hive是基于Hadoop的一个数据仓库工具,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。Hive的优点是学习成本低,可以通过类似SQL语句实现快速MapReduce统计,使MapReduce变得更加简单,而不必开发专门的MapReduce应用程序。hive是十分适合数据仓库的统计分析和Windows注册表文件。
hive中包含以下四类数据模型:表(Table)、外部表(External Tablc)、分区(Partition)、桶(Bucket)。
(1) hive中的Table和数据库中的Table在概念上是类似的。在hive中每一个Table都有一个相应的目录存储数据。
(2)外部表是一个已经存储在HDFS中,并具有一定格式的数据。使用外部表意味着hive表内的数据不在hive的数据仓库内,它会到仓库目录以外的位置访问数据。
外部表和普通表的操作不同,创建普通表的操作分为两个步骤,即表的创建步骤和数据装入步骤(可以分开也可以同时完成)。在数据的装入过程中,实际数据会移动到数据表所在的hive数据仓库文件目录中,其后对该数据表的访问将直接访问装入所对应文件目录中的数据。删除表时,该表的元数据和在数据仓库目录下的实际数据将同时删除。
外部表的创建只有一个步骤,创建表和装人数据同时完成。外部表的实际数据存储在创建语句I。OCATION参数指定的外部HDFS文件路径中,但这个数据并不会移动到hive数据仓库的文件目录中。删除外部表时,仅删除其元数据,保存在外部HDFS文件目录中的数据不会被删除。
(3)分区对应于数据库中的分区列的密集索引,但是hive中分区的组织方式和数据库中的很不相同。在hive中,表中的一个分区对应于表下的一个目录,所有的分区的数据都存储在对应的目录中。
(4)桶对指定列进行哈希(hash)计算,会根据哈希值切分数据,目的是为了并行,每一个桶对应一个文件。
CREATE EXTERNAL TABLE databasename.tablename
(
VIN_NBR VARCHAR(20) COMMENT 'The vehicle identificaion number.',
ACTION_TIMSTM TIMESTAMP COMMENT 'The date and time when the action type occured in the vehicle.',
SOURCE_MODULE_TYPE_CD VARCHAR(20) COMMENT 'The module type issuing the firmware change to the destination module type. For example, the CSM issues the change to the BCM.',
DESTNTN_MODULE_TYPE_CD VARCHAR(20) COMMENT 'The module type being acted upon for the given action. For example, the BCM firmware is being changed at the direction of the CSM module.',
ACTION_TYPE_CD VARCHAR(500) COMMENT 'A code uniquely defining a type of firmware change action performed on a given vehicle. For example, SOFTWARE_FLASH_STARTED.',
ACTION_STATUS_CD VARCHAR(500) COMMENT 'The status of the action type being performed on the given vehicle under the given campaign. For example, SUCCESS or FAIL.',
ACTION_DETAIL_VAL STRING COMMENT 'Free form details associated with the given action on the given vehicle such as exception messages when actions fail.',
CAMPAIGN_ID VARCHAR(50) COMMENT 'Uniquely identifies a firmware over the air campaign. A campaign is a grouping mechanism where a specific module software change is directed to a specific set of vehicles.',
CREATED_TIMSTM TIMESTAMP COMMENT 'The date/time when the row was written into this data store.'
)
COMMENT 'Log entry of an a action taken in a vehicle to apply firmware to a module over the air campaign.'
PARTITIONED BY (yr_nbr int, mth_nbr int, day_nbr int)
STORED AS ORC
LOCATION '/APP/VSMSOTA-181112-IO/CONSMR/veh_campaign_action_log';
- 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。
- EXTERNAL:可以让用户创建一个外部表,在建表的同时指定一个指向实际数据的路径(LOCATION).Hive 创建内部表时,会将数据移动到数据仓库指向的路径;若创建外部表,仅记录数据所在的路径,不对数据的位置做任何改变。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.
- ROW FORMAT DELIMITED:是用来设置创建的表在加载数据的时候,支持的列分隔符。Hive默认的分隔符是\001,
- CLUSTERED BY:对于每一个表(table)或者分区, Hive可以进一步组织成桶,也就是说桶是更为细粒度的数据范围划分。Hive也是 针对某一列进行桶的组织。Hive采用对列值哈希,然后除以桶的个数求余的方式决定该条记录存放在哪个桶当中。
- LOCATION:指定加载数据路径(指定在hdfs上的位置).针对的extetnal外部表,要指定存储路径,不指定也没事,默认路径。内部表不用指定,默认路径/user/hive/warehouse
学习理解记笔记,如有侵犯联系修改