Hive基础
hadoop fs =dfs
hadoop fs -ls /
hadoop fs -put 本地 hadoop路径
hadoop fs -cat hadoop路径
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表,并且提高类SQL的查询功能。
Hive的本质是:将HQL转化成MapReduce程序
Hive的优缺点:
优点:
-
-
操作接口采用类SQL语法,提供快速开发的能力(简单、容易上手)。
-
避免了去写MapReduce,减少开发人员的学习成本。
-
Hive的执行延迟比较高,因此Hive常用于数据分析,对实时性要求不高的场合。
-
-
-
Hive优势在于处理大数据,对于处理小数据没有优势,因为Hive的执行延迟比较高。
-
-
-
Hive支持用户自定义函数,用户可以根据自己的需求来实现自己的函数。
-
2 不足
-
1)Hive的HQL表达能力有限如:在数据挖掘、迭代式算法等方面
-
2)Hive的效率比较低
-
Hive自动生成的MapReduce作业,通常情况下不够智能化
-
Hive调优比较困难
Hive与sql的区别:
-
1 查询语言
由于SQL被广泛的应用在数据仓库中,因此,专门针对Hive的特性设计了类SQL的查询语言HQL。熟悉SQL开发的开发者可以很方便的使用Hive进行开发。
-
2 数据存储位置
Hive是建立在Hadoop之上的,所有Hive的数据都是存储在HDFS中的。
-
3 数据更新
由于Hive是针对数据仓库应用设计的,而数据仓库的内容是读多写少的。因此,Hive中不建议对数据的改写,所有的数据都是在加载的时候确定好的。而数据库中的数据通常是需要经常进行修改的,因此可以使用INSERTINTO…VALUES添加数据,使用UPDATE…SET修改数据
-
4 索引
Hive在加载数据的过程中不会对数据进行任何处理,甚至不会对数据进行扫描,因此也没有对数据中的某些Key建立索引。Hive要访问数据中满足条件的特定值时,需要暴力扫描整个数据,因此访问延迟较高。由于MapReduce的引入,Hive可以并行访问数据,因此即使没有索引,对于大数据量的访问,Hive仍然可以体现出优势。数据库中,通常会针对一个或者几个列建立索引,因此对于少量的特定条件的数据的访问,数据库可以有很高的效率,较低的延迟。由于数据的访问延迟较高,决定了Hive不适合在线数据查询。
-
5执行
Hive中大多数查询的执行是通过Hadoop提供的MapReduce来实现的。而数据库通常有自己的执行引擎。
-
6 执行延迟
Hive在查询数据的时候,由于没有索引,需要扫描整个表,因此延迟较高。另外一个导致Hive执行延迟高的因素是MapReduce框架。由于MapReduce本身具有较高的延迟,因此在利用MapReduce执行Hive查询时,也会有较高的延迟。相对的,数据库的执行延迟较低。
当然,这个低是有条件的,即数据规模较小,当数据规模大到超过数据库的处理能力的时候,Hive的并行计算显然能体现出优势。
元数据:Metastore 表的结构,存放位置,字段,目录等
数据仓库一般是存多改少,多查询
数据类型:int bigint BOOLEAN STRING float double TimeStamp(时间类型)
array<类型> 数组类型 [1,2,3,6,9]
map<类型,类型> {"a":18,"c":82} 键值对的形式 建和值都是不固定的
struct() {"street":"a","city":"abd","street":"b","city":"ccc"} 我们发现每一组的键是固定的 值是不定的
数据类型转化: 低精度可以转化高精度 int-------------> double
函数实现类型转化:
**CAST("字符串" AS INT) 将字符串转化为整数**
**select cast(id as int) as id 把这个字段转化为int类型**
库管理:
hive数据库是默认存放在:/user/hive/warehouse/*.db
create database ;
drop database 库名 cascade ;(cascade)表示级联删除 在数据库不为空的情况下
表管理:
//外表==元数据+实际数据
//内部表 数据会移动到数据仓库的路径
删除内部表 元数据+数据都会删除
删除外部表 只会删除元数据(表结构信息),数据表不会删除
CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name
[(col_name data_type [COMMENT col_comment], ...)]
[COMMENT table_comment] //表的注释信息
[PARTITIONED BY (col_namedata_type [COMMENT col_comment], ...)] //分区表
[CLUSTERED BY (col_name, col_name, ...)//分桶表
[SORTED BY (col_name [ASC|DESC], ...)] INTO num_bucketsBUCKETS]
[ROW FORMAT row_format]
[STORED AS file_format]//指定存储文件类型
[LOCATION hdfs_path](外部表的时候才会使用)(真实数据存放的位置)
内部表
create table if not exists student2(
id int, name string)
row format delimited fields terminated by '\t'
stored as textfile
location '/user/hive/warehouse/student2';
外部表
create external table if not exists ext_stu(
id String,``name String,``age int)
row format delimited fields terminated by ', '
location '/usr/test_data/'; // 这里是指定存放的那份数据 不是表结构信息
查看表结构信息:desc formatted 表;
转化为内部表:alter table ext_stu set tblproperties('EXTERNAL'='FALSE');
转化为外部表:alter table ext_stu set tblproperties('EXTERNAL'='TRUE');
分区表:
就是按照某个字段划分数据,相同的放在一块
create table stu_partition(
name String, Phone_NO String)
partitioned by (class String) //分区字段不包含在成员字段
row format delimited fields terminated by '\t';
加载数据:partition partition
load data local inpath '/usr/test_data/dsj-1.txt' into table school.stu_partition partition(class='dsj-1');
load data local inpath '/usr/test_data/dsj-2.txt' into table school.stu_partition partition(class='dsj-2');
查询:
select * from stu_partition where class=‘dsj-1’ 分区查询
select * from stu_partition; 全表查询
同时创建多个分区:alter table stu_partition add partition(class=‘dsj-2’) partition(class=‘dsj-3’);
查看分区:show partitions stu_partition;
删除分区:alter table stu_partition drop partition(class=‘dsj-2'),partition(class=‘dsj-3');
二级分区:
create table stu_partition2(
name String, Phone_NO String)partitioned by (class String,year int)
row format delimited fields terminated by '\t';
二级分区导入数据:
load data local inpath '/usr/test_data/dsj-1.txt' into table school.stu_partition2 partition(class='dsj-1',year='2018');
查询二级分区:
select * from school.stu_partition2 where class='dsj-1' and year='2018';
修改表:alter table 名 rename to 新名;
增加列:alter table stu2 add columns (pid int) ;
修改列:alter table stu2 change pid tab_id int ;
删除表:drop table 表名;
数据导入
load data [local] inpath '/opt/module/datas/student.txt' [overwrite]|into table student[partition (partcol1=val1,…)];
-
1)load data:表示加载数据
-
2)local:表示从本地加载数据到hive表;否则从HDFS加载数据到hive表
-
3)inpath:表示加载数据的路径
-
4)overwrite:表示覆盖表中已有数据,否则表示追加
-
5)into table:表示加载到哪张表
-
6)student:表示具体的表
-
7)partition:表示上传到指定分区
插入数据:
insert into table school.student_insert values('01','zhangsan',22); //追加
insert overwrite table school.student_insert values('03',‘wangwu',24); //覆盖
数据导出:
将查询结果导出得到本地Linux:
insert overwrite local directory '/user/test_data/export/student' select * from student;
将查询结果导出到本地并且重新设置分隔符:
insert overwrite local directory '/user/test_data/export/student1'
ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' select * from student;
将查询结果导出到HDFS:
insert overwrite directory '/usr/test_data/export/student' select * from student;