hive使用，及语法

已于 2022-06-14 14:20:49 修改
阅读量1.3k 收藏 4
点赞数
分类专栏： 大数据仓库 大数据 文章标签： hive
于 2022-01-24 10:28:43 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_22885233/article/details/122662358
版权

hive

1、 /bin/hive

2、 /bin/beeline

beenline> ! connect jdbc:hive2://youduk3:10000

使用hive

1、与hdfs 文件映射。

1）创建映射文件

touch test.txt

vim test.txt

1,allen,34

2,tom,22

3,acat,45

4,ali,21

5,afe,55

2、上传文件到hdfs

//创建个临时目录

hadoop dfs -mkdir -p /test/

//上传文件到临时目录

hadoop dfs -put test.txt /test/

3、创建表

hive

//创建数据库

hive> create database t_hive;

//创建表

create  table  t_ta  (id int,name string,age int);

在这里插入图片描述
表创建对应的hdfs 目录

4、把文件复制到/user/hive/warehouse/t_hive.db/t_ta下

hadoop dfs -cp /test/test.txt /user/hive/warehouse/t_hive.db/t_ta

hive> select * from t_ta;
OK
NULL NULL NULL
NULL NULL NULL
NULL NULL NULL
NULL NULL NULL
NULL NULL NULL

成功映射到了行。但是没映射到数据。

5、设定分隔符映射信息。

create  table  t_ta2  (id int,name string,age int) row format delimited fields terminated by ',';

hadoop dfs -cp /test/test.txt /user/hive/warehouse/t_hive.db/t_ta2

hive> select * from t_ta2;
OK
1 allen 34
2 tom 22
3 acat 45
4 ali 21
5 afe 55

hive 建立表 跟已经存在的结构化数据产生映射关系。映射成功后可以通过写sql分析数据，避免写mr程序的麻烦

6、创建表类型&分割符

ROW FORMAT DELIMITED
	[FIELDS TERMINATED BY char]
	[COLLECTION ITEMS TERMINATED BY char]
	[MAP KEYS TERMINATED BY char]
	[LINES TERMINATED BY char] | SERDE serde_name
	[WITH SERDEPROPERTIES
	(property_name=property_value,property_name=property_value)]

复杂类型的数据表指定分割符

1、内置分隔符

ROW FORMAT DELIMITED
[FIELDS TERMINATED BY ‘,’]
[COLLECTION ITEMS TERMINATED BY ‘-’]
[MAP KEYS TERMINATED BY ‘:’]

1、数据如下：

zhangsan wef,wef3,efw321,ff24,f124

lisi hhh11,wef121,wseg12323,bd124124,gh24125

建表语句

create table t_ta3 (name string,items array<string>)  ROW  FORMAT  DELIMITED  FIELDS  TERMINATED BY  '\t'   COLLECTION  ITEMS TERMINATED BY ',' ;

touch ttt.txt

vim ttt.txt

zhangsan wef,wef3,efw321,ff24,f124

lisi hhh11,wef121,wseg12323,bd124124,gh24125

退出保存

hadoop dfs -put ttt.txt /test/

hadoop dfs -cp /test/ttt.txt /user/hive/warehouse/t_hive.db/t_ta3

hive>use t_hive;

hive> select * from t_ta3;
OK
zhangsan [“wef”,“wef3”,“efw321”,“ff24”,“f124”]
lisi [“hhh11”,“wef121”,“wseg12323”,“bd124124”,“gh24125”]
Time taken: 0.131 seconds, Fetched: 2 row(s)

2、数据如下：

zhangshang 唱歌:非常喜欢-跳舞:喜欢-游泳:不喜欢

lisi 打游戏:喜欢-篮球不喜欢

建表语句

create table t_map(name string,hobby map<string,string>)  ROW  FORMAT  DELIMITED  FIELDS  TERMINATED BY  '\t'   COLLECTION  ITEMS TERMINATED BY    '-'   MAP KEYS TERMINATED BY ':'  ;

touch t_map.txt

vim t_map.txt

zhangshang 唱歌:非常喜欢-跳舞:喜欢-游泳:不喜欢

lisi 打游戏:喜欢-篮球:不喜欢

hadoop dfs -put t_map.txt /test/

hadoop dfs -cp /test/t_map.txt /user/hive/warehouse/t_hive.db/t_map

hive> select * from t_map;
OK
zhangshang {“唱歌”:“非常喜欢”,“跳舞”:“喜欢”,“游泳”:“不喜欢”}
lisi {“打游戏”:“喜欢”,“篮球”:“不喜欢”}
Time taken: 0.122 seconds, Fetched: 2 row(s)

2、默认分割符

hive 建表语句时候默认分隔符是’\001’ ,若建表的时候没有指明分隔符，load文件的时候分割是需要的是’\001’；若文件分隔符不是’001’,程序会报错，但是查询会显示NULL

SerDe 是Serialize/Deserilize的简称，目的是用于序列化和反序列化。

用vi编辑器 ctrl+v 然后 ctrl + a 即可输入 ‘\001’ ----------------->^A

vi test1.txt

1AallenA34
2AtomA22
3AacatA45
4AaliA21
5AafeA55

hadoop dfs -put test1.txt /test/

hadoop dfs -cp /test/test1.txt /user/hive/warehouse/t_hive.db/t_ta

hive> select * from t_ta;
OK
NULL NULL NULL
NULL NULL NULL
NULL NULL NULL
NULL NULL NULL
NULL NULL NULL
1 allen 34
2 tom 22
3 acat 45
4 ali 21
5 afe 55

3、分区

hive 建表语法

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] 表名 
(列名 data_type [COMMENT 列注释], ...) 
[COMMENT 表注释] 
[PARTITIONED BY (列名 data_type [COMMENT 列注释], ...) 分区] 
[CLUSTERED BY (列名, 列名, ...)  
[SORTED ，BY (列名 [ASC|DESC], ...)] INTO num_buckets BUCKETS] 
[ROW FORMAT row_format] 
[STORED AS file_format] 
[LOCATION hdfs_path]

PARTITIONED BY (列名 data_type [COMMENT 列注释], …)

1、不能与表字段重复。

2、分区字段是虚拟字段，不存放任何数据。

3、分区字段是数据来自于装载分区表数据的时候指定的。

建表语句：

create table t_p_test(id int, name string) PARTITIONED BY (country string) ROW  FORMAT DELIMITED  FIELDS  TERMINATED BY  ',' ;

touch test2.txt

vim test2.txt

1,allen

2,tom

3,acat

4,ali

5,afe

hadoop dfs -put test2.txt /test/

hadoop dfs -cp /test/test2.txt /user/hive/warehouse/t_hive.db/t_p_test

hive> select * from t_p_test;
OK

结果没有对应上分区。

这个时候我们需要换一种命令来实现。

导入数据

hive> load data local inpath ‘/home/bigdata/apache-hive-1.2.2-bin/hdfs/test2.txt’ into table t_p_test partition(country=‘zh’);

local 表示数据来自本地 如果没有说明数据来源于hdfs
在这里插入图片描述

hive> select * from t_p_test;
OK
1       allen   zh
2       tom     zh
3       acat    zh
4       ali     zh
5       afe     zh

​ 目录结构 count=zh 显示每个分区的文件。

2、双分区

create table t_p_test2 (id int, name string) PARTITIONED BY (country string,hour string) ROW  FORMAT DELIMITED  FIELDS  TERMINATED BY  ',' ;

hive> load data local inpath ‘/home/bigdata/apache-hive-1.2.2-bin/hdfs/test2.txt’ into table t_p_test2 partition(country=‘zh’,hour=‘12’);

多分区

在第一层分区创建第二层分区
在这里插入图片描述
3、三分区或多分区

create table t_p_test3 (id int, name string) PARTITIONED BY (country string,hour string,minut string) ROW FORMAT DELIMITED FIELDS TERMINATED BY ‘,’ ;

hive> load data local inpath ‘/home/bigdata/apache-hive-1.2.2-bin/hdfs/test2.txt’ into table t_p_test3 partition(country=‘zh’,hour=‘12’,minut=‘10’);

在这里插入图片描述

4、分桶

hive 建表语法

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] 表名 
(列名 data_type [COMMENT 列注释], ...) 
[COMMENT 表注释] 
[PARTITIONED BY (列名 data_type [COMMENT 列注释], ...) 分区] 
[CLUSTERED BY (列名, 列名, ...)    分桶
[SORTED ，BY (列名 [ASC|DESC], ...)] INTO num_buckets BUCKETS] 
[ROW FORMAT row_format] 
[STORED AS file_format] 
[LOCATION hdfs_path]

分桶操作也叫分簇操作

1、指定开启分桶

set hive.enforce.bucketing= true 开启分桶

set mapreduce.jog.reduces=4 设置分桶数量。

2、分桶表字段一定是表作用已经存在的字段。

创建表语句

create table ss_buck(ssid int,ssname string,sssex string ,ssage int) clustered by (ssid) into 4 buckets ROW FORMAT DELIMITED  FIELDS  TERMINATED BY  ',' ;

创建分桶表数据

touch ss_buck_test.txt

1,wanisha,女,42

2,dave,男,22

3,merry,女,41

4,kebob,男,12

5,wanisha,女,42

6,dave,男,22

7,merry,女,41

8,kebob,男,12

9,wanisha,女,42

10,dave,男,22

11,merry,女,41

12,kebob,男,12

创建ss_buck_base表

create table ss_buck_base(ssid int,ssname string,sssex string ,ssage int)  ROW FORMAT DELIMITED  FIELDS  TERMINATED BY  ',';

load data local inpath '/home/bigdata/apache-hive-1.2.2-bin/hdfs/ss_buck_test.txt'  into table ss_buck_base;

hive> select * from ss_buck_base;
OK
1       wanisha 女      42
2       dave    男      22
3       merry   女      41
4       kebob   男      12
5       wanisha 女      42
6       dave    男      22
7       merry   女      41
8       kebob   男      12
9       wanisha 女      42
10      dave    男      22
11      merry   女      41
12      kebob   男      12

基础表组件完成。

查询基础表ss_buck_base ----> ss_buck

    insert overwrite table ss_buck select * from ss_buck_base   cluster by (ssid);

hive> select * from ss_buck;
OK
1       wanisha 女      42
2       dave    男      22
3       merry   女      41
4       kebob   男      12
5       wanisha 女      42
6       dave    男      22
7       merry   女      41
8       kebob   男      12
9       wanisha 女      42
10      dave    男      22
11      merry   女      41
12      kebob   男      12
Time taken: 0.151 seconds, Fetched: 12 row(s)

往桶表中加入一次数据。需要执行依次reduce操作。（每次操作都需要计算依次 hash值）

5、外部表

hive 建表语法

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] 表名 
(列名 data_type [COMMENT 列注释], ...) 
[COMMENT 表注释] 
[PARTITIONED BY (列名 data_type [COMMENT 列注释], ...) 分区] 
[CLUSTERED BY (列名, 列名, ...)    分桶
[SORTED ，BY (列名 [ASC|DESC], ...)] INTO num_buckets BUCKETS] 
[ROW FORMAT row_format] 
[STORED AS file_format] 
[LOCATION hdfs_path]

外部表

使用 CREATE [EXTERNAL] TABLE 配置是外部表 [LOCATION hdfs_path] 配置hdfs 表目录。

1、使用配置目录外。

2、删除表。数据不会被删除掉。

创建表语句：

create EXTERNAL table  out_test(id int,name string,age int)  ROW FORMAT DELIMITED  FIELDS  TERMINATED BY  ',' ;

准备数据

vi out_test

1,alla,21

1,alla,23

1,alla,24

1,alla,25

1,alla,26

6、修改表

增加分区：

alter table table_name add partition(dt=‘20200101’) location ‘/user/hive/warehouse/table_name/dt-20200101’ //添加一个分区

alter table table_name add partition(dt=‘20200101’,country=‘us’) location ‘/user/hive/warehouse/table_name/dt-20200101’ partition(dt=‘20200102’,country=‘us’) location ‘/user/hive/warehouse/table_name/dt-20200102’ //添加多个分区。

删除分区

alter table table_name drop if exists partition(dt=‘partitionname’);

alter table table_name drop if exists partition(dt=‘partitionname’,country=‘us’);

修改分区

alter table table_name partition(dt=‘2020-01-01’) rename to (dt=‘xxx’)

添加列

alter table table_name add|replace columns (col_name datatype);

注: add是代表新增一个字段， 新增字段的位置在所有列后面 partition列前

replace 则是表示替换表中所有字段。

修改列

test_change (a int,b int,c)

修改test_change

alter table test_change change a a1 int;//修改a为 a1

alter table test_change change a a1 string after b；修改a字段为a1 位置在 b字段后面。

alter table test_change change b b1 first 把b字段改b1 并把位置放到第一个位置。

表重命名

alter table table_name rename to new_table_name;

7、显示命令

show tables;

显示当前所有表

show databases|schemas;

显示所有数据库名称

show partitions table_name;

泗安事表分区信息，不是分区表会报错

show functions;

显示当前hive支持的所有方法；

desc extended table_name;

显示外部表信息

desc formatted table_name；

查看表信息（格式化美观)

describe database database_name;

查看数据库相关信息

8、load

在将数据加载到表中，hive 不会进行任何转换，加载操作是将数据文件移动到与hive表对应的位置纯复制/移动操作。

语法结构

load data [local] inpath ‘filepath’ [overwrite] into table table_name [patition(partcol1=val1,partcol2=val2)]

说明：

1、filepath

相对路径，例如：project/data1

绝对路径，例如：/usr/hive/project/data1

完整路径，例如：hdfs://hostname:9000/usr/hive/project/data1

filepath 可以引用一个文件（在这种情况下，hive将文件移动到表中），或者他是一个目录，（在这种情况，hive将把目录中的所有文件移动到表中）

2、local

如果指定local ，load 命令将在本地文件系统中查找文件路径。

1）load命令将filepath 中的文件复制到目标文件系统中。目标文件系统由表的位置属性决定。被赋值的数据文件移动到表的数据应对的位置。

2）如果没有指定local关键字，如果filepath指向的事一个完整url，hive会直接使用这个uri，否则：如果没有指定schema或者authority，hive会使用在hadoop配置文件中定义的schema和authority,fs.default.name指定了namenode的uri

3)overwrite

如果使用了overwrite 关键字，则目标表或者分区表中的内容会呗删除,然后再将filepath执行的文件/目录中内容添加到表/分区中。

如果目标表（分区）已经有了一个文件了。并且文件名和filepath中的文件名冲突，name现有的文件将会被新文件所替代。

9、insert

insert

hive中insert 主要结合select 查询表中数据使用个，将查询结果插入到表中，例如：

insert  overwrite table ss_buck  select * from ss_buck_base cluster by (ssid);

需要保证查询结果列的数据和需要插入数据表格的列数据一致。

如果查询的数据类型和插入表格对应的列数据类型不一致，将会进行数据转换，但不能保证转换成功，如果失败将会设置成NULL

可以江一个表查询出来的数据插入到原来表中，结果相当于自我复制一份数据。

multi inserts

多重插入

from source_table

insert overwrite table table_name1 [partition (partcol1=val1,partcol2=val2)]

select_statement1

insert overwrite table table_name2 [partition (partcol1=val1,partcol2=val2)]

select_statement2

例如 源表source_table 中有 a,b,c,d 列

把a,b 列插入到 table_name1 表 ，把c,d 插入到table_name2表中。

from source_table
insert overwrite table table_name1 [partition (partcol1=val1,partcol2=val2)]
select a,b
insert overwrite table table_name2 [partition (partcol1=val1,partcol2=val2)]
select c,d
动态分区插入

insert overwrite table table_name partition (partcol[=val1],partcol2[=val2]…) select statement from

动态分区是位置来对应分区值。原始表select 出来的值和输出partition的值得关系仅仅是通过位置来确定，和名字并没有关系。

1）打开分区功能

set hive.exec.dynamic.partition=true;//是否开启动态分区功能，默认是false

set hive.exec.dynamic.partition.mode=nonstrict;//动态分区模式。默认是strict,表示必须指定至少一个分区为静态分区

创建原始表

create tabel dynamic_partition_table(day string,ip) row format delimited fields terminated by “,”;

2020-05-10,ip1

2020-05-11,ip2

2020-05-12,ip3

2020-05-13,ip4

2020-05-14,ip5

load 加载 数据到dynamic_partition_table中。

创建目标表

create table dpt(ip string) partitioned by (month string,day string);

动态插入

insert overwrite table dpt partiton (month,day)

select ip,substr(day,1,7) as month, day from dynamic_partition_table;

10、导出表数据

语句结构

insert overwrite [local] directory directory1 select … from …

如果加local 导入到本地；不加 local 导入到hdfs 中。overwrite 覆盖掉目录中所有文件。谨慎使用；

11、查询操作

select [all | distinct] select_expr,select_expr…

from table_reference

join table_other on expr

[where where_condition]

[cluster by col_list | [distribute by col_list] [sort by | order by col_list] ]

[limit number]

说明：

1、order by 会对输入数据全局排序。因为只有一个reducer,会导致当数据规模较大时，需要较长时间的计算时间

2、sort by 不是全局排序，其在数据进入reducer 前完成排序，因此，如果使用sort by 进行排序，并且设置了mapred.reduce.tasks>1,则sort by 只保证每个reducer的输出有序，不保证全局有序。

3、distribute by （字段） 根据指定的字段将数据分到不同的reducer,分发算法的hash散列。

4、cluster by （字段） 除了具有distribute by 的功能外，还会对字段进行排序。

如果distribute 和sort 的字段是同一个， 此时的cluster by = distribute by + sort by

12、hive join

hive 除了支持传统 内关联，做关联，有关联，全关联，还支持 left semi join 和cross join ,但是这两种jion类型也可以用前面的代替。

hive 支持等值链接 （a.id = b.id) ， 不支持非等值链接（a.id> b.id) 的链接，因为非等值链接非常难转换到map/reduce任务。另外，hive支持多2个以上表的jion

写join时，需要注意几个关键点：

1、join时，每次map/reduce任务的逻辑。

​ reducer 会缓存join 序列中除了最后一个表的所有记录，在通过最后一个表的结果序列化到文件系统中。这一实现有助于在reduce端减少内存的使用量。实践中，应该把最大的那个表下载最后（否则会因为缓存浪费大量内存）

2、left right 和full outer 关键字用于处理join 中空记录的情况

​ select a.val,b.val from a left outer join b on a.key = b.key

​ 对应素有阿彪中记录都有一条记录输出。输出的结果应该是a.val,b.val,当a.key = b.key时,而当b.key中找不到等值的 a.key 记录也会输出。

​ a.val,NULL

3、left semi join 查询只反馈左表数据 right semi join 只返回右表数据。

4、corss join （##慎用 ----特别消耗性能，或者导致死机)

​ 返回两个表的笛卡尔积结果，不需要指定关联键

5、设置本地模式（开发环境）

set hive.exec.mode.local.auto=true

测试只在本地跑sql 运行效率快。

13、hive 命令行

输入${HIVE_HOME}/bin/hive -H 或者 --help 可以显示帮助选项：

1、-i 初始化HQL文件

2、-e 从命令行执行指定的HQL

3、-f 执行HQL脚本

4、-v输出执行的HQL语句到控制台

5、-p connection hive server on port number

6、-hiveconf x=y user this to set hive/hadoop configuration vaiables

有三种设定参数方式

配置文件 （全局有效） 范围最大 优先级最小

命令行参数 （对hive 启动实例有效） 范围中 优先级最中

参数声明 (对hive 链接sesison 有效) 范围最小 优先级最高

14、函数

1、内置运算符

在hive 中四种类型运算符：

关系运算符；

算术运算符；

逻辑运算符；

复杂运算符；

2、内置函数

《hive 常用运算和函数》

https://blog.csdn.net/qq_45798620/article/details/110007995?ops_request_misc=&request_id=&biz_id=102&utm_term=hive%20%E5%B8%B8%E7%94%A8%E8%BF%90%E7%AE%97%E5%92%8C%E5%87%BD%E6%95%B0&utm_medium=distribute.pc_search_result.none-task-blog-2allsobaiduweb~default-0-110007995.first_rank_v2_pc_rank_v29&spm=1018.2226.3001.4187

创建dual 表

create table dual (id string);

load 一个文件（只有一行内容：内容为一个空格）到dual 表

select substr(‘wefwefaewfaef’,2,3) from dual;

3、自定义函数
UDF自定义函数实例

1、新建 java maven 项目

添加依赖 hive-exec-1.2.1.jar 和hadoop-common-2.7.4.jar 依赖

写一个java类，集成UDF,并重载evaluate方法

package   xxx.xxx.xxx.xxx
import org.apache.hadoop.hive.ql.exec.UDF;
import org.apache.hadoop.io.Text;

public class Lower extends UDF{
	public String evaluate(String s) {
        if (s == null) {return;}
        return  new Text(s.toString().toLowerCase());
    }    
}

2、maven 打成jar 上传服务器

3、将jar 包添加到hive 的classpath

hive>add JAR /home/hadoop/udf.jar

4、创建一个临时函数与开发好的java class 关联

create temporary function lower   as 'xxx.xxx.xxx.xxx.Lower '

Transform实现

hive 的Transform 关键字提供了在sql中调用自己写的脚本的功能。

适合实现hive 中没有的功能有不想写UDF的情况。

使用示例1：下面这句sql就是借用了 weekday_mapper.py对数据进行了处理

add file weekday_mapper.py;

 insert overwrite table u_data_new 
 select 
	 transform(movieid,rate,timestring,uid)
	 using 'python weekday_mapper.py'
	 as (movieid,rating,weekday,userid)
 from t_rating;

weekday_mapper.py 内容如下：

#!/bin/python
import sys
import datetime
for line in sys.stdin:
	line = line.strip()
	movieid,rate,timestring,uid = line.split('\t')
	weekday = datetim,datetime.formtimestamp(float(unixtime)).isoweekday()
	print '\t'.join([movieid,rating,str(weekday)，userid])

15、hive特殊分隔符处理（扩展）

hive

hive 分割符如果使用||线等特殊符号分割。

01||张珊

02||李思

可以使用RegexserDe通过正则表达式方式来抽取字段。

建表语句

create tabel  tt1 (id string，name string)  row  format serde 'org.apache.hadoop.hive.serde2.RegexSerDe'

with serdeproperties(

'imput.regex'='(.*\\|\\|(.*)',
'output.format.string'='%1$s %2$s'

)
登峰~
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
hive常用语法
RangeYan
07-18 659
目录 一、关系运算： 1.等值比较: = 2.不等值比较: <> 3.小于比较: < 4.小于等于比较: <= 5.大于比较: > 6.大于等于比较: >= 7.空值判断: IS NULL 8.非空判断: IS NOTNULL 9. LIKE比较: LIKE 10. JAVA的LIKE操作: RLIKE 11. REGEX...
Hive_SQL语法大全
07-13
Hive_Sql语法详述，平时工作中遇到的问题，用于Hadoop平台的数据挖掘。
hive语法
weixin_44870066的博客
06-04 2977
hive常用的语法
Hive详细介绍及简单应用
YHJ
06-02 1万+
1.Hive基本概念 1.1Hive简介 1.1.1什么是Hive 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数据库表，并提供类SQL查询功能。 1.1.2为什么使用Hive 1.）直接使用hadoop所面临的问题 人员学习成本太高 项目周期要求太短 MapReduce实现复杂查询逻辑开发难度太大 2.） 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。 扩展功能很方便。 1.1....
最全Hive数据仓库笔记(1)，还有人不知道什么是大数据开发X的吗
最新发布
2401_84166376的博客
05-16 694
MetaStoreHive 将元数据存储在关系型数据库中，比如 MySQL、Derby等。Hive 中的元数据包括表的名字、表的列和分区及其属性，表的属性（是否为外部表等）、表的数据所在目录等等ThriftServer 是将 Hive 作为一个服务器，其他机器可以作为客户端进行访问，可以使用多种编程语言【Java、Python 】通过代码操作 Hive。Driver。
hive语法全解
qq_42994177的博客
06-02 3213
目录 ddl: data define lauguage 库操作： 表操作： 建表说明： 创建表： 查看表列表 查看建表语句 查看表的详细信息 查看hive函数列表 修改表 清空表 删除表 dml: 数据插入： 1）load的方式进行数据加载 2）insert方式 例子： 3）分区表的数据插入 4）分桶表的数据插入： 5）数据导出 查询： 1...
Hive基础和使用详解
m0_48170265的博客
04-23 4098
Hive基础和使用详解
Hive 教程（官方Tutorial）
strongyoung的专栏
12-19 7万+
Hive是一个基于Apache Hadoop的数据仓库。对于数据存储与处理，Hadoop提供了主要的扩展和容错能力。 Hive设计的初衷是：对于大量的数据，使得数据汇总，查询和分析更加简单。它提供了SQL，允许用户更加简单地进行查询，汇总和数据分析。同时，Hive的SQL给予了用户多种方式来集成自己的功能，然后做定制化的查询，例如用户自定义函数（User Defined Functions，UDFs).
HadoopHive基础sql语法
02-01
Hive 是基于Hadoop构建的一套数据仓库分析系统，它提供了丰富的SQL查询方式来分析存储在Hadoop分布式文件系统中的数据，可以将结构化的数据文件映射为一张数据库表，并提供完整的SQL查询功能，可以将SQL语句转换为...
hive-sql语法大全
06-15
Hive SQL 语法大全 Hive SQL 语法大全是 Hive 中的 SQL 语法说明，涵盖了数据库操作、表操作、数据类型等方面的知识点。 一、数据库操作 1. 创建数据库：CREATE DATABASE [IF NOT EXISTS] db_name [LOCATION '...
Hive函数及语法说明
09-26
Hive 函数及语法说明 Hive 是一个基于 Hadoop 的数据仓库工具，能够提供高效的数据查询和分析功能。Hive 的函数和语法是其核心组件之一，本文将对 Hive 的函数和语法进行详细的说明。 内置函数 Hive提供了一些...
Hive-SQL语法大全
12-23
Hive-SQL语法大全
hive的基本操作
养猪少年日记的博客
05-26 8497
hive的安装在之前已经写了 地址： 一.语法 创建数据库 语法： CREATE DATABASE|SCHEMA [IF NOT EXISTS] <database name> 如： create database if not exists zzti_hive; hive> create database if not exists zzti_h...
Hive教程(一) Hive入门教程
热门推荐
yuan_xw的专栏
10-10 9万+
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数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。Hive是一个数据仓库基础工具在Hadoop中用来处理结构化数据。它架构在Hadoop之上，总归为大数据，并使得查询和分析方便。 在Hive中，Hive是SQL解析引擎，它将SQL语句转译成M/R
Hive 实际开发问题：||分割符，特殊分隔符处理
光脚虾的博客
12-12 3047
今天遇到一个问题，上游给过来的建表
Hive 建表语句详解
weixin_53299145的博客
12-03 1万+
一、HQL建表 语法格式（hql不区分大小写，[ ]中的属性是可选属性） 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_
Hive语法总结
qq_43712538的博客
02-08 3357
如何编写复杂sql 推荐此下网址: https://cloud.tencent.com/developer/article/1033405 https://blog.csdn.net/zpn78163com/article/details/51450665 https://blog.csdn.net/u014132947/article/details/80530371 https://zhuanlan.zhihu.com/p/47528345 https://www.cnblogs.com/wucong
Hive总结及常见语法
weixin_47880716的博客
10-22 7045
目录第1章 hive入门1.1 什么是hive1.2 Hive的优缺点1.2.1 优点1.2.2 缺点1.3 Hive架构原理1.4 Hive和数据库比较1.4.1 查询语言1.4.2 数据存储位置1.4.3 数据更新1.4.4 索引1.4.5 执行1.4.6 执行延迟1.4.7 可扩展性1.4.8 数据规模第2章 Hive 安装2.1 Hive 安装部署2.2 将本地文件导入Hive案例2.3 MySql安装2.4.1 安装包准备2.4.2 安装MySql服务器2.4.3 安装MySql客户端2.4.4
Hive使用
weixin_38312502的博客
07-21 1291
1. Hive简介 1.1 介绍 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。 Hive在Hadoop之上，所以使用hive的前提是先要安装Hadoop Hive处理的数据存储在HDFS Hive分析数据底层的实现是MapReduce 执行程序运行在Yarn上 1.2 优缺点 1.2.1 优点 操作接口采用类SQL语法，避免了去写MapReduce，减少开发人员的学习成本，提供快速开发
hive sql基本语法
08-20
以下是Hive SQL的基本语法： 1. 创建表: ``` CREATE TABLE table_name ( column1 datatype, column2 datatype, ... ); ``` 2. 插入数据: ``` INSERT INTO table_name (column1, column2, ...) VALUES ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

登峰~

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值