Hive入门学习随笔（二）

 

====使用Load语句执行数据的导入

--将操作系统上的文件student01.txt数据导入到t2表中

load data local inpath '/root/data/student01.txt' into table t2;

--将操作系统上/root/data文件夹下的所有文件导入t3表中，并且覆盖原来的数据

load data local inpath '/root/data/' overwrite into table t3;

--将HDFS中，/input/student01.txt导入到t3表中

load data inpath '/input/student01.txt' overwrite into table t3;

--将操作系统上的data1.txt导入到分区t3表中

load data local inpath 'root/data/data1.txt' into table t3 partition (gender='M')

===使用Sqoop实现数据的导入

Sqoop是一个工具，用来进行Hadoop与关系型数据之间的批量数据的导入和导出。

Sqoop的安装非常简单，只需要从网站上下载Sqoop的安装包，并配置环境变量即可。

官网：http://sqoop.apache.org

环境变量：

由于Sqoop是基于Hadoop的，所以需要通过环境变量HADOOP_COMMON_HOME来指明Hadoop的安装目录。

由于Sqoop是把作业最终转换成MapReduce的作业进行提交执行，所以，需要通过环境变量HADOOP_MAPRED_HOME来指明MapReduce的Jar目录。

--使用Sqoop导入Oracle数据到HDFS中。

./sqoop import --connect jdbc:oracle:thin:@192.168.1.36:1521:orcl --username xxx --password xxx --table emp --columns 'empno,ename,job,sal' -m 1 --target-dir '/sqoop/emp'

--使用Sqoop导入Oracle数据到Hive中。

./sqoop import --hive-import --connect jdbc:oracle:thin:@192.168.1.36:1521:orcl --username xxx --password xxx --table emp --columns 'empno,ename,job,sal' -m 1 

--使用Sqoop导入Oracle数据到Hive中，并且指定表名

./sqoop import --hive-import --connect jdbc:oracle:thin:@192.168.1.36:1521:orcl --username xxx --password xxx --table emp --columns 'empno,ename,job,sal' -m 1  --hive-table emp1

使用Sqoop导入Oracle数据到Hive中，并且制定Where条件

./sqoop import --hive-import --connect jdbc:oracle:thin:@192.168.1.36:1521:orcl --username xxx --password xxx --table emp --columns 'empno,ename,job,sal' -m 1  --hive-table emp1 --where 'DEPTNO=10'

--使用Sqoop导入Oracle数据到Hive中，并且使用查询语句

./sqoop import --hive-import --connect jdbc:oracle:thin:@192.168.1.36:1521:orcl --username xxx --password xxx --table emp --columns 'empno,ename,job,sal' -m 1  --hive-table emp1 --query 'SELECT * FROM EMP WHERE SAL<2000 $CONDITIONS' --target-dir '/sqoop/emp5' --hive-table emp5

--使用Sqoop将Hive中的数据导出到Oracle中。

./sqoop export --connect jdbc:oracle:thin:@192.168.1.36:1521:orcl --username xxx --password xxx -m 1 --table MYEMP --export-dir HDFS路径

Sqoop在业务系统中有着非常重要的作用，一般的应用场景是下面这个样子。

 

====Hive的数据查询

--查询所有员工的所有信息

select * from emp;

--查询员工信息：员工号 姓名 月薪

select empno, ename, sal from emp;

--查询员工信息：员工号 姓名 月薪 年薪 奖金 年收入

select empno, ename, sal, sal*12 comm, sal*12+nvl(comm, 0) from emp;

--查询奖金为null的员工

select * from emp where comm is null;

--使用distinct来去掉重复记录

select distinct deptno from rmp;

====Hive简单查询的FetchTask功能

从Hive0.10.0版本开始支持。开始了这个功能以后，我们执行一条简单的语句（没有函数、排序等）不会生成一个MapReduce作业。

hive-site.xml配置内容：

 

====在查询中使用过滤

--查询10号部门的员工

select * from emp where deptno=10;

--查询名称为KING的员工

select * from emp where ename='KING';

--查询部门号是10，薪水小于2000的员工

select * from emp where deptno=10 and sal<2000;

--模糊查询：查询名字以S开头的员工

select empno, ename, sal from emp where ename like 'S%';

--模糊查询：查询名字含有下划线的员工

select empno, ename, sal from emp where ename like '%\\_%';

注意：下划线在模糊查询中有特殊的含义，代表任意字符。所以，语句中需要转义符进行标记

====在查询中使用排序

--查询员工信息：员工号 姓名 月薪 按照月薪排序

select empno, ename, sal from emp order by sal desc;

※order by后面可以使用：列名、表达式、别名、序号。

另外，如果想使用需要进行排序的时候，需要设置下面的环境变量。

set hive.groupby.orderby.position.alias=true;

※null排序：升序时null排最前面，降序时null排最后面，一般用法都是将null转换成0之后进行排序。

====Hive的函数

内置函数可以直接调用。也可以通过编写java程序来自定义函数

--内置函数

 

--自定义函数

①、自定义UDF需要继承org.apache.hadoop.hive.ql.UDF

需要实现evaluate函数，evaluate函数支持重载。

 

②、将程序打包放到目标机器上去，进入Hive客户端添加jar包

命令例：hive>add jar /root/udfjar/udf_text.jar 

③、创建临时函数：CREATE TEMPORARY FUNCTION <函数名> AS 'java类名'

命令例：hive>CREATE TEMPORARY FUNCTION myconcat AS 'demo.udf.ConcatString'；

④、自动以函数使用。select <函数名> from table;

 

⑤、销毁临时函数：DROP TEMPORARY FUNCTION <函数名>

====Hive表连接

Hive的表连接分为：等值连接、不等值连接、外链接、自连接

--等值连接

select e.empno, e.ename, e.sal, d.name from emp e, dept d where e.deptno=d.deptno;

--不等值连接

select e.empno, e.ename, e.sal, s.grade from emp e, salgrade s where e.sal between s.local and s.hisal;

--外链接（包括左连接和右连接）

select d.deptno, d.dname, count(e.empno) from emp e right outer join dept d on (e.deptno=d.deptno) group by d.deptno, d.dname;

--自连接

核心：通过表的别名将同一张表视为多张表

====Hive中的子查询

hive只支持from和where子句中的子查询。

例：select e.ename from emp e where e.deptno in (select d.deptno from dept d where d.dname='SALES' or d.dname='KING');

注意：子查询中的空值：如果子查询返回的结果集中含有空值得话，我们不能使用not in，但是可以使用in。

====Hive的JDBC客户端操作

①、启动Hive远程服务。命令：#hive --service hiveserver

②、JDBC客户端操作

 

====Hive的Thrift Java客户端操作