大数据开发-hive(入门篇)

大数据开发-hive(入门篇)

一、环境准备

  1. 安装好对应版本的hadoop集群

  2. 安装mysql服务

二、知识要点

1. Hive是什么

1.1 hive的概念

Hive:由Facebook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Hive SQL转化成MapReduce程序

在这里插入图片描述

1.2 Hive与数据库的区别

在这里插入图片描述

  • Hive 具有 SQL 数据库的外表,但应用场景完全不同。
  • Hive 只适合用来做海量离线数据统计分析,也就是数据仓库
1.3 Hive的优缺点
  • 优点

    • 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)。

    • 避免了去写MapReduce,减少开发人员的学习成本。

    • 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。

  • 缺点

    • Hive 不支持记录级别的增删改操作
    • Hive 的查询延时很严重
    • Hive 不支持事务
1.4 Hive架构原理

在这里插入图片描述

  • 1、用户接口:Client

    • CLI(hive shell)、JDBC/ODBC(java访问hive)、WEBUI(浏览器访问hive)
  • 2、元数据:Metastore

    • 元数据包括:表名、表所属的数据库(默认是default)、表的拥有者、列/分区字段、表的类型(是否是外部表)、表的数据所在目录等;

      • 默认存储在自带的derby数据库中,推荐使用MySQL存储Metastore
  • 3、Hadoop集群

    • 使用HDFS进行存储,使用MapReduce进行计算。
  • 4、Driver:驱动器

    • 解析器(SQL Parser)
      • 将SQL字符串转换成抽象语法树AST
      • 对AST进行语法分析,比如表是否存在、字段是否存在、SQL语义是否有误。
    • 编译器(Physical Plan):将AST编译生成逻辑执行计划。
    • 优化器(Query Optimizer):对逻辑执行计划进行优化。
    • 执行器(Execution):把逻辑执行计划转换成可以运行的物理计划。对于Hive来说默认就是mapreduce任务

在这里插入图片描述

2. Hive的安装部署

​ 注意hive就是一个构建数据仓库的工具,只需要在一台服务器上安装就可以了,不需要在多台服务器上安装。

  • 1、提前先安装好mysql服务和hadoop集群

  • 2、下载hive的安装包

    • http://mirror.bit.edu.cn/apache/hive/hive-1.2.2/apache-hive-1.2.2-bin.tar.gz
    • apache-hive-1.2.2-bin.tar.gz
  • 3、规划安装目录

    • /opt/bigdata
  • 4、上传安装包到服务器中

  • 5、解压安装包到指定的规划目录

    • tar -zxvf apache-hive-1.2.2-bin.tar.gz -C /opt/bigdata
  • 6、重命名解压目录

    • mv apache-hive-1.2.2-bin hive
  • 7、修改配置文件

    • 进入到Hive的安装目录下的conf文件夹中

      • vim hive-env.sh(mv hive-env.sh.template hive-env.sh)

        #配置HADOOP_HOME路径
        export HADOOP_HOME=/opt/bigdata/hadoop
        #配置HIVE_CONF_DIR路径
        export HIVE_CONF_DIR=/opt/bigdata/hive/conf
        
      • vim hive-site.xml

        <?xml version="1.0"?>
        <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
        <configuration>
                <property>
                  <name>javax.jdo.option.ConnectionURL</name>
                  <value>jdbc:mysql://node1:3306/hive?createDatabaseIfNotExist=true&amp;useSSL=false&amp;useUnicode=true&amp;characterEncoding=UTF-8</value>
                  <description>JDBC connect string for a JDBC metastore</description>
                </property>
        
                <property>
                  <name>javax.jdo.option.ConnectionDriverName</name>
                  <value>com.mysql.jdbc.Driver</value>
                  <description>Driver class name for a JDBC metastore</description>
                </property>
        
                <property>
                  <name>javax.jdo.option.ConnectionUserName</name>
                  <value>root</value>
                  <description>username to use against metastore database</description>
                </property>
        
                <property>
                  <name>javax.jdo.option.ConnectionPassword</name>
                  <value>123456</value>
                  <description>password to use against metastore database</description>
                </property>
        </configuration>
        
        
      • 需要将mysql的驱动包上传到hive的lib目录下

        • 例如 mysql-connector-java-5.1.38.jar

3. hive的交互方式

  • 先启动hadoop集群和mysql服务
3.1 Hive交互shell
cd /opt/bigdata/hive

bin/hive

在这里插入图片描述

3.2 Hive JDBC服务
  • 启动hiveserver2服务

    • 前台启动

      bin/hive --service hiveserver2
      

在这里插入图片描述

  • 后台启动

    nohup  bin/hive --service hiveserver2 &
    

在这里插入图片描述

  • beeline连接hiveserver2

    bin/beeline
    beeline> !connect jdbc:hive2://node1:10000
    
    

在这里插入图片描述

3.3 Hive的命令
  • hive -e sql语句
    • 使用 –e 参数来直接执行hql的语句
cd /opt/bigdata/hive
bin/hive -e "show databases"

在这里插入图片描述

  • hive -f sql文件
    • 使用 –f 参数执行包含hql语句的文件
      在这里插入图片描述

4、Hive的数据类型

4.1 基本数据类型
类型名称描述举例
booleantrue/falsetrue
tinyint1字节的有符号整数1
smallint2字节的有符号整数1
int4字节的有符号整数1
bigint8字节的有符号整数1
float4字节单精度浮点数1.0
double8字节单精度浮点数1.0
string字符串(不设长度)“abc”
varchar字符串(1-65355长度,超长截断)“abc”
timestamp时间戳1563157873
date日期20190715
4.2 复合数据类型
类型名称描述举例
array一组有序的字段,字段类型必须相同 array(元素1,元素2)Array(1,2,3)
map一组无序的键值对 map(k1,v1,k2,v2)Map(‘a’,1,‘b’,2)
struct一组命名的字段,字段类型可以不同 struct(元素1,元素2)Struct(‘a’,1,2,0)
  • array字段的元素访问方式:

    • 下标获取元素,下标从0开始

      • 获取第一个元素

        • array[0]
  • map字段的元素访问方式

    • 通过键获取值

      • 获取a这个key对应的value

        • map[‘a’]
  • struct字段的元素获取方式

    • 定义一个字段c的类型为struct{a int;b string}
      • 获取a和b的值
        • 使用c.a 和c.b 获取其中的元素值
          • 这里可以把这种类型看成是一个对象
create table complex(
         col1 array<int>,
         col2 map<string,int>,
         col3 struct<a:string,b:int,c:double>
)

5、Hive的数据类型转换

5.1 隐式类型转换
  • 系统自动实现类型转换,不需要用户干预

    • 如tinyint可以转换成int,int可以转换成bigint。

    • 所有整数类型、float 和 string类型都可以隐式地转换成double。

    • tinyint、smallint、int都可以转换为float。

    • boolean类型不可以转换为任何其它的类型。

5.2 手动类型转换
  • 可以使用cast函数操作显示进行数据类型转换

    • 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。

6、Hive的DDL操作

6.1 hive的数据库DDL操作
6.1.1、创建数据库
hive > create database db_hive;
或者
hive > create database if not exists db_hive;
  • 数据库在HDFS上的默认存储路径是==/user/hive/warehouse/*.db==
    在这里插入图片描述
6.1.2、显示数据库
  hive> show databases;
6.1.3、显示数据库
hive> show databases like 'db_hive*';
6.1.4、查看数据库详情
hive> desc database db_hive;
6.1.5、显示数据库详细信息
hive> desc database extended db_hive;
6.1.6、切换当前数据库
hive > use db_hive;
6.1.7、删除数据库
#删除为空的数据库
hive> drop database db_hive;

#如果删除的数据库不存在,最好采用if exists 判断数据库是否存在
hive> drop database if exists db_hive;

#如果数据库中有表存在,这里需要使用cascade强制删除数据库
hive> drop database if exists db_hive cascade;
6.2 hive的表DDL操作
6.2.1 、建表语法介绍
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], ...)] 分区
[CLUSTERED BY (col_name, col_name, ...) 分桶
[SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] 
[ROW FORMAT row_format]   row format delimited fields terminated by “分隔符”
[STORED AS file_format] 
[LOCATION hdfs_path]
6.2.2 、字段解释说明
  • create table
    • 创建一个指定名字的表
  • EXTERNAL
    • 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),指定表的数据保存在哪里
  • COMMENT
    • 为表和列添加注释
  • PARTITIONED BY
    • 创建分区表
  • CLUSTERED BY
    • 创建分桶表
  • SORTED BY
    • 按照字段排序(一般不常用)
  • ROW FORMAT
    • 指定每一行中字段的分隔符
      • row format delimited fields terminated by ‘\t’
    • STORED AS
      • 指定存储文件类型
        • 常用的存储文件类型:SEQUENCEFILE(二进制序列文件)、TEXTFILE(文本)、RCFILE(列式存储格式文件)
        • 如果文件数据是纯文本,可以使用STORED AS TEXTFILE。如果数据需要压缩,使用 STORED AS SEQUENCEFILE。
  • LOCATION
    • 指定表在HDFS上的存储位置。
6.2.3、 创建内部表
  • 1、直接建表
    • 使用标准的建表语句
create table if not exists student(
id int, 
name string
)
row format delimited fields terminated by '\t'
stored as textfile;
  • 2、查询建表法
    • 通过AS 查询语句完成建表:将子查询的结果存在新表里,有数据
create table if not exists student1 as select id, name from student;
  • 3、like建表法
    • 根据已经存在的表结构创建表
create table if not exists student2 like student;
  • 4、查询表的类型
hive > desc formatted student;

在这里插入图片描述

6.2.4、 创建外部表
create external table if not exists default.emp(
id int,
name string,
age int
)
row format delimited fields terminated by '\t';
location '/hive/bigdata'
  • 创建外部表的时候需要加上**external** 关键字
  • location字段可以指定,也可以不指定
    • 指定就是数据存放的具体目录
    • 不指定就是使用默认目录 /user/hive/warehouse
      在这里插入图片描述
6.2.5、 内部表与外部表的互相转换
  • 1、内部表转换为外部表
#把student内部表改为外部表
alter table student set tblproperties('EXTERNAL'='TRUE');
  • 2、外部表转换为内部表
#把student管理表改为外部表
alter table student set tblproperties('EXTERNAL'='FALSE');
6.2.6、 内部表与外部表的区别
  • 1、建表语法的区别

    • 外部表在创建的时候需要加上external关键字
  • 2、删除表之后的区别

    • 内部表删除后,表的元数据和真实数据都被删除了

    • 外部表删除后,仅仅只是把该表的元数据删除了,真实数据还在,后期还是可以恢复出来

拓展点

  • hive cli命令窗口查看本地文件系统

    • 与操作本地文件系统类似,这里需要使用 ! (感叹号),并且最后需要加上 ;(分号)
    • 例如
      • !ls /;
  • hive cli命令窗口查看HDFS文件系统

    • 与查看HDFS文件系统类似
      • dfs -ls / ;
  • hive的底层执行引擎有3种

    • mapreduce(默认)
    • tez(支持DAG作业的计算框架)
    • spark(基于内存的分布式计算框架)

总结

在这里插入图片描述

  • 45
    点赞
  • 351
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“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 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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