本文介绍了分布式SQL计算的概念，重点阐述了Hive作为工具如何通过MapReduce实现大规模数据处理。内容涵盖了Hive的特性（如元数据存储模式），以及如何创建和管理数据库、表，区分内部表和外部表的特性。
分布式SQL计算
以分布式的形式，执行SQL语句，进行数据统计分析。
- SQL是目前最为方便的编程工具
- MapReduce支持程序开发（Java、Python等） 但不支持SQL直接进行开发
- Hive是一款分布式SQL计算的工具（上手简单）底层执行MapReduce，可以完成分布式海量数据的SQL处理
Apache Hive是一款分布式SQL计算的工具
将SQL语句翻译成MapReduce程序运行
Hive元数据存储的三种模式：内嵌模式 ；本地模式； 远程模式(推荐)
Hive实操
创建数据库：CREATE DATABASE [IF NOT EXISTS] db_name [LOCATION position];
删除数据库：DROP DATABASE db_name [CASCADE];
数据库本质上就是在HDFS之上的文件夹。 默认数据库的存放路径是HDFS的：/user/hive/warehouse内
创建表的语法
数据类型
内部表和外部表
• 内部表（CREATE TABLE table_name ...） 未被external关键字修饰的即是内部表,内部表又称管理表或者托管表。 删除内部表:直接删除元数据和存储的业务数据
• 外部表（CREATE EXTERNAL TABLE table_name ...） 被external关键字修饰的即是外部表,外部表又称非管理表或者非托管表。 删除外部表:仅仅是删除元数据，存储的业务数据并不会被删除
889
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
