。但是可以先创建一个临时表，把结果放入进去：

rhive.query(“
CREATE TABLE new_usarrests(
  rowname  string,
  murder  double,
  assault  int,
  urbanpop  int,
  rape  double
)”)
rhive.query(“INSERT OVERWRITE TABLE new_usarrests SELECT * FROM usarrests”)

rhive.close

结束使用Hive,，不再使用RHive其他函数，则可断开连接

conn <- rhive.connect()
rhive.close(conn)

rhive.list.tables

返回Hive中所有的表，同rhive.query(“SHOW TABELS”)一样

rhive.desc.table

描述所选择的表
rhive.desc.table(“usarrests”)， 和rhive.query(“DESC usarrests”)一样。

rhive.load.table

和R的data.frame对象一样

df <- rhive.load.table(“usarrests”)

和df <- rhive.query(“SELECT * FROM usarrests”)相同

rhive.write.table

如果你想在Hive加入一张表，你必须首先创建一张表，但使用rhive.write.table，就不需要创建一张表了，直接把R的数据框插入Hive中就可以了。
rhive.write.table(UScrime)， UScrime是R的一个数据框
如果Hive中表已存在，则会出现错误

rhive.basic.cut

rhive.basic.cut把表中的数值列转化为因子列。首先将数值列的范围切分成区间，再把区间内的数值转化为因子。rhive.basic.cut接受6个参数，tablename,col,breaks,right,summary和forcedRef。breaks是数值列的切割点；right表示区间的开闭，TRUE为左开右闭，FALSE相反；summary=TRUE分割数值计数对应于各个区间，如果FALSE，返回一个由因子表更新的新表的表名；forcedRef=TRUE返回一个表名而不是数据框。
summary=FALSE:

summary=TRUE:

rhive.basic.xtabs

rhive.basic.xtabs从交叉分类因子中创建一个列联表，参数为一个formula对象和一个表名，返回一个矩阵形式的列联表。
esoph数据：

rhive.basic.t.test

rhive.basic.t.test应用Welch t检验，检验双样本均值差是否有差异，原假设为两样本均值差不等于0，双边检验。
下面检验了iris的sepal length和petal length的均值差，注意函数是怎样调用sepal length和petal length的。

p值为0，接受备择假设，说明两者均值确有差异。

rhive.basic.scale

rhive.basic.scale把数值数据转化为0均值，标准差为1的数据。第一个参数为表名，第二个参数为输出的列名。
返回的列表中，增加了一个“scaled_column name”的列，并保存为字符串，它是可编辑的。

rhive.basic.by

rhive.basic.by把特定的列分组。
下面代码是对species分组（group by），然后对sepallength应用sum函数并返回结果。返回结果中会发现每一种类和sepallength的和。

rhive.basic.merge

rhive.basic.merge依据相同的行融合两个表。类似SQL中的join。

rhive.basic.range

返回最大和最小值