Hive（基本概念，配置，数据类型，DDL，DML）

解析器：将sql字符串转换成抽象语法树AST，这一步一般都用第三方工具库来完成，如antlr；对AST进行语法分析，比如表是否存在、字段是否存在、SQL语义是否有误
编译器：将AST编译生成逻辑执行计划
优化器：对逻辑执行计划进行优化
执行器：把逻辑执行计划转换成可以运行的物理计划。对于hive来说，就是MR/Spark

Hive 通过给用户提供的一系列交互接口，接收到用户的指令(SQL)，使用自己的 Driver，结合元数据(MetaStore)，将这些指令翻译成 MapReduce，提交到 Hadoop 中执行，最后，将执行返回的结果输出到用户交互接口。

1.4 Hive和数据库的比较

由于 Hive 采用了类似 SQL 的查询语言 HQL(Hive Query Language)，因此很容易将 Hive 理解为数据库。其实从结构上来看，Hive 和数据库除了拥有类似的查询语言，再无类似之处。本文将从多个方面来阐述 Hive 和数据库的差异。数据库可以用在 Online 的应用中，但是 Hive 是为数据仓库而设计的，清楚这一点，有助于从应用角度理解 Hive 的特性。

1.4.1 查询语言

由于 SQL 被广泛的应用在数据仓库中，因此，专门针对 Hive 的特性设计了类 SQL 的查询语言 HQL。熟悉 SQL 开发的开发者可以很方便的使用 Hive 进行开发。

1.4.2 数据更新

由于 Hive 是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive 中不建议对数据的改写，所有的数据都是在加载的时候确定好的。而数据库中的数据通常是需要经常进行修改的，因此可以使用 INSERT INTO … VALUES 添加数据，使用 UPDATE … SET 修改数据。

1.4.3 执行延迟

Hive 在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟较高。另外一个导致Hive执行延迟高的因素是 MapReduce 框架。由于 MapReduce 本身具有较高的延迟，因此在利用 MapReduce 执行 Hive 查询时，也会有较高的延迟。相对的，数据库的执行延迟较低。当然，这个低是有条件的，即数据规模较小，当数据规模大到超过数据库的处理能力的时候，Hive 的并行计算显然能体现出优势。

1.4.4 数据规模

由于 Hive 建立在集群上并可以利用 MapReduce 进行并行计算，因此可以支持很大规模的数据；对应的，数据库可以支持的数据规模较小。

第二章 hive配置

hive安装略

2.1 hive-site.xml

在 /opt/module/hive/conf目录下

vim hive-site.xml

添加如下内容

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- jdbc 连接的 URL -->
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://hadoop102:3306/metastore?useSSL=false</value>
</property>

<!-- jdbc 连接的 Driver-->
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
</property>

<!-- jdbc 连接的 username-->
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
</property>

<!-- jdbc 连接的 password -->
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>root</value>
</property>

<!-- Hive 元数据存储版本的验证 -->
<property>
<name>hive.metastore.schema.verification</name>
<value>false</value>
</property>

<!--元数据存储授权-->
<property>
<name>hive.metastore.event.db.notification.api.auth</name>
<value>false</value>
</property>

<!-- Hive 默认在 HDFS 的工作目录 -->
<property>
<name>hive.metastore.warehouse.dir</name>
<value>/user/hive/warehouse</value>
</property>
</configuration>

2.2 使用jdbc访问Hive

1）在hive-site.xml中添加如下内容

<!-- 指定 hiveserver2 连接的 host -->
<property>
    <name>hive.server2.thrift.bind.host</name>
    <value>hadoop102</value>
</property>

<!-- 指定 hiveserver2 连接的端口号 -->
<property>
    <name>hive.server2.thrift.port</name>
    <value>10000</value>
</property>

2）启动hiveserver2

bin/hive --service hiveserver2

3）启动beeline客户端（需要多等一会）

bin/beeline -u jdbc:hive2://hadoop102:10000 -n admin

4）看到如下界面

2.3 Hive交互命令

2.4 Hive其它命令操作

1）hive cli 命令窗口中查看hdfs文件系统

dfs -ls /；

2）查看在hive中输入的所有历史命令

（1）进入到当前用户的根目录 /root或/home/admin

（2）查看.hivehistory文件

cat .hivehistory

2.5 Hive 其它命令操作

1）在hive cli命令窗口查看hdfs文件系统

dfs -ls /;

2）查看在hive中输入的所有历史命令

（1）进入到当前用户的根目录/root或/home/admin

（2）查看.hivehistory文件

2.6 Hive常见属性配置

2.6.1 Hive 运行日志信息配置

1）Hive的log默认存放在/tmp/admin/hive.log目录下（当前用户名下）

2）修改hive的log存放日志到/opt/module/hive/logs

（1）修改/opt/module/hive/conf/hive-log4j2.properties.template 文件名为hive-log4j2.properties

mv hive-log4j2.properties.template hive-log4j2.properties

（2）在hive-log4j2.properties文件中修改log存放位置

hive.log.dir=/opt/module/hive/logs

第三章 Hive数据类型

3.1 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
SMALLINT	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	true false	true
FLOAT	float	单精度浮点数	false
DOUBLE	double	双精度浮点数	3.14159
STRING	string	字符系列。可以指定字符集	3.14159
TIMESTAMP		时间类型	'abc' "abc"
BINARY		字符数组

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

3.2 集合数据类型

Hive 有三种复杂数据类型 ARRAY、MAP 和 STRUCT。ARRAY 和 MAP 与 Java 中的 Array 和 Map 类似，而 STRUCT 与 C 语言中的 Struct 类似，它封装了一个命名字段集合，复杂数据类型允许任意层次的嵌套

1）案例实操

（1）假设某表有如下一行，我们用 JSON 格式来表示其数据结构。在Hive下访问的格式为

（2）基于上述数据结构，我们在Hive里创建对应的表，并导入数据。创建本地测试文件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

（3）Hive上创建测试表test

create table test( 
name 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';

字段解释：

row format delimited fields terminated by ',' -- 列分隔符

collection items terminated by '_' --MAP STRUCT 和 ARRAY 的分隔符(数据分割符号)

map keys terminated by ':' -- MAP 中的 key 与 value 的分隔符

lines terminated by '\n'; -- 行分隔符

（4）导入文本数据到测试表

load data local inpath '/opt/module/hive/datas/test.txt' into table test;

（5）访问三种集合列里的数据，以下分别是ARRAY，MAP，STRUCT的访问方式

3.3 类型转化

Hive 的原子数据类型是可以进行隐式转换的，类似于 Java 的类型转换，例如某表达式使用 INT 类型，TINYINT 会自动转换为 INT 类型，但是 Hive 不会进行反向转化，例如，某表达式使用 TINYINT 类型，INT 不会自动转换为 TINYINT 类型，它会返回错误，除非使用 CAST 操作

1）隐式类型转换规则如下

任何整数类型都可以隐式转换成一个范围更广的类型
所有整数类型、FLOAT和STRING类型都可以隐式转换成 DOUBLE
TINYINT SMALLINT INT都可以转换为FLOAT
BOOLEAN 类型不可以转换为任何其它类型

2）可以使用CAST操作显式进行数据类型转换

例如 CAST('1' AS INT)将字符串'1'转换为整数1；如果强制类型转换失败，表达式返回空值NULL

第四章 DDL数据定义

4.1 创建数据库

CREATE DATABASE [IF NOT EXISTS] database_name [COMMENT database_comment]
[LOCATION hdfs_path]
[WITH DBPROPERTIES (property_name=property_value, ...)];

1）创建一个数据库，数据库在HDFS上的默认存储路径是/user/hive/warehouse/*.db

create database db hive

2）避免要创建的数据库已经存在错误，增加if not exists判断

3）创建一个数据库，指定数据库在HDFS上存放的位置

create database db_hive2 location '/db_hive2.db'

4.2 查询数据库

4.2.1 显示数据库

显示数据库
show databases;

过滤显示查询的数据库
show databases like 'db_hive';

4.2.2 查看数据库详情

1）显示数据库信息

desc database db_hive;

2）显示数据库详细信息，extended

desc database extended db_hive;

4.3 删除数据库

1）删除空数据库

drop database db_hive2;

2）如果删除的数据库不存在，最好采用if exits判断数据库是否存在

drop database if exists db_hive2;

3）如果数据库不为空，可以采用cascade命令，强制删除

drop database db_hive cascade;

4.4 创建表

1）建表语法

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name
[(col_name data_type [COMMENT col_comment], ...)] 
[COMMENT table_comment]
[PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)]
[CLUSTERED BY (col_name, col_name, ...)
[SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] 
[ROW FORMAT row_format]
[STORED AS file_format] 
[LOCATION hdfs_path]
[TBLPROPERTIES (property_name=property_value, ...)]
[AS select_statement]

2）字段解释说明

（1）CREATE TABLE 创建一个指定名字的表。如果相同名字的表已经存在，则抛出异常；用户可以用 IF NOT EXISTS 选项来忽略这个异常

（2）EXTERNAL 关键字可以让用户创建一个外部表，在建表的同时可以指定一个指向实际数据的路径（LOCATION），在删除表的时候，内部表的元数据和数据会被一起删除，而外部表只删除元数据，不删除数据

（3）COMMENT：为表和列添加注释

（4）PARTITIONED BY 创建分区表

（5）CLUSTERED BY 创建分桶表

（6）SORTED BY 不常用，对桶中的一个或多个列另外排序

（7）ROW FORMAT

用户在建表的时候可以自定义 SerDe 或者使用自带的 SerDe。如果没有指定 ROW FORMAT 或者 ROW FORMAT DELIMITED，将会使用自带的 SerDe。在建表的时候，用户还需要为表指定列，用户在指定表的列的同时也会指定自定义的 SerDe，Hive 通过 SerDe 确定表的具体的列的数据

SerDe 是 Serialize/Deserilize 的简称， hive 使用 Serde 进行行对象的序列与反序列化

（8）STORED AS 指定存储文件类型常用的存储文件类型：SEQUENCEFILE（二进制序列文件）、TEXTFILE（文本）、RCFILE（列式存储格式文件）如果文件数据是纯文本，可以使用 STORED AS TEXTFILE。如果数据需要压缩，使用 STORED AS SEQUENCEFILE

（9）LOCATION ：指定表在 HDFS 上的存储位置

（10）AS：后跟查询语句，根据查询结果创建表

（11）LIKE 允许用户复制现有的表结构，但是不复制数据

4.4.1 管理表

1）理论

默认创建的表都是所谓的管理表，有时也被称为内部表。因为这种表，Hive 会（或多或少地）控制着数据的生命周期。 Hive 默认情况下会将这些表的数据存储在由配置项hive.metastore.warehouse.dir(例如，/user/hive/warehouse)所定义的目录的子目录下。当我们删除一个管理表时，Hive 也会删除这个表中数据。管理表不适合和其他工具共享数据。

2）案例实操

原始数据

（1）普通创建表

create table if not exists 
student( id int, name string
)
row format delimited fields terminated by '\t' 
stored as textfile
location '/user/hive/warehouse/student';

（2）根据查询结果创建表（查询的结果会添加到新创建的表中）

create table if not exists student2 as select id,name from student;

（3）根据已经存在的表结构创建表

cteate table if not exits student3 like student;

（4）查询表的类型

desc formatted student2;

4.4.2 外部表

1）理论

因为表是外部表，所以Hive并非认为其完全拥有这份数据。删除该表并不会删除这份数据，不过描述表的元数据信息会被删除

2）管理表和外部表的使用场景

每天将收集到的网站日志定期流入 HDFS 文本文件。在外部表（原始日志表）的基础上做大量的统计分析，用到的中间表、结果表使用内部表存储，数据通过 SELECT+INSERT 进入内部表。

3）案例实操

分别创建部门和员工外部表，并向表中导入数据

原始数据：

dept

emp

（1）上传数据到HDFS

dfs -mkdir /student;
dfs -put /opt/module/datas/student.txt /student;

（2）建表语句，创建外部表创建部门表

create external table if not exists dept( deptno int,
dname string, 
loc int
)
row format delimited fields terminated by '\t';

创建员工表
create external table if not exists 
emp( empno int,
ename string, 
job string, 
mgr int,
hiredate string, 
sal double,
comm double, 
deptno int)
row format delimited fields terminated by '\t';

（3）查看表

show tables;
查看表格式化数据
desc formatted dept;
删除外部表
drop table dept;
外部表删除后，hdfs中的数据还在，但是metadata中dept的元数据已经删除

4.4.3 管理表与外部表的互相转换

（1）修内部表student2为外部表

alter table student2 set tblproperties('EXTERNAL'='TRUE');

（2）修改外部表student2为内部表

alter table student2 set tblproperties('EXTERNAL'='FALSE');

第五章 DML数据操作

5.1 数据导入

5.1.1 向表中装载数据（Load）

1）语法

load data [local] inpath '数据的 path' [overwrite] into table
student [partition (partcol1=val1,…)];

（1）load data：表示加载数据

（2）local：表示从本地加载数据到hive表；否则从HDFS加载数据到hive表

（3）inpath：表示加载数据的路径

（4）overwrite：表示覆盖表中已有数据，否则表示追加

（5）into table：表示加载到哪张表

（6）student：表示具体的表

（7）partiion：表示上传到指定分区

2）实操

加载本地文件到hive

load data local inpath '/opt/module/hive/datas/student.txt' into table default.student;

加载HDFS文件到hive 上传文件到hive

dfs -put /opt/module/hive/data/student.txt /user/admin/hive;
load data input '/user/admin/hive/student.txt' into table default.student;

5.1.2 通过查询语句向表中插入数据（Insert）

基本插入模式（根据单张表查询结果）

insert overwirte table student_par select id,name from student where mouth='201709';

insert into：以追加数据的方式插入到表或分区，原有数据不删除

insert overwirte : 会覆盖表中已存在的数据

注：insert不支持插入部分字段

多表（多分区）插入模式（根据多张表查询结果）

from student
insert overwrite table student partition(mouth='201707')
select id,name where mouth='201709'
insert overwrite table student partition(mouth='201706')
select id,name where mouth='201709';

5.1.3 查询语句中创建表并加载数据（As Select）

create table if not exists student3 
as select id,name from student;

5.1.4创建表时通过Location指定加载数据路径

1）上传数据到hdfs上

dfs -mkdir /student;
dfs -put /opt/module/datas/student.txt /student;

2）创建表，并指定hdfs上的位置

create external table if not exists
student5(id int,name string
)
row farmat delimited fields terminated by '\t'
location '/student';j

5.1.5 Import数据到指定Hive表上

注意：先用export导出后，再将数据导入

import table student2
from '/user/hive/warehouse/export/student';

5.2 数据导出

5.2.1 Insert导出

1）将查询结构导出到本地

insert overwrite local directory
'/opt/module/hive/data/export/student'
select * from student;

2）将查询的结果格式化导出到本地

insert overwrite local directory
'/opt/module/hive/data/export/student1'
ROW FORMAT DELIMITED FIELEDS TERMINATED BY '\t'
select * from student;

3）将查询的结果导出到HDFS上（没有local）

insert overwrite directory '/user/admin/student2'
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
select * from student;

5.2.2 Hadoop命令导出到本地

dfs -get /user/hive/warehouse/student/student.txt
/opt/module/data/export/student3.txt;

5.2.3 清除表中数据（Truncate）

注意：Truncate只能删除管理表，不能删除外部表中数据

truncate table student;

芝士雪豹.

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Hive（基本概念，配置，数据类型，DDL，DML）

1）hive简介Hive：有Facebook开源用于解决海量结构化日志的数据统计工具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2）Hive 本质：将HQL转化成MapReduce程序Hive处理的数据存储在HDFSHive分析数据底层的实现是MapReduce执行程序运行在Yarn上1）创建一个数据库，数据库在HDFS上的默认存储路径是/user/hive/warehouse/*.db。
复制链接

扫一扫