hive的安装与简单入门
1 HIVE简单介绍
1.1什么是 Hive
Hive:由 Facebook 开源用于解决海量结构化日志的数据统计。
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,并提供类 SQL 查询功能。
本质是:将HQL 转化成 MapReduce 程序
1.2Hive 架构原理
1.3Hive 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。
2 HIVE安装
2.1 下载地址
http://archive.apache.org/dist/hive/
github: https://github.com/apache/hive
2.2 hive 安装部署
[hadoop@mini01 ~]$ tar -zxvf apache-hive-1.2.1-bin.tar.gz -C ~/install
[hadoop@mini01 ~]$ cd install
[hadoop@mini01 install]$ mv apache-hive-1.2.1-bin.tar.gz hive
[hadoop@mini01 install]$ cd hive/conf
[hadoop@mini01 conf]$ mv hive-env.sh.template hive-env.sh
- (a)配置 HADOOP_HOME 路径
export HADOOP_HOME=/home/hadoop/install/hadoop-2.7.2 - (b)配置HIVE_CONF_DIR 路径
exportHIVE_CONF_DIR=/home/hadoop/install/hive/conf
3.启动HIVE
3.1启动hadoop
[hadoop@mini01 ~]$ start-dfs.sh
[hadoop@mini01 ~]$ start-yarn.sh
3.2在hdfs上新建/tmp目录和/user/hive/warehouse
[hadoop@mini01 ~]$ hdfs dfs -mkdir /tmp
[hadoop@mini01 ~]$ hdfs dfs -mkdir -p /user/hive/warehouse
3.3启动hive
[hadoop@mini01 ~]$ /home/hadoop/hive/bin/hive
4.HIVE基本操作
- 查看数据库
hive > show database;
- 使用默认数据库
hive > use default;
- 创建表
hive > create table student(id int, name string) ;
- 查看表的结构
hive > desc student;
- 向表中插入数据
hive > insert into student values(1000,"ss");
HQL语句是类SQL语句
5.HIVE的基本数据类型
Hive数据类型 | Java数据类型 | 长度 | 例子 |
---|---|---|---|
TINYINT | byte | 1byte 有符号整数 | 20 |
SMALINT | short | 2byte 有符号整数 | 20 |
INT | int | 4byte 有符号整数 | 20 |
BIGINT | long | 8byte 有符号整数 | 20 |
BOOLEAN | boolean | 布尔类型,true 或者false | TRUE FALSE |
FLOAT | float | 单精度浮点数 | 3.14159 |
DOUBLE | double | 双精度浮点数 | 3.14159 |
STRING | string | 字符系列。可以指定字符集。可以使用单引号或者双引号 | ‘now is the time’ “for all good men” |
TIMESTAMP | 时间类型 | ||
BINARY | 字节数组 |
对于Hive 的 String 类型相当于数据库的 varchar 类型,该类型是一个可变的字符串, 不过它不能声明其中最多能存储多少个字符,理论上它可以存储 2GB 的字符数。
5.2集合类型
数据类型 | 描述 | 语法示例 |
---|---|---|
STRUCT | 和 c 语言中的 struct 类似,都可以通过“点” 符号访问元素内容。例如,如果某个列的数据类型是 STRUCT{first STRING, lastSTRING}, 那么第 1 个元素可以通过字段.first 来引用。 | struct() |
MAP | MAP 是一组键-值对元组集合,使用数组表示法可以访问数据。例如,如果某个列的数据类型是 MAP ,其中键-> 值对是’first’->’John’和’last’->’Doe’,那么可以通过字段名[‘last’]获取最后一个元素 | map() |
ARRAY | 数组是一组具有相同类型和名称的变量的集合。这些变量称为数组的元素,每个数组元素都有一个编号,编号从零开始。例如,数组值为[‘John’, ‘Doe’],那么第 2 个元素可以通过数组名[1]进行引用 | Array() |
基于上述数据结构,我们在 Hive 里创建对应的表,并导入数据
创建本地文件test.txt
songsong,bingbing_lili,xiao song:18_xiaoxiao song:19,hui long guan_beijing
yangyang,caicai_susu,xiao yang:18_xiaoxiao yang:19,chao yang_beijing
Hive 上创建测试表 test
hive> create table test( name string,
> friends array<string>, children map<string, int>,
> address struct<street:string, city:string>)
> row format delimited fields terminated by ',' collection items terminated by '_'
> map keys terminated by ':'
> lines terminated by '\n';
OK
Time taken: 35.772 seconds
hive>
读取数据到表中
hive> load data local inpath '/home/hadoop/test/test.txt' into table test;
访问三种集合列里的数据,以下分别是 ARRAY,MAP,STRUCT 的访问方式
hive> select friends[1],children['xiao song'],address.city
> from test where name="songsong";
OK
lili 18 beijing
Time taken: 4.662 seconds, Fetched: 1 row(s)