大数据之hive实践一(基础)

预知识

数据仓库

数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成
的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant
）的数据集合，用于支持管理决策。

Hive与Hadoop生态系统中其他组件的关系

1.Hive基本概念

1.1 什么是 Hive

Hive：由 Facebok 开源用于解决海量结构化日志的数据统计。
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

1）Hive 处理的数据存储在 HDFS
2）Hive 分析数据底层的实现是 MapReduce
3）执行程序运行在 Yarn 上

1.2 Hive 的优缺点

1.21 优点

1. 操作接口采用类 SQL 语法，提供快速开发的能力（简单、容易上手）。
2. 避免了去写 MapReduce，减少开发人员的学习成本。
3. Hive 的执行延迟比较高，因此 Hive 常用于数据分析，对实时性要求不高的场合。
4. Hive 优势在于处理大数据，对于处理小数据没有优势，因为 Hive 的执行延迟比较高。
5. Hive 支持用户自定义函数，用户可以根据自己的需求来实现自己的函数。

1.2.2缺点

1．Hive 的 HQL 表达能力有限
（1）迭代式算法无法表达
（2）数据挖掘方面不擅长

2．Hive 的效率比较低
（1）Hive 自动生成的 MapReduce 作业，通常情况下不够智能化
（2）Hive 调优比较困难，粒度较粗

1.3 Hive 架构原理

1.4 Hive 和数据库比较

存储位置	hdfs	本地文件系统中
引擎	mp	自己的

由于数据的访问延迟较高，决定了 Hive 不适合在线数据查询
特点：Hive处理的数据规模更大，所以延迟性高，且存储在hdfs上

2.安装及启动

2.1环境

ubuntu 16.04
hadoop 2.2.1
hive 2.1.0(可通过JPS命令，找到RunJar对应的id,执行lsof -g 17860 | grep hive-service查到)
mysql 5.7

2.2Hadop 集群配置

cd /usr/local/hadoop
（1）必须启动 hdfs 和 yarn
[atguigu@hadop102 hadop-2.72]$ sbin/start-dfs.sh
[atguigu@hadop103 hadop-2.72]$ sbin/start-yarn.sh
（2）在 HDFS 上创建/tmp 和/usr/local/hive/warehouse 两个目录并修改他们的同组权限可写
[atguigu@hadop102 hadop-2.72]$ bin/hadop fs -mkdir /tmp
[atguigu@hadop102 hadop-2.72]$ bin/hadop fs -mkdir -p /usr/local/hive/warehouse
[atguigu@hadop102 hadop-2.72]$ bin/hadop fs -chmod g+w /tmp
[atguigu@hadop102 hadop-2.72]$ bin/hadop fs -chmod g+w /user/hive/warehouse 或者在配置文件中关闭权限检查 在 hadop 的 hdfs-site.xml 中

dfs.permisions.enable
false

3．Hive 基本操作
（1）启动 hive
[atguigu@hadop102 hive]$ bin/hive
（2）查看数据库
hive> show datbase;
（3）打开默认数据库
hive> use default;
（4）显示 default 数据库中的表
hive> show tables;
（5）创建一张表
hive> create table student(id int, name string);
（6）显示数据库中有几张表
hive> show tables;
（7）查看表的结构
hive> desc student;
（8）向表中插入数据
hive> insert into student values(10,“s”);
（9）查询表中数据
hive> selct * from student;
（10）退出 hive
hive> quit;

2.3 将本地文件导入 Hive 案例

需求
将本地/opt/module/datas/tudent.txt 这个目录下的数据导入到 hive 的 student(idnt,ame
string)表中。
1．数据准备
在/opt/module/dats 这个目录下准备数据
（1）在/opt/module/目录下创建 datss
mkdir datas
（2）在/opt/module/datss/目录下创建 student.x 文件并添加数据

 touch student.txt

 vi student.xt

101 zhangshan
102 lishi
103 zhaoliu

注意以 tab 键间隔。
2．Hive 实际操作
（1）启动 hive

hive>bin/hive 

（2）显示数据库

hive> show datbase; 

（3）使用 default 数据库

hive> use default; 

（4）显示 default 数据库中的表

hive> show tables; 

（5）删除已创建的 student 表

hive> drop table student; 

（6）创建 student 表, 并声明文件分隔符’\t hive> create table student(id int, name string) ROW FORMAT DELIMTED FIELDS TERMINATED
BY ‘\t’;
（7）加载/opt/module/dats/tudent.txt 文件到 student 数据库表中。 双引号也可以

hive> load data local inpath '/usr/local/datas/student.txt' into table student; 

（8）Hive 查询结果

hive> select * from student;

OK
101 zhangshan
102 lishi
103 zhaoliu
Time taken: 0.26 seconds, Fetched: 3 row(s)

2.4 MySql 安装

切换管理员账户，数据密码（hive默认存储derby数据库，不能同时启动两个以上）

sudo service mysql start
service mysql status
mysql -uroot -p密码
use mysql;
selct user, Host, from user; 

修改 user 表，把 Host 表内容修改为%

update user set host='% wher host='localhost'; 

删除 root 用户的其他 host

mysql>delte from user where Host='127.0.1';

刷新

mysql>flush privilegs; 

退出

mysql>quit;

2.5 Hive 元数据配置到 MySql

驱动拷贝
配置 Metasore 到 MySql
hive/conf 目录下创建一个 hive-site.xml.
根据官方文档配置参数，拷贝数据到 hive-site.xml 文件中
https://cwik.apche.org/confluence/display/Hive/AdminManual+MetasoreAdmin

2.6 Hive 常用交互命令

bin/hive -help
1．“-e”不进入 hive 的交互窗口执行 sql 语句

bin/hive -e "select id from student;" 

2．“-f”执行脚本中 sql 语句
(1)在/usr/local/data 目录下创建 hivef.sql 文件

 touch hivef.sql

文件中写入正确的 sql 语句

selcet  * from student;

（2）执行文件中的 sql 语句

 bin/hive -f /usr/local/data/hivef.sql

（3）执行文件中的 sql 语句并将结果写入文件中

 bin/hive -f /usr/local/datahivef.sql > /opt/module/dats/hive_result.txt

第 3 章 Hive 数据类型

3.1 基本数据类型

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。

实操：
某一表的数据结构如图：

1.基于上述数据结构，在 Hive 里创建对应的表，并导入数据。

2.创建表

row format delimted fields terminated by ', '- 列分隔符
collection items terminated by ‘_’ -MAP STRUCT 和 ARAY 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
3.加载数据

4.访问数据

array

map

struct

3. 3类型转化

隐式转换类似java,强行转换用cast

1．隐式类型转换规则如下
（1）任何整数类型都可以隐式地转换为一个范围更广的类型，如 TINYINT 可以转换
成 INT，INT 可以转换成 BIGNT。
（2）所有整数类型、FLOAT 和 STRING 类型都可以隐式地转换成 DOUBLE。
（3）TINYINT、SMALINT、INT 都可以转换为 FLOAT。(除了bigint)
（4）BOLEAN 类型不可以转换为任何其它的类型。

2．可以使用 CAST 操作显示进行数据类型转换
例如 CAST('1 ’ AS INT)将把字符串’1 转换成整数 1；如果强制类型转换失败，如执行
CAST('X AS INT)，表达式返回空值 NULL。


参考尚硅谷的HIVE教程,林子雨《大数据技术原理与应用》课件