Hive的基本操作

内容提要

l Hive及beeline的命令行操作

l jdbc操作Hive

l Hive函数 

3.1 Hive命令操作

3.1.1 Hive的基本操作

我们长久以来习惯于传统的关系型数据库，并且结构化查询语言（SQL）相对来说也比较容易学习，那么能否将类似于关系型数据库的架构应用到Hadoop文件系统，从而可以使用类SQL语言查询和操作数据呢？Hive应运而生。

Hive提供了一个被称为Hive查询语言（HQL）的SQL方言，来查询存储在Hadoop集群中的数据。Hive就相当于是Mysql，Mysql的底层存储引擎是InnoDB，而Hive的引擎就是Hadoop的MapReduce，或者Spark，Hive会将不多数的查询转换成MapReduce任务或者Spark任务，这样就巧妙地将传统SQL语言和Hadoop生态系统结合起来，使仅会SQL的人员就可以轻松编写数据分析任务。

Hive是一个数据仓库，OLAP在线分析处理，用于统计或聚合函数等，不支持行级别的删改。它的数据建立在Hadoop之上，数据存储在HDFS上，但是它的Metastore默认存到Derby数据库当中，也可以存到外部数据库Mysql中。

接下来是对Hive的一些基本操作命令，

（1）desc database（extended）mybase(数据库名称) ; //查看数据库信息（括号内的可加可不加）extended表示扩展信息。

（2）alter database mybase set dbproperties ('created'='xpc'); //修改数据库，增加属性。

（3）create database mybase comment 'this is my first base'; //为数据库增加描述信息。

（4）create database mybase location '/x/x/x/x' ; //指定数据库存放hdfs的位置。

（5）create table default.test1 like mybase.test; //复制表结构，将mybase中test表的结构复制到default中的test1表中。

（6）load data local inpath '/x/x/x' overwrite into table xx ; //上传本地数据到hdfs中。

（7）load data inpath '/x/x/x' into table xx; //移动hdfs文件系统上的数据文件。

（8）insert into mybase.test2 select * from default.test0 where id >1203; //从default.test0中查找id>1203，插入到mybase.test2中。

（9）create table mybase.test3 as select * from default.test0; //复制表（表结构+数据）。

（10）select distinct id,name from xx ; //查询数据时重复的数据不要。

（11）insert into test2(id,name,age) values(5,'kk',22); //向表中插入一组数据。

（12）select all id,name,age from test2; //查询相同字段。

（13）select a.*,b,* from customers a inner join orders b on a.id=b.cid;

select a.*,b,* from customers a , orders b where a.id=b.id; //内连接。

（14）select * from test2 union select * from test2; //join是连接操作，union（纵向），join（横向）。

（15）select id,name from customers union all select id,orderno from orders; //union all是将多个结果合并输出。

3.1.2 Hive视图-索引

本小节主要介绍如何创建和管理视图以及索引，以及一些简单的连接表的操作，比如union、join等。

当使用Hive的表数据作为输入源时，有些情况下，Hive中的表定义和数据并不能满足分析的需求，例如有些列的值需要进行处理，有些列的类型不满足需求，甚至有时候我们在创建Hive表时为了方便快捷，会将Hive表的所有列的字段类型都定义为string，因此很多情况下使用之前需要对Hive上的数据格式等问题进行适当的处理。但是如果在Hive中通过修改原表来解决上面的问题，比如使用alter table 的方式修改原始表的Schema信息未免会对其他依赖Hive的组件有所影响（例如可能导致通过Sqoop等方式导入数据失败），而且也有可能导致之前的作业无法正常运行。于是我们需要考虑在不改变原表的情况下解决这个问题，我们想到的方案是使用Hive的视图。 Hive视图有几个特点：（1）不支持物化视图，物理文件并不存在。虚拟表也是表，但能显示出来。（2）只能查询，不能做加载数据操作。（3）视图的创建，只是保存一份元数据，查询视图时才执行对应的子查询。（4）view定义中若包含了ORDER BY/LIMIT语句，当查询视图时也进行ORDER BY/LIMIT语句操作，视图当中定义的优先级更高。（5）view支持迭代视图

接下来是对视图的一个简单的操作实例。

首先创建一个Hive表：

create table test2(id int,name String,age int)row format delimited fields terminated by '\t'（lines terminated by '\n' ）stored as textfile；

然后建立一个test.txt文件，使用Hadoop的put命令将该文件上传到HDFS上的/user/hive/warehouse/myhive.db/test2目录下，其内容为：

1 tom 12

2 tomas 13

3 tomaslee 14

在创建好表并且在Hadoop上存储数据之后，可以使用load命令将该数据加载到表中，具体代码如下，

load data inpath ‘/user/hive/warehouse/myhive.db/test2/test.txt’ into table test2;

将数据加载到表中之后，可以使用select查询语句检查以上操作是否成功（此方法是通用方法，也可以在创建Hive表的时候使用location参数来指定HDFS上对应的数据目录，但此方法需要了解Hive的分区操作，关于Hive的分区操作将在3.1.4小节中做详细讲解。）。

如果数据已经可以正常访问到，即Hive的数据插入操作已成功，接下来需要把该Hive表作为两个表，使用自连接方法将两个表连接在一起，具体代码如下，

select a.*,b.* from test2 a,test2 b where a.id=b.id;

运行结果如下：

hive> select a.*,b.* from test2 a,test2 b where a.id=b.id;

WARNING: Hive-on-MR is deprecated in Hive 2 and may not be available in the future versions. Consider using a different execution engine (i.e. tez, spark) or using Hive 1.X releases.

Query ID = lvqianqian_20181117015844_9f01950b-1f03-425d-9fcf-e721e2027419

Total jobs = 1

SLF4J: Class path contains multiple SLF4J bindings.

SLF4J: Found binding in [jar:file:/home/hadoop/software/apache-hive-2.0.0- bin/lib/hive-jdbc-2.0.0-standalone.jar!/org/slf4j/impl/StaticLoggerBinder.class]

SLF4J: Found binding in [jar:file:/home/hadoop/software/apache-hive-2.0.0- bin/lib/log4j-slf4j-impl-2.4.1.jar!/org/slf4j/impl/StaticLoggerBinder.class]

SLF4J: Found binding in [jar:file:/home/hadoop/software/hadoop-2.7.3/share/ hadoop/common/lib/slf4j-log4j12-1.7.10.jar!/org/slf4j/impl/StaticLoggerBinder.class]

SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.

SLF4J: Actual binding is of type [org.apache.logging.slf4j.Log4jLoggerFactory]

Execution log at: /tmp/lvqianqian/lvqianqian_20181117015844_9f01950b-1f03- 425d-9fcf-e721e2027419.log

2018-11-17 02:19:30 Starting to launch local task to process map join; maximum memory = 518979584

2018-11-17 02:19:43 Dump the side-table for tag: 0 with group count: 3 into file:file:/tmp/lvqianqian/eb51cfa6-0d1c-477d-a813-6d3d85788098/hive_2018-11-17_02-18-57_302_5305750774273816210-1/-local-10004/HashTable-Stage-3/MapJoin-mapfile00--.hashtable

2018-11-17 02:19:44 Uploaded 1 File to: file:/tmp/lvqianqian/eb51cfa6-0d1c-477d-a813-6d3d85788098/hive_2018-11-17_02-18-57_302_5305750774273816210-1/-local-10004/HashTable-Stage-3/MapJoin-mapfile00--.hashtable (334 bytes)

2018-11-17 02:19:44 End of local task; Time Taken: 13.762 sec.

Execution completed successfully

MapredLocal task succeeded

Launching Job 1 out of 1

Number of reduce tasks is set to 0 since there's no reduce operator

Starting Job = job_1479375079365_0001, Tracking URL = http://hadoop0:8888/ proxy/application_1479375079365_0001/

Kill Command = /home/hadoop/software/hadoop-2.7.3/bin/hadoop job -kill job_1479375079365_0001

Hadoop job information for Stage-3: number of mappers: 1; number of reducers: 0

2018-11-17 02:27:33,482 Stage-3 map = 0%, reduce = 0%

2018-11-17 02:27:37,017 Stage-3 map = 100%, reduce = 0%, Cumulative CPU 3.25 sec

MapReduce Total cumulative CPU time: 3 seconds 250 msec

Ended Job = job_1479375079365_0001

MapReduce Jobs Launched:

Stage-Stage-3: Map: 1 Cumulative CPU: 3.25 sec HDFS Read: 6661 HDFS Write: 377210 SUCCESS

Total MapReduce CPU Time Spent: 3 seconds 250 msec

OK

1 tom 12 1 tom 12

2 yons 13 2 yons 13

3 yarn 14 3 yarn 14

Time taken: 522.964 seconds, Fetched: 3 row(s)

在执行上面的语句之后，如果输出以上结果，代表语句输入成功，因此可以将该结果保存到一个新表中，用于以后的分析操作，该表命名为res，具体的代码以及运行过程如下所示，

create table res as select a.*,b.* from test2 a,test2 b where a.id=b.id;//会报错，显示id重复，于是create table res as select a.