码迷,mamicode.com
首页 > 其他好文 > 详细

hive从入门到实战一

时间:2020-05-30 19:36:05      阅读:56      评论:0      收藏:0      [点我收藏+]

标签:暴力   令行   数据存储   间隔   基于   drive   ase   rgba   安装包   

第1章 Hive入门

1.1 什么是Hive

  Hive:由Facebook开源用于解决海量结构化日志的数据统计(分析数据的框架)。
  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

技术图片
  1)Hive处理的数据存储在HDFS上。
  2)Hive分析数据底层的实现是MapReduce。
  3)执行程序运行在Yarn上。
  即Hive类似于一个Hadoop的客户端,所以Hive不涉及集群的概念,可以安装多个。

1.2 Hive的优缺点

1.2.1 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,扩展性好。

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(算法,机器学习,即多个MapReduce串联的局限性)
  (2)数据挖掘方面不擅长(不善于“啤酒+纸尿布案列”,善于数据分析)
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

技术图片

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
  使用HDFS进行存储,使用MapReduce进行计算。
4、驱动器:Driver
  (1)解析器(SQL Parser):将SQL字符串转换成抽象语法树AST,这一步一般都用第三方工具库完成,比如antlr;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。
  (2)编译器(Physical Plan):将AST编译生成逻辑执行计划。
  (3)优化器(Query Optimizer):对逻辑执行计划进行优化。
  (4)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,就是MR/Spark。

技术图片
  Hive通过给用户提供的一系列交互接口,接收到用户的指令(SQL),使用自己的Driver,结合元数据(MetaStore),将这些指令翻译成MapReduce,提交到Hadoop中执行,最后,将执行返回的结果输出到用户交互接口。

1.4 Hive和数据库比较

  由于 Hive 采用了类似SQL 的查询语言 HQL(Hive Query Language),因此很容易将 Hive 理解为数据库。其实从结构上来看,Hive 和数据库除了拥有类似的查询语言,再无类似之处。本文将从多个方面来阐述 Hive 和数据库的差异。数据库可以用在 Online 的应用中,但是 Hive 是为数据仓库而设计的,清楚这一点,有助于从应用角度理解 Hive 的特性。

1.4.1 查询语言

  由于SQL被广泛的应用在数据仓库中,因此,专门针对 Hive 的特性设计了类SQL的查询语言HQL。熟悉SQL开发的开发者可以很方便的使用 Hive 进行开发。

1.4.2 数据存储位置

  Hive 是建立在 Hadoop 之上的,所有 Hive 的数据都是存储在 HDFS 中的。而数据库则可以将数据保存在块设备或者本地文件系统中。

1.4.3 数据更新

  由于 Hive 是针对数据仓库应用设计的,而数据仓库的内容是读多写少的。因此,Hive 中不建议对数据的改写,所有的数据都是在加载的时候确定好的。而数据库中的数据通常是需要经常进行修改的,因此可以使用 INSERT INTO … VALUES 添加数据,使用 UPDATE … SET修改数据。

1.4.4 索引

  Hive 在加载数据的过程中不会对数据进行任何处理,甚至不会对数据进行扫描,因此也没有对数据中的某些Key建立索引。Hive 要访问数据中满足条件的特定值时,需要暴力扫描整个数据,因此访问延迟较高。由于 MapReduce 的引入, Hive 可以并行访问数据,因此即使没有索引,对于大数据量的访问,Hive 仍然可以体现出优势。数据库中,通常会针对一个或者几个列建立索引,因此对于少量的特定条件的数据的访问,数据库可以有很高的效率,较低的延迟。由于数据的访问延迟较高,决定了 Hive 不适合在线数据查询。

1.4.5 执行

  Hive 中大多数查询的执行是通过 Hadoop 提供的 MapReduce 来实现的。而数据库通常有自己的执行引擎。

1.4.6 执行延迟

  Hive 在查询数据的时候,由于没有索引,需要扫描整个表,因此延迟较高。另外一个导致 Hive 执行延迟高的因素是 MapReduce 框架。由于MapReduce 本身具有较高的延迟,因此在利用 MapReduce 执行 Hive 查询时,也会有较高的延迟。相对的,数据库的执行延迟较低。当然,这个低是有条件的,即数据规模较小,当数据规模大到超过数据库的处理能力的时候,Hive的并行计算显然能体现出优势。

1.4.7 可扩展性

  由于 Hive 是建立在 Hadoop 之上的,因此 Hive 的可扩展性是和 Hadoop 的可扩展性是一致的(世界上最大的 Hadoop 集群在 Yahoo!,2009年的规模在 4000 台节点左右)。而数据库由于 ACID 语义的严格限制,扩展行非常有限。目前最先进的并行数据库 Oracle 在理论上的扩展能力也只有100台左右。

1.4.8 数据规模

  由于 Hive 建立在集群上并可以利用 MapReduce 进行并行计算,因此可以支持很大规模的数据;对应的,数据库可以支持的数据规模较小。

第2章 Hive安装、配置和使用

2.1 Hive安装地址

1、Hive官网地址
  http://hive.apache.org/

技术图片
2、文档查看地址
  https://cwiki.apache.org/confluence/display/Hive/GettingStarted
3、下载地址
  http://archive.apache.org/dist/hive/
4、github地址
  https://github.com/apache/hive

2.2 Hive安装部署

1、Hive安装及配置
(1)把apache-hive-1.2.1-bin.tar.gz上传到linux的/opt/software目录下
(2)解压apache-hive-1.2.1-bin.tar.gz到/opt/module/目录下面

[atguigu@hadoop102 software]$ tar -zxvf apache-hive-1.2.1-bin.tar.gz -C /opt/module/

(3)修改apache-hive-1.2.1-bin.tar.gz的名称为hive

[atguigu@hadoop102 module]$ mv apache-hive-1.2.1-binhive

(4)修改/opt/module/hive/conf目录下的hive-env.sh.template名称为hive-env.sh

[atguigu@hadoop102 conf]$ cp hive-env.sh.template hive-env.sh

(5)配置hive-env.sh文件
(a)配置HADOOP_HOME路径

# Set HADOOP_HOME to point to a specific hadoop install directory
HADOOP_HOME=/opt/module/hadoop-2.7.2

(b)配置HIVE_CONF_DIR路径

# Hive Configuration Directory can be controlled by:
export HIVE_CONF_DIR=/opt/module/hive/conf

(6)配置HIVE_HOME

[atguigu@hadoop102 ~]$ sudo vim /etc/profile

添加的内容如下:

#HIVE_HOME
export HIVE_HOME=/opt/module/hive
export PATH=$PATH:$HIVE_HOME/bin

:wq 保存退出

使配置文件生效

[atguigu@hadoop102 ~]$ source /etc/profile

2、Hadoop集群配置
(1)在启动Hive之前,必须先启动hdfs和yarn

[atguigu@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh
[atguigu@hadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh

(2)在HDFS上创建/tmp和/user/hive/warehouse两个目录并修改他们的同组权限可写

[atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -mkdir /tmp
[atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -mkdir -p /user/hive/warehouse

[atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -chmod g+w /tmp
[atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -chmod g+w /user/hive/warehouse

3、Hive基本操作
(1)启动hive

[atguigu@hadoop102 hive]$ bin/hive

(2)查看数据库

hive> show databases;

(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(1000,"ss");

(9)查询表中数据

hive> select * 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/student.txt这个目录下的数据导入到hive的student(id int, name string)表中。

1、数据准备
在/opt/module/datas这个目录下准备数据
(1)在/opt/module/目录下创建datas

[atguigu@hadoop102 module]$ mkdir datas

(2)在/opt/module/datas/目录下创建student.txt文件并添加数据

[atguigu@hadoop102 datas]$ touch student.txt
[atguigu@hadoop102 datas]$ vim student.txt
1001    zhangshan
1002    lishi
1003    zhaoliu

注意以tab键间隔。

2、Hive实际操作
(1)启动hive

[atguigu@hadoop102 hive]$ bin/hive

(2)显示数据库

hive> show databases;

(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 delimited fields terminated by ‘\t‘;

(7)加载/opt/module/datas/student.txt 文件到student数据库表中。

hive> load data local inpath ‘/opt/module/datas/student.txt‘ into table student;

(8)Hive查询结果

hive> select * from student;
OK
1001    zhangshan
1002    lishi
1003    zhaoliu
Time taken: 0.266 seconds, Fetched: 3 row(s)

3、遇到的问题
再打开一个客户端窗口启动hive,会产生java.sql.SQLException异常。

Exception in thread "main" java.lang.RuntimeException: java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient
    at org.apache.hadoop.hive.ql.session.SessionState.start(SessionState.java:522)
    at org.apache.hadoop.hive.cli.CliDriver.run(CliDriver.java:677)
    at org.apache.hadoop.hive.cli.CliDriver.main(CliDriver.java:621)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:498)
    at org.apache.hadoop.util.RunJar.run(RunJar.java:221)
    at org.apache.hadoop.util.RunJar.main(RunJar.java:136)
Caused by: java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient
    at org.apache.hadoop.hive.metastore.MetaStoreUtils.newInstance(MetaStoreUtils.java:1523)
    at org.apache.hadoop.hive.metastore.RetryingMetaStoreClient.<init>(RetryingMetaStoreClient.java:86)
    at org.apache.hadoop.hive.metastore.RetryingMetaStoreClient.getProxy(RetryingMetaStoreClient.java:132)
    at org.apache.hadoop.hive.metastore.RetryingMetaStoreClient.getProxy(RetryingMetaStoreClient.java:104)
    at org.apache.hadoop.hive.ql.metadata.Hive.createMetaStoreClient(Hive.java:3005)
    at org.apache.hadoop.hive.ql.metadata.Hive.getMSC(Hive.java:3024)
    at org.apache.hadoop.hive.ql.session.SessionState.start(SessionState.java:503)
    ... 8 more
......
......

原因是:Metastore(元数据)默认存储在自带的derby数据库中,derby数据库是单一用户的,所以推荐使用MySQL存储Metastore

2.4 MySql安装

2.4.1 安装包准备

1、先切换至 root 用户,查看mysql是否安装,如果安装了,卸载mysql
(1)查看

[root@hadoop102 桌面]# rpm -qa | grep mysql
mysql-libs-5.1.73-7.el6.x86_64

(2)卸载

[root@hadoop102 桌面]rpm -e --nodeps mysql-libs-5.1.73-7.el6.x86_64

2、解压mysql-libs.zip文件到当前目录

[root@hadoop102 software]# unzip mysql-libs.zip
[root@hadoop102 software]# ls
mysql-libs.zip
mysql-libs

3、进入到mysql-libs文件夹下

[root@hadoop102 mysql-libs]ll
总用量 76048
-rw-r--r--. 1 root root 18509960 3月  26 2015 MySQL-client-5.6.24-1.el6.x86_64.rpm
-rw-r--r--. 1 root root  3575135 12月  1 2013 mysql-connector-java-5.1.27.tar.gz
-rw-r--r--. 1 root root 55782196 3月  26 2015 MySQL-server-5.6.24-1.el6.x86_64.rpm

2.4.2 安装MySql服务器

1、安装mysql服务端

[root@hadoop102 mysql-libs]rpm -ivh MySQL-server-5.6.24-1.el6.x86_64.rpm

2、查看产生的随机密码

[root@hadoop102 mysql-libs]# cat /root/.mysql_secret
# The random password set for the root user at Sun Feb 24 18:13:37 2019 (local time): PyxYLBK4tABK1cZb

3、查看mysql状态

[root@hadoop102 mysql-libs]# service mysql status

4、启动mysql

[root@hadoop102 mysql-libs]# service mysql start

2.4.3 安装MySql客户端

1、安装mysql客户端

[root@hadoop102 mysql-libs]rpm -ivh MySQL-client-5.6.24-1.el6.x86_64.rpm

2、连接mysql

[root@hadoop102 mysql-libs]# mysql -uroot -pOEXaQuS8IWkG19Xs

3、修改密码

mysql> set password=password("123456");

4、退出mysql

mysql> exit

5、重新登录mysql

[root@hadoop102 mysql-libs]# mysql -uroot -p123456

2.4.4 MySql中user表中主机配置

  配置只要是root用户+密码,在任何主机上都能登录MySQL数据库。即配置MySQL无主机登录。
1、进入mysql

[root@hadoop102 mysql-libs]# mysql -uroot -p123456

2、显示数据库

mysql> show databases;

3、使用mysql数据库

mysql> use mysql;

4、展示mysql数据库中的所有表

mysql> show tables;

5、展示user表的结构

mysql> desc user;

6、查询user表

mysql> select User, Host, Password from user;

7、修改user表,把Host表内容修改为%,%表示通配符的意思

mysql> update user set host=‘%‘ where host=‘localhost‘;

8、删除root用户的其他host

mysql> delete from user where Host=‘hadoop102‘;
mysql> delete from user where Host=‘127.0.0.1‘;
mysql> delete from user where Host=‘::1‘;

9、刷新

mysql> flush privileges;

10、退出

mysql> quit;

2.5 Hive元数据配置到MySql

2.5.1 驱动拷贝

1、在/opt/software/mysql-libs目录下解压mysql-connector-java-5.1.27.tar.gz驱动包

[root@hadoop102 mysql-libs]tar -zxvf mysql-connector-java-5.1.27.tar.gz

2、拷贝/opt/software/mysql-libs/mysql-connector-java-5.1.27目录下的mysql-connector-java-5.1.27-bin.jar到/opt/module/hive/lib/

[root@hadoop102 mysql-connector-java-5.1.27]# cp mysql-connector-java-5.1.27-bin.jar /opt/module/hive/lib/

3、进入 /opt/module/hive/lib/ 目录下,修改 mysql-connector-java-5.1.27-bin.jar 的 所有者 和 所有组

[root@hadoop102 lib]chown atguigu:atguigu mysql-connector-java-5.1.27-bin.jar

4、退出 root 用户账号

[root@hadoop102 lib]# exit
exit

2.5.2 配置metastore到MySql

1、在/opt/module/hive/conf目录下创建一个hive-site.xml

[atguigu@hadoop102 conf]$ touch hive-site.xml
[atguigu@hadoop102 conf]$ vim hive-site.xml

2、根据官方文档配置参数,拷贝数据到hive-site.xml文件中
https://cwiki.apache.org/confluence/display/Hive/AdminManual+MetastoreAdmin

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
    <property>
      <name>javax.jdo.option.ConnectionURL</name>
      <value>jdbc:mysql://hadoop102:3306/metastore?createDatabaseIfNotExist=true</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>

3、配置完毕后,如果启动hive异常,可以重新启动虚拟机。(重启后,别忘了启动hadoop集群)

2.5.3 多窗口启动Hive测试

1、先启动MySQL

[atguigu@hadoop102 mysql-libs]$ mysql -uroot -p123456

查看有几个数据库

mysql> show databases;
+--------------------+
| Database           |
+--------------------+
| information_schema |
| mysql              |
| performance_schema |
| test               |
+--------------------+

2、再次打开多个窗口,分别启动hive,发现没有问题,因为MySQL是多用户模式。

[atguigu@hadoop102 hive]$ bin/hive

3、启动hive后,回到MySQL窗口查看数据库,显示增加了metastore数据库

mysql> show databases;
+--------------------+
| Database           |
+--------------------+
| information_schema |
| metastore          |
| mysql              |
| performance_schema |
| test               |
+--------------------+

2.6 Hive JDBC访问

2.6.1 启动hiveserver2服务

[atguigu@hadoop102 hive]$ bin/hiveserver2

2.6.2 启动beeline

[atguigu@hadoop102 hive]$ bin/beeline
Beeline version 1.2.1 by Apache Hive
beeline>

2.6.3 连接hiveserver2

beeline> !connect jdbc:hive2://hadoop102:10000(回车)
Connecting to jdbc:hive2://hadoop102:10000
Enter username for jdbc:hive2://hadoop102:10000: atguigu(回车)
Enter password for jdbc:hive2://hadoop102:10000: (直接回车)
Connected to: Apache Hive (version 1.2.1)
Driver: Hive JDBC (version 1.2.1)
Transaction isolation: TRANSACTION_REPEATABLE_READ
0: jdbc:hive2://hadoop102:10000> show databases;
+----------------+--+
| database_name  |
+----------------+--+
default        |
| hive_db2       |
+----------------+--+

2.7 Hive常用交互命令

应用于:做定时任务。

[atguigu@hadoop102 hive]$ bin/hive -help
usage: hive
 -d,--define <key=value>          Variable subsitution to apply to hive
                                  commands. e.g. -d A=B or --define A=B
    --database <databasename>     Specify the database to use
 -e <quoted-query-string>         SQL from command line
 -f <filename>                    SQL from files
 -H,--help                        Print help information
    --hiveconf <property=value>   Use value for given property
    --hivevar <key=value>         Variable subsitution to apply to hive
                                  commands. e.g. --hivevar A=B
 -i <filename>                    Initialization SQL file
 -S,--silent                      Silent mode in interactive shell
 -v,--verbose                     Verbose mode (echo executed SQL to the
                                  console)
[atguigu@hadoop102 hive]$ 

0、由于我们更换了数据库为MySQL,为了下面的演示方便,我们需要先做一些准备工作:

hive> show databases;
hive> create table student(id int, name string) row format delimited fields terminated by ‘\t‘;
hive> select * from student;
OK
1001    zhangshan
1002    lishi
1003    zhaoliu

1、“-e”不进入hive的交互窗口执行sql语句

[atguigu@hadoop102 hive]$ bin/hive -e "select id from student;"

2、“-f”执行脚本中sql语句
(1)在/opt/module/datas目录下创建hivef.sql文件

[atguigu@hadoop102 datas]$ touch hivef.sql

文件中写入正确的sql语句

select * from student;

(2)执行文件中的sql语句

[atguigu@hadoop102 hive]$ bin/hive -f /opt/module/datas/hivef.sql

(3)执行文件中的sql语句并将结果写入文件中

[atguigu@hadoop102 hive]$ bin/hive -f /opt/module/datas/hivef.sql > /opt/module/datas/hive_result.txt

2.8 Hive其他命令操作

1、退出hive窗口:

hive(default)> exit;
hive(default)> quit;

在新版的hive中没区别了,在以前的版本是有的:
exit:先隐性提交数据,再退出。
quit:不提交数据,直接退出。
2、在hive cli命令窗口中如何查看hdfs文件系统

hive(default)> dfs -ls /;

3、在hive cli命令窗口中如何查看本地文件系统

hive(default)> ! ls /opt/module/datas;

4、查看在hive中输入的所有历史命令
(1)进入到当前用户的根目录/root或/home/atguigu
(2)查看.hivehistory文件

[atguigu@hadoop102 ~]$ cat .hivehistory

2.9 Hive常见属性配置

2.9.1 Hive数据仓库位置配置

1)default数据仓库的最原始位置是在hdfs上的/user/hive/warehouse路径下。
2)在仓库目录下,没有对默认的数据库default创建文件夹。如果某张表属于default数据库,直接会在数据仓库目录下创建一个文件夹
3)修改default数据仓库原始位置(将hive-default.xml.template如下配置信息拷贝到hive-site.xml文件中)。

<property>
    <name>hive.metastore.warehouse.dir</name>
    <value>/user/hive/warehouse</value>
    <description>location of default database for the warehouse</description>
</property>

配置同组用户具有写权限

[atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -chmod g+w /user/hive/warehouse

2.9.2 Hive查询后信息显示配置

1)在hive-site.xml文件中添加如下配置信息,就可以实现显示当前数据库,以及查询表的头信息配置。

<property>
    <name>hive.cli.print.header</name>
    <value>true</value>
</property>

<property>
    <name>hive.cli.print.current.db</name>
    <value>true</value>
</property>

2)重新启动hive,对比配置前后差异。
(1)配置前,如下图所示:

技术图片
(2)配置后,如下图所示:
技术图片

2.9.3 Hive运行日志信息配置

1、Hive的log默认存放在/tmp/atguigu/hive.log目录下(当前用户名下),如果内存或者资源不够会自动回收tmp文件夹,所以把重要的信息放到该目录下不安全,需要更改。
2、修改hive的log存放日志到/opt/module/hive/logs
(1)修改/opt/module/hive/conf/hive-log4j.properties.template文件名称为
hive-log4j.properties

atguigu@hadoop102 conf]$ pwd
/opt/module/hive/conf
[atguigu@hadoop102 conf]$ cp hive-log4j.properties.template hive-log4j.properties

(2)在hive-log4j.properties文件中修改log存放位置

hive.log.dir=/opt/module/hive/logs

2.9.4 Hive参数配置方式

1、查看当前所有的配置信息

hive> set;

2、参数的配置三种方式
(1)配置文件方式
  默认配置文件:hive-default.xml.template
  用户自定义配置文件:hive-site.xml
  注意:用户自定义配置会覆盖默认配置。另外,Hive也会读入Hadoop的配置,因为Hive是作为Hadoop的客户端启动的,Hive的配置会覆盖Hadoop的配置。配置文件的设定对本机启动的所有Hive进程都有效。
(2)命令行参数方式
  启动Hive时,可以在命令行添加-hiveconf param=value来设定参数。例如:

[atguigu@hadoop103 hive]$ bin/hive -hiveconf mapred.reduce.tasks=10;

  注意:仅对本次hive启动有效。
  查看参数设置:

hive (default)> set mapred.reduce.tasks;

(3)参数声明方式
  可以在HQL中使用SET关键字设定参数。例如:

hive (default)> set mapred.reduce.tasks=100;

  注意:仅对本次hive启动有效。
  查看参数设置

hive (default)> set mapred.reduce.tasks;

  上述三种设定方式的优先级依次递增。即优先级:配置文件<命令行参数<参数声明。注意某些系统级的参数,例如log4j相关的设定,必须用前两种方式设定,因为那些参数的读取在会话建立以前已经完成了。

第3章 Hive数据类型

3.1 基本数据类型

技术图片
  注意:对于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,理论上它可以存储2GB的字符数。

3.2 集合数据类型

技术图片
  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。
案例实操
1)假设某表有如下一行,我们用JSON格式来表示其数据结构。在Hive下访问的格式为:
{
    "name""songsong",
    "friends": ["bingbing""lili"] ,   // 列表Array, 
    "children": {                       // 键值Map,
        "xiao song"18 ,
        "xiaoxiao song"19
    }
    "address": {                      // 结构Struct,
        "street""hui long guan" ,
        "city""beijing" 
    }
}

2)基于上述数据结构,我们在Hive里创建对应的表,并导入数据。
创建本地测试文件test.txt

songsong,bingbing_lili,xiao song:18_xiaoxiao song:19,hui long guan_beijing
yangyang,caicai_susu,xiao yang:18_xiaoxiao yang:19,chao yang_beijing

注意:MAP,STRUCT和ARRAY里的元素间关系都可以用同一个字符表示,这里用“_”。

3)Hive上创建测试表test

create table test(
    name string,
    friends array<string>,
    children map<stringint>,
    address struct<street:string, city:string>
)
row format delimited fields terminated by ‘,‘
collection items terminated by ‘_‘
map keys terminated by ‘:‘
lines terminated by ‘\n‘;

字段解释:

row format delimited fields terminated by ‘,‘   -- 列分隔符
collection items terminated by ‘_‘              -- MAP、STRUCT 和 ARRAY 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

4)导入文本数据到测试表

hive (default)> load data local inpath ‘/opt/module/datas/test.txt’ into table test

或者

[atguigu@hadoop102 datas]$ hadoop fs -put test.txt /user/hive/warehouse/test

5)访问三种集合列里的数据,以下分别是ARRAY,MAP,STRUCT的访问方式

hive> desc test;
OK
name                    string                                      
friends                 array<string>                               
children                map<string,int>                             
address                 struct<street:string,city:string>                       
Time taken: 1.032 seconds, Fetched: 4 row(s)
hive> select * from test;
OK
songsong    ["bingbing","lili"] {"xiao song":18,"xiaoxiao song":19} {"street":"hui long guan","city":"beijing"}
yangyang    ["caicai","susu"]   {"xiao yang":18,"xiaoxiao yang":19} {"street":"chao yang","city":"beijing"}
Time taken: 0.274 seconds, Fetched: 2 row(s)
hive> select friends[1],children[‘xiao song‘],address.city from test where name="songsong";
OK
lili    18  beijing
Time taken: 0.179 seconds, Fetched: 1 row(s)

3.3 类型转化

  Hive的原子数据类型是可以进行隐式转换的,类似于Java的类型转换,例如某表达式使用INT类型,TINYINT会自动转换为INT类型,但是Hive不会进行反向转化,例如,某表达式使用TINYINT类型,INT不会自动转换为TINYINT类型,它会返回错误,除非使用CAST操作。
  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BIGINT。
    (2)所有整数类型、FLOAT和STRING类型都可以隐式地转换成DOUBLE。
    (3)TINYINT、SMALLINT、INT都可以转换为FLOAT。
    (4)BOOLEAN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。

hive从入门到实战一

标签:暴力   令行   数据存储   间隔   基于   drive   ase   rgba   安装包   

原文地址:https://www.cnblogs.com/huanghanyu/p/12994219.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!