Hive学习笔记

---

前言

提示：部分内容总结自https://www.bilibili.com/video/BV1CU4y1N7Sh?p=27&spm_id_from=pageDriver，仅供学习

数据仓库介绍

数据仓库（英语：Data Warehouse，简称数仓、DW）,是一个用于存储、分析、报告的数据系统。
数据仓库的目的是构建面向分析的集成化数据环境，分析结果为企业提供决策支持（Decision Support）。

数仓专注分析

• 数据仓库本身并不“生产”任何数据，其数据来源于不同外部系统；
• 同时数据仓库自身也不需要“消费”任何的数据，其结果开放给各个外部应用使用；
• 这也是为什么叫“仓库”，而不叫“工厂”的原因。

简介

• Hive 由 Facebook 实现并开源，是基于 Hadoop 的一个数据仓库工具，可以将结构化的数据映射为一张数据库表，并提供 HQL(Hive SQL)查询功能，底层数据是存储在 HDFS 上。
• Hive 本质: 将 SQL 语句转换为 MapReduce 任务运行，使不熟悉 MapReduce 的用户很方便地利用 HQL 处理和计算 HDFS 上的结构化的数据,是一款基于 HDFS 的 MapReduce 计算框架
• 主要用途：用来做离线数据分析，比直接用 MapReduce 开发效率更高。

为什么使用 Hive

• 直接使用 Hadoop MapReduce 处理数据所面临的问题：

  • 人员学习成本太高
  • MapReduce 实现复杂查询逻辑开发难度太大

• 使用 Hive

  • 操作接口采用类 SQL 语法，提供快速开发的能力
  • 避免了去写 MapReduce，减少开发人员的学习成本
  • 功能扩展很方便

---

一、Hive 架构

Hive 架构图

Hive 与 Hadoop 的关系

Hive 利用 HDFS 存储数据，利用 MapReduce 查询分析数据。

Hive是数据仓库工具，没有集群的概念，如果想提交Hive作业只需要在hadoop集群 Master节点上装Hive就可以了

Hive 与传统数据库对比

• hive 用于海量数据的离线数据分析。
  

二、Hive SQL

数据类型

分隔符

目的：结构化文件映射成表

CREATE TABLE student(classNo string, stuNo string, score int) row format delimited fields terminated by ',';

• row format delimited fields terminated by ‘,’ 指定了字段的分隔符为逗号，所以load数据的时候，load的文本也要为逗号，否则加载后为NULL。hive只支持单个字符的分隔符，hive默认的分隔符是\001

DML语句

load

Load语法功能

• Load英文单词的含义为：加载、装载；
• 所谓加载是指：将数据文件移动到与Hive表对应的位置，移动时是纯复制、移动操作。
• 纯复制、移动指在数据load加载到表中时，Hive不会对表中的数据内容进行任何转换，任何操作

Load语法规则

• LOAD DATA [LOCAL] INPATH ‘filepath’ [OVERWRITE] INTO TABLE tablename;
  
  
  

insert

Insert语法功能

• Hive官方推荐加载数据的方式：清洗数据成为结构化文件，再使用Load语法加载数据到表中。这样的效率更高。
• 也可以使用insert语法把数据插入到指定的表中，最常用的配合是把查询返回的结果插入到另一张表中。
  
  

Select 语法树

聚合操作

Group by

Having

Order by

limit

三、 Hive join

四、Hive 常用函数入门

Hive 常用的内置函数

• 内置函数（build-in）指的是Hive开发实现好，直接可以使用的函数,也叫做内建函数。
• 官方文档地址：https://cwiki.apache.org/confluence/display/Hive/LanguageManual+UDF
• 内置函数根据应用归类整体可以分为8大种类型，我们将对其中重要的，使用频率高的函数使用进行详细讲解。
  
  
  
  
  

---