Hive基础

Hive基础入门

1. 什么是Hive

   1. 由fecebook开源，基于Hadoop的离线数仓工具
   2. 可用于结构化数据文件映射为一张表，提供类SQL查询
   3. 将SQL转换为MapReduce程序

2. 用途

   1. 离线数仓（SQL–MapReduce）
   2. SQL–>MapReduce–>运算结果–>客户端

3. 优缺点

   1. 优点
      1. 采用类SQL
      2. 避免直接写MapReduce
   2. 缺点
      1. 延迟高
      2. 对小数据处理没有优势

4. 数据库和数据仓库的区别

   Hive: 是数据仓库，可以将关系型数据库作为外部数据库使用
       1、hive在处理大数据时有优势
       2、不支持事务
   	3、执行延迟高
   	4、可扩展性高
   RDBMS: 是关系型数据库
   	1、在处理小数据上有优势
   	2、支持事务
   	3、执行延迟低
   	4、可扩展性低
   

5. datagrip连接hive

6. 数仓的分层架构

7. 设计丐版Hive

   1. 需求

      1. 用户只需要写SQL
      2. 自动将SQL转化为MapReduce
      3. 能处理位于HDFS上的结构化数据

   2. 需求分析

      1. SQL–>MapReduce

         1、数据文件在哪
         2、用什么符号作为列的分隔符
         3、那些列可以作为city使用
         4、city列是什么类型数据
         

      2. 存储在关系型数据库里面（MySQL）
      3. 构建分布式MySQL
         1. 元数据管理功能：记录各类元数据信息
            1. 数据位置
            2. 数据结构
            3. 数据描述【字段名】
         2. 写一个SQL解析器（JAVA）：完成SQL–>MapReduce的转换
            1. 分析SQL
            2. SQL–>MapReduce
            3. 提交MapReduce运行，并搜集结果
      4. 流程图
         

   3. 基本架构
      

      1. 用户接口
         1. CLI接口
      2. 元数据存储
         1. 客户端连接MetaStore
         2. metastore连接MySQL
         3. MetaStore服务连接方式

            1. 本地模式

               1. 优点：可以单独使用外部数据库（MySQL），元数据共享
               2. 缺点：想对浪费支援，MetaStore嵌入到Hive，每启动一次Hive,都内置启动了

            2. 内嵌模式

               1. 优点：解压Hive安装包到hive/bin，可以直接连接
               2. 缺点：

            3. 远程模式（推荐）

               1. 优点：可以单独使用外部数据库（MySQL），元数据共享；可以连接MetaStore服务，也可以连接hiveserver2服务
               2. 缺点：如果要启动hiveserver2服务，需要先启动MetaStore服务

               	内嵌模式	本地模式	远程模式
               单独配置、启动	否	否	是
               存储介质	derby	mysql	mysql

         4. 启动MetaStore服务
            1. cd /export/server/hive/bin
            2. [nohup] ./hive --server metastore & ：不挂起用hive在后台启动MetaStore服务
            3. [nohup] ./hive --server hiveserver2 &
            4. lsof -i:10000 查看该端口有哪些进程在运行

   4. Beeline
      1. 启动beeline，/export/server/hive/bin/beeline
      2. ! connect jdbc:hive2://node1:1000
      3. crtl+d 退出

   5. 配置环境变量，快速启动hive
      

      sudo vim /etc/profile
      echo '#HIVE_HOME'
      echo 'export HIVE_HOME=/export/server/apache-hive-3.1.2-bin' >> /etc/profile
      echo 'export PATH=$PATH:$HIVE_HOME/bin:$HIVE_HOME/sbin' >> /etc/profile
      

8. 数据仓库和数据库

   1. 数据库(OLTP)：用于把数据结果给外部各类程序使用，侧重于CRUD
   2. 数据仓库(OLAP)：
       1. 面向主题
       2. 集成的
       3. 非易失的（不可更新）
       4. 时变的
   

9. ETL和ELT（将数据加载到数仓中）

   1. ETL：先从数据源池中，抽取数据，保存在临时数据仓库中（ODS）
      1. Extract 抽取
      2. Transform 转化
      3. Load 装载
      4. 工具：kettle
   2. ELT：数据在数据源中抽取后立即加载，没有临时数据库（ODS），数据会立即加载到单一的集中存储库中

10. Hive数据库操作

11. HQL

    1. DDL：数据定义语言/数据描述语言

    2. 数据对象：数据库、数据表、视图、索引

    3. 核心语法：
       1. 创建：create
       2. 删除：drop
       3. 修改：alter
       4. 不涉及表内操作

    4. 创建数据库（可以用schema表示数据库）

       # 全英文，不要有中文
       # 创建数据库
       create database [if not exists] 数据库名 [设置编码格式];
       [comment '解释说明']    #注释说明语句
       [location '存储到HDFS路径名']    # 默认路径  hdfs://node1:8020/user/hive/warehouse
       [with dbproperties (属性='值', ...)]  # 数据库的属性配置，键值对
       
       -- 1 在默认路径新建一个班级db1、db2, 给其中一个库添加一些注释
       CREATE DATABASE db1;
       create database db2 comment "database db2 for db1";
       
       -- 2 新建一个添加了属性信息的班级——DB4
       create database db3 with dbproperties ("cls_name"="db_pyb_40");
       
       -- 3 新建DB3，并指定存储路径为：/itheima
       create database db4 location "/ithaima";
       

    5. 查看数据库

       desc database extended 数据库名;
       1）extended用于显示更多信息，比如位置路径等；
       
       -- 查看所有数据库
       show databases;
       
       -- 查看创建数据库语句
       show create database 数据库名;
       
       -- 切换数据库
       use 数据库名;
       
       -- 查看当前正在使用的数据库
       select current_database();
       
       

    6. 删除数据库

       drop database 数据库名 [restrict | cascade];
       -- restrict是默认行为，表示限制，即仅在数据库为空时才删除它；
       -- cascade 数据库中带表时，需要加
       

    7. 修改数据库

       -- 修改数据库存储路径
       alter database 数据库名 set locatio 存储路径；（绝对路径）
       -- 修改或新增数据库配置
       alter database 数据库名 set dbproperties (属性名=值, ...)