关于hive学习笔记系列
-
《hive学习笔记》系列保持了作者一贯的风格,即通过实战学习和了解;
-
作为一个构建在Hadoop上的数据仓库框架,hive被用来进行数据提取、转化、加载,这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制,hive数据仓库工具能将结构化的数据文件映射为一张数据库表,并提供SQL查询功能,能将SQL语句转变成MapReduce任务来执行。(来自:《Hadoop应用开发实战详解(修订版)》)
-
架构如下,可见最终还是在执行MapReduce:
环境信息
本文对应的环境信息如下:
-
CentOS Linux release 7.5.1804
-
JDK:1.8.0_191
-
hadoop:2.7.7
-
hive:1.2.2
关于hive的部署
-
需要先部署hadoop环境,请参考《Linux部署hadoop2.7.7集群》
-
hadoop部署成功后,安装和体验hive其参考《安装和体验hive》
数据类型简介
Hive支持基本和复杂数据类型:
-
基本数据类型:包括数值型、布尔型、字符串类型和时间戳类型;
-
复杂数据类型:数组、映射、结构;
基本数据类型
- 通过思维导图来分类和理解:
- 下面通过列表说明所有的基本数据类型:
| 类型 | 描述 | 示例 |
| — | — | — |
| BOOLEAN | true/false | TRUE |
| TINYINT | 1字节有符号整数,从-128到127 | 1Y |
| SMALLINT | 2字节有符号整数,从-32768到32767 | 1S |
| INT | 4字节有符号整数,从-2147483648到2147483647 | 1 |
| BIGINT | 8字节有符号整数,
从-9223372036854775808到9223372036854775807 | 1L |
| FLOAT | 4字节单精度浮点数 | 1.0 |
| DOUBLE | 8字节(64位)双精度浮点数 | 1.0 |
| DECIMAL | 任意精度有符号小数 | 1.0 |
| STRING | 无上限可变长度字符串 | ‘a’, “a” |
| VARCHAR | 可变长度字符串 | ‘a’, “a” |
| CHAR | 固定长度字符串 | ‘a’, “a” |
| BINARY | 字节数组 | - |
| TIMESTAMP | 精度到纳秒的时间戳 | ‘2020-03-01 00:00:00’ |
| DATE | 日期 | ‘2020-01-01’ |
关于三种字符串类型
-
STRING,变长,无需最大长度声明,理论上能存储2GB字符;
-
VARCHAR,变长,需要声明最大长度(1到65535之间),例如VARCHAR(100);
-
CHAR,定长,如CHAR(100);
常用类型综合实战
- 启动hive,进入交互模式,执行以下语句建表,字段类型是常用的几种:
create table t1(
int_field INT,
string_field STRING,
boolean_field BOOLEAN,
date_field DATE,
timestamp_field TIMESTAMP
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ‘\t’
STORED AS TEXTFILE;
- 用insert语句新增一条记录:
insert into t1
values
(101, ‘a101’, true, ‘2020-01-01’, ‘2020-03-01 00:00:00’);
- 使用函数,在新增的记录的时候,将timestamp_field字段设置为当前时间,注意和前面的insert语句比较一下,使用函数时必须用到select XXX from XXX limit 1这样的语法:
insert into t1
select
103, ‘a103’, true, ‘2020-01-01’, current_timestamp()
from t1 limit 1;
- 看一下新增的两条记录:
hive> select * from t1;
OK
101 a101 true 2020-01-01 2020-03-01 00:00:00
103 a103 true 2020-01-01 2020-10-27 20:42:35.729
Time taken: 0.062 seconds, Fetched: 2 row(s)
- 查看当前时间:
select unix_timestamp();
响应:
hive> select unix_timestamp();
OK
1603802631
Time taken: 0.028 seconds, Fetched: 1 row(s)
- 将DATE字段转为TIMESTAMP:
select cast(date_field as timestamp) from t1;
响应:
hive> select cast(date_field as timestamp) from t1;
OK
2020-01-01 00:00:00
2020-01-01 00:00:00