生产实习Day7 ---- Hive介绍

概要

Hive是基于Hadoop的数据仓库工具。可以用于存储在Hadoop集群中的HDFS文件数据集进行数据整理、特殊查询和分析处理。Hive提供了类似于关系型数据库SQL语言的HiveQL工具，通过HQL（HiveQL）可以快速实现简单的MapReduce统计。

整体架构流程

Hive服务端组件：

• Driver组件：该组件包括Complier（编译）、Optimizer（优化）和Executor（执行），它的作用是将HiveQL（类SQL）语句进行解析、编译优化、生成执行计划，然后调用底层的MapReduce计算框架。
• Metastore组件：元数据服务组件，这个组件用于存储Hive的元数据，Hive的元数据存储在关系数据库里，Hive支持的关系数据库有Derby和Mysql，它的作用是客户端连接metastore服务，metastore再去连接MySQL数据库来存取元数据。
• HiveServer2服务：用来进行可扩展且跨语言的服务的开发，Hive集成了该服务，能让不同的编程语言调用Hive的接口，还可做权限管理。

客户端组件：

• CLI：Command Line Interface,命令行接口。
• JDBC/ODBC：Hive架构的JDBC和ODBC接口是建立在HiveServer2客户端之上。
• WEBGUI：Hive客户端提供了一种通过网页的方式访问Hive所提供的服务。这个接口对应Hive的HWI组件，使用前要启动HWI服务。

Hive数据库操作

• 创建数据库

CREATE DATABASE [IF NOT EXISTS] database_name
[COMMENT database_comment]
[LOCATION hdfs_path]
[WITH DBPROPERTIES (property_name=property_value, …)];

其中：WITH DBPROPERTIES ，用来指定数据属性数据。

--创建带有属性的数据库
create database testdb WITH DBPROPERTIES ('creator' = 'tp', 'date' = '2024-06-12');
--显示创建语句
show create database testdb;

--显示所有数据库
show databases;

• 删除数据库
  DROP DATABASE [IF EXISTS] database_name [RESTRICT|CASCADE];

注：

• RESTRICT：严格模式，若数据库不为空，则会删除失败，默认为该模式。
• CASCADE：级联模式，若数据库不为空，则会将库中的表一并删除。

建表语法

-- EXTERNAL 代表外部表                                  
CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name 
  [(col_name data_type [COMMENT col_comment], ...)] 
  [COMMENT table_comment] 
-- 分区表设置 分区的字段和类型
  [PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)] 
-- 桶表设置 按照什么字段进行分桶
  [CLUSTERED BY (col_name, col_name, ...) 
-- 桶内的文件 是按照 什么字段排序   分多少个桶
  [SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] 
-- 分隔符 + 序列化反序列化
  [ROW FORMAT row_format] 
-- 输入输出格式
  [STORED AS file_format] 
-- 表所对应的hdfs目录
  [LOCATION hdfs_path]  

表分类

• 内部表

​ 内部表又称受控表，当删除内部表的时候，存储在文件系统上的数据（例

如HDFS上的数据）和元数据都会被删除。先有内部表，再向表中插入数据

--创建inner_test表(内部表)
CREATE TABLE inner_test(word string, num int); 

删除内部表，表对应的hdfs目录也一并删除

-- 创建emp职工表（内部表）
CREATE TABLE emp(
empno int, 
ename string,
job string, 
mgr int, 
hiredate string,
sal double, 
comm double, 
deptno int)ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';

• 外部表

创建外部表需要使用EXTERNAL关键字，当删除外部表的时候，只删除元

数据，不删除数据。

​ 使用场景，例如：某个公司的原始日志数据存放在一个目录中，多个部

门对这些原始数据进行分析，那么创建外部表就是比较好的选择了，因为即

使删除了外部表，原始数据并不会被删除。

• 分区表

分区表是为了防止暴力扫描全表，提高查询效率。分区字段在源文件中是

不存在的，需要在添加数据的时候手动指定。

​ 每一个分区对应一个目录。通过partitioned by来在创建分区表的时候添

加分区字段。分区表可以是内部表，也可以是外部表。

​ 使用场景：可以通过分区表，将每天搜集的数据进行区分，查询统计的时

候通过指定分区，提高查询效率。

• 分桶表

​ 桶是比表或分区更为细粒度的数据范围划分。针对某一列进行桶的组织，对列值哈希，然后除以桶的个数求余，决定将该条记录存放到哪个桶中。