第十二天 - Hive基本操作 - Hive导入数据、统计数据 - HiveJDBC操作Hive
一、Hive基础知识补充
概念
- Hive可以通过HiveJDBC进行操作，方便应用的封装
- Hive有内置函数和语法，也可以编写自定义函数
- Hive的数据类型，大部分与java中一致，其中long在hive中为bigint
- 创建数据表时，需要和数据文件结构(数据类型、列数等)对应，特别是分隔符要正确
- Hive默认不支持update和delete语句,但是可以通过函数实现，insert语句执行较慢，一般采用导入文件数据进行导入
- Hive主要用于数据计算
Hive基本操作(二)
切换数据库
use {dbName};
删除数据库
drop database [if exists] {dbName} [cascade];
查看当前库的所有表
show tables [like ‘*’] [in database];
创建表
create database.table({col_name} {data_type},…)[row format delimited fields terminated by ‘\t’ lines terminated by ‘\n’ ];
[]中用于指定分隔符
增加字段
alter table {tableName} add columns (new_colName data_type);
查看表结构
desc {tableName};
重命名表名
alter table {tableName} rename to {newName};
删除表
drop table if exists {tableName};
导入数据
从本地导入：load data local inpath ‘{localPath}’ into table {dbName.tableName};
从hdfs导入：load data inpath ‘{hdfsPath}’ into table {dbName.tableName};
内部表的数据如果从hdfs中导入，相当于移动操作，原文件会被移动到hive对应的表的文件夹下
二、Hive SQL操作案例一：统计dataflow.log文件中的流量数据
未指定分隔符
在命令行中输入hive进入hive客户端
hive
查看数据库列表
show databases;
切换数据库
use test；
查看当前数据库下的所有表
show tables；
将昨天测试用的两个表删除
drop table t1;
drop table t2;
创建内部表，本次未指定分隔符
create table dataflow(
phoneNumber string,
upflow int,
downflow int
);
从本地导入数据文件“dataflow.log”
load data local inpath ‘/home/bigdata/hadoopTest/dataflow.log’ into table dataflow;
查看表，使用limit关键字限定读取的行数
由于创建表时没有指定正确的列分隔符，所以所有数据都分在了第一列，具体可见对hive的数据基本操作一
指定分隔符
删除表dataflow
drop dataflow；
创建表dataflow，指定分隔符
create table dataflow(
phoneNumber string ,
upflow int,
downflow int
)row format delimited fields terminated by ‘,’;
导入数据
load data local inpath ‘/home/bigdata/hadoopTest/dataflow.log’ into table dataflow;
查看表，由于创建表时指定了正确的分隔符，此时能正确读取
当使用聚合函数、group by 等时，hql将转换成MapReduce进行计算，即涉及到数据计算时才会触发MapReduce转换。
group by相当于MapReduce的mapper阶段，输出keyout，valueout；
聚合函数相当于MapReduce的reducer阶段，执行reduce()方法中的迭代计算。
select phoneNumber,sum(upflow),sum(downflow)
from dataflow
group by phoneNumber;
如果运行进程卡死或者出了问题，可以使用此命令强制结束
运行结果
加上总计流量
三、Hive SQL操作案例二：
通过navicat将sql文件转为txt
导入sql文件
- 新建数据库，注意选择字符集为utf8
- 右键库，运行SQL文件
- 导入完成，刷新数据库
将mysql中已有的数据导入到hive中
右键数据库，选择导出，选择表类型为文本文件(.txt)
每个表作为独立的文件导出，对于每个表需要指定导出路径
列分隔符(默认\t)，日期格式，是否包含该行首(表结构信息)，可以做自动读取表结构信息的功能
导出完成
在导出目录中将会出现导出的txt文件
将数据文件.txt导入到hive中
使用Xftp将文件上传至Linux中
在导入数据文件前需要先创建表，根据表结构创建make、orders、purchaser、type四个表
创建表时需要注意指定分隔符
表make
创建
create table make(
id int,
makeName string
)row format delimited fields terminated by ‘\t’;
导入数据
load data local inpath ‘/home/bigdata/data/make.txt’ into table make;
查看数据
select * from make limit 10;
表orders
创建
id int,
typeId int,
retail int,
purchaserId int
)row format delimited fields terminated by ‘\t’;
导入数据
load data local inpath ‘/home/bigdata/data/orders.txt’ into table orders;
查看数据
select * from orders limit 10;
表purchaser
创建
create table purchaser(
id int,age int,
income bigint,
deposit float
)row format delimited fields terminated by ‘\t’;
导入数据
load data local inpath ‘/home/bigdata/data/purchaser.txt/’ into table purchaser;
查看数据
select * from purchaser limit 10;
表type
创建
create table type(
id int,
typeName string,
energyConsumption float,
makeId int
)row format delimited fields terminated by ‘\t’;
导入数据
load data local inpath ‘/home/bigdata/data/type.txt’ into table type;
查看数据
select * from type
对库中的信息进行查询操作
统计每种车型(type)的成交量，显示车型名称、成交量
SELECT t.typeName,COUNT(o.id) as count
FROM orders o,type t
WHERE o.typeId = t.id
GROUP BY o.typeId;左连接：
SELECT t.typeName,COUNT(o.id) as count
from orders o
LEFT JOIN type t
ON o.typeId = t.id
GROUP BY t.typeName,t.id;
统计每种车型(type)的成交额，显示车型名称、成交额
select typeName,SUM(o.retail) as sum
from orders o,type t
where o.typeId = t.id
GROUP BY o.typeId;左连接：
SELECT t.typeName,SUM(o.retail) as sum
FROM orders o LEFT JOIN type t
ON o.typeId = t.id
GROUP BY t.typeName,o.typeId;
统计每种品牌(make)的成交量，显示品牌名称、成交量
SELECT makeName,SUM(a.typeCount) as count
FROM
(SELECT COUNT(o.id) as typeCount,makeId
FROM
orders o,type t
WHERE o.typeId = t.id
GROUP BY o.typeId) a,make m
WHERE a.makeId = m.id
GROUP BY makeName,m.id;左连接：
select m.makeName,SUM(a.count)
FROM
(SELECT t.makeId,t.typeName,COUNT(o.id) as count
from orders o
LEFT JOIN type t
ON o.typeId = t.id
GROUP BY t.makeId,t.typeName,t.id) as a LEFT JOIN make m
on a.makeId = m.id
GROUP BY m.makeName,m.id;
统计每种品牌(make)的成交额，显示品牌名称、成交额
SELECT makeName,SUM(a.typeSum) as sum
FROM
(SELECT sum(o.retail) as typeSum,makeId
FROM
orders o,type t
WHERE o.typeId = t.id
GROUP BY o.typeId,makeId) a,make m
WHERE a.makeId = m.id
GROUP BY makeName,m.id;左连接：
select m.makeName,SUM(a.sum)
FROM
(SELECT t.makeId,t.typeName,SUM(o.retail) as sum
from orders o
LEFT JOIN type t
ON o.typeId = t.id
GROUP BY t.id,t.makeId,t.typeName) as a LEFT JOIN make m
on a.makeId = m.id
GROUP BY m.id,m.makeName;
统计每个年龄段成交量，显示年龄段和成交量
select FLOOR(p.age/10) ,count(o.retail)
from purchaser p,orders o
where p.id = o.purchaserId
GROUP BY FLOOR(p.age/10)
;左连接：
select FLOOR(p.age/10) ,count(o.retail)
from purchaser p
LEFT JOIN orders o
on p.id = o.purchaserId
GROUP BY FLOOR(p.age/10)
;
统计每个年龄段成交额，显示年龄段和成交额
select FLOOR(p.age/10) ,sum(o.retail)
from purchaser p,orders o
where p.id = o.purchaserId
GROUP BY FLOOR(p.age/10)
;左连接：
select FLOOR(p.age/10) ,sum(o.retail)
from purchaser p
LEFT JOIN orders o
on p.id = o.purchaserId
GROUP BY FLOOR(p.age/10)
;
统计每种汽车排量的成交量，显示汽车排量和成交量
select t.energyConsumption ,count(o.retail)
from orders o,type t
where o.typeId = t.id
GROUP BY t.energyConsumption;左连接：
select t.energyConsumption ,count(o.retail)
from orders o
LEFT JOIN type t
on o.typeId = t.id
GROUP BY t.energyConsumption;
统计每种汽车排量的成交额，显示汽车排量和成交额
select t.energyConsumption ,sum(o.retail)
from orders o,type t
where o.typeId = t.id
GROUP BY t.energyConsumption;左连接：
select t.energyConsumption ,sum(o.retail)
from orders o
LEFT JOIN type t
on o.typeId = t.id
GROUP BY t.energyConsumption;
四、HiveJDBC操作Hive
准备工作
打开HiveJDBC的远程监控服务端口
前台运行，需要一直停留在该命令
hive –service hiveserver2 –hiveconf hive.server2.thrift.port=10010
执行此命令后，会话窗口光标将会一直停留，无法执行新命令，如果此时ctrl+c强行停止命令或者关闭了会话窗口，远程连接的监控服务端口也会关闭
设置为后台运行
hive –service hiveserver2 –hiveconf hive.server2.thrift.port=10010 &
执行此命令后，远程连接的监控服务端口将会在后台运行，但是如果关闭了会话窗口，此端口也会关闭
设置为始终运行状态，此时关闭会话也可以继续运行，但是如果重启机器就需要重新启动服务
nohup hive –service hiveserver2 –hiveconf hive.server2.thrift.port=10010 &
在Eclipse中新建普通Java项目，右键项目新建文件夹lib
导入共11个jar包到lib目录中，并且添加至构建路径
从CentOS中的hive安装路径的conf目录下下载hive-log4j.properties至本地，放在src目录下并重命名为log4j.properties
修改log4j.properties第19行为hive.root.logger=DEBUG,console，作用是在运行时能在控制台输出hive的运行状态信息
控制台输出的信息不全面，如果要查看详细信息需要在CentOS中查看日志文件。日志文件的目录在hive安装路径的conf目录下hive-log4j.properties中配置的路径，
编写代码
Test01.java
import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.ResultSet;
import java.sql.Statement;
public class Test01 {
public static void main(String[] args) throws Exception{
// 1.加载驱动
Class.forName("org.apache.hive.jdbc.HiveDriver");
// 2.打开连接
Connection connection = DriverManager.getConnection("jdbc:hive2://SZ01:10010/test");
// 3.获得操作对象
Statement statement = connection.createStatement();
// 4.操作Hive
String sql = "select a.energyConsumption,sum(b.retail) from orders b LEFT JOIN type a on a.id = b.typeId GROUP BY a.energyConsumption";
// 5.接受结果
ResultSet rs = statement.executeQuery(sql);
while(rs.next()) {
System.out.println(rs.getFloat(1) + " " + rs.getString(2));
}
// 6.关闭连接
rs.close();
statement.close();
connection.close();
}
}运行结果
726
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
