Hive表,
一、Hive运行模式
1.Hive的运行模式即任务的执行环境
2.分为本地与集群两种,我们可以通过mapred.job.tracker 来指明
设置方式:hive > SET mapred.job.tracker=local
二、Hive的启动方式
1.hive 命令行模式,直接输入#/hive/bin/hive的执行程序,或者输入 #hive --service cli
2. hive web界面的 (端口号9999), 启动方式 #hive --service hwi 或者用于通过浏览器来访问hive,http://hadoop0:9999/hwi/
三、Hive与传统数据库
四、Hive的数据类型
1.基本数据类型
tinyint/smallint/int/bigint
float/double
boolean
string
2.复杂数据类型
Array/Map/Struct
【注:没有date/datetime】
五、Hive的数据存储
1. Hive的数据存储基于Hadoop HDFS
2.Hive没有专门的数据存储格式
3.存储结构主要包括:数据库、文件、表、视图
4.Hive默认可以直接加载文本文件(TextFile),还支持sequence file 、RC file【基于 Hive 的文件格式:RCFile 简介及其应用】
5.创建表时,指定Hive数据的列分隔符与行分隔符,Hive即可解析数据
六、Hive的数据模型
6.1 Hive的数据模型-数据库
1.类似传统数据库的DataBase
2.默认数据库"default" hive> use default;
3.创建一个新库 hive > create database test_dw;
6.2 Hive的数据模型-内部表
1. 与数据库中的 Table 在概念上是类似
2.每一个 Table 在 Hive 中都有一个相应的目录存储数据。例如,一个表 test,它在 HDFS 中的路径为:/user/hive/warehouse/test。
warehouse是在 hive-site.xml 中由 ${hive.metastore.warehouse.dir} 指定的数据仓库的目录。所有的 Table 数据(不包括 External Table)都保存在这个目录中。
3.删除表时,元数据与数据都会被删除
4.在本地创建数据文件inner_table.dat
5.创建表 hive>create table inner_table (key string);
6.加载数据 hive>load data local inpath '/root/inner_table.dat' into table inner_table;
7.查看数据 select * from inner_table
select count(*) from inner_table
8.删除表 drop table inner_table
6.3 Hive的数据模型-分区表
1.Partition 对应于数据库的 Partition 列的密集索引
2.在 Hive 中,表中的一个 Partition 对应于表下的一个目录,所有的 Partition 的数据都存储在对应的目录中
例如:test表中包含 date 和 city 两个 Partition,则对应于date=20130201, city = bj 的 HDFS 子目录为:/warehouse/test/date=20130201/city=bj
对应于date=20130202, city=sh 的HDFS 子目录为;/warehouse/test/date=20130202/city=sh
3.创建分区表
CREATE TABLE tmp_table #表名
(
title string, # 字段名称 字段类型
minimum_bid double,
quantity bigint,
have_invoice bigint
)COMMENT '注释:XXX' #表注释
PARTITIONED BY(pt STRING) #分区表字段(如果你文件非常之大的话,采用分区表可以快过滤出按分区字段划分的数据)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\001' # 字段是用什么分割开的
STORED AS SEQUENCEFILE; #用哪种方式存储数据,SEQUENCEFILE是hadoop自带的文件压缩格式
4.一些相关命令
SHOW TABLES; # 查看所有的表
SHOW TABLES '*TMP*'; #支持模糊查询
SHOW PARTITIONS TMP_TABLE; #查看表有哪些分区
DESCRIBE TMP_TABLE; #查看表结构
5.练习
创建数据文件 a.c
创建表
create table people(userid int,username string) partitioned by(nation string) row format delimited fields terminated by '\t' stored as TEXTFILE LOCATION '/people'; stored as TEXTFILE;
加载数据到分区 load data local inpath '/a.c' into table people partition (nation='China');
查看数据 select * from people;
select count(*) from people;
在Hive命令行下在HDFS上创建文件夹并上传文件
dfs -mkdir
dfs -put /b.j /people/nation=Japan;
为表添加元数据信息 alter table add partition (nation='Japan') location"/people/nation=Japan";
查看数据
select * from people;
删除分区
alter table people drop partition (nation='Japan');
删除表 drop table partition_table
6.4 Hive的数据模型-外部表
1.指向已经在 HDFS 中存在的数据,可以创建 Partition
2.它和 内部表 在元数据的组织上是相同的,而实际数据的存储则有较大的差异
内部表 的创建过程和数据加载过程(这两个过程可以在同一个语句中完成),在加载数据的过程中,实际数据会被移动到数据仓库目录中;之后对数据的访问将会直接在数据仓库目录中完成。删除表时,表中的数据和元数据将会被同时删除。
外部表 只有一个过程,加载数据和创建表同时完成,并不会移动到数据仓库目录中,只是与外部数据建立一个链接。当删除一个外部表时,仅删除该链接。
3.创建外部表的格式
CREATE EXTERNAL TABLE page_view
( viewTime INT,
userid BIGINT,
page_url STRING,
referrer_url STRING,
ip STRING COMMENT 'IP Address of the User',
country STRING COMMENT 'country of origination‘
)
COMMENT 'This is the staging page view table'
ROW FORMAT DELIMITED FIELDS TERMINATED BY '44' LINES TERMINATED BY '12'
STORED AS TEXTFILE
LOCATION 'hdfs://centos:9000/user/data/staging/page_view';
4.练习
创建数据文件external_table.dat
创建表
hive>create external table external_table1 (key string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' location '/home/external';
在HDFS创建目录/home/external 并把数据上传到HDFS上
#hadoop fs -put /home/external_table.dat /home/external
加载数据
LOAD DATA INPATH '/home/external_table1.dat' INTO TABLE external_table1;
查看数据
select * from external_table
select count(*) from external_table
删除表
drop table external_table
七、Hive的数据模型-表的操作
表的修改
alter table target_tab add columns (cols,string)
表的删除
drop table
导入数据
(1)当数据被加载至表中时,不会对数据进行任何转换。Load 操作只是将数据复制/移动至 Hive 表对应的位置。
(2)格式:
LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)]
(3)把一个Hive表导入到另一个已建Hive表 方式一
INSERT OVERWRITE TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)] select_statement FROM from_statement
方式二 CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name
(col_name data_type, ...) …
AS SELECT …
查询
(1)格式
SELECT [ALL | DISTINCT] select_expr, select_expr, ...
FROM table_reference
[WHERE where_condition]
[GROUP BY col_list]
[ CLUSTER BY col_list | [DISTRIBUTE BY col_list] [SORT BY col_list] | [ORDER BY col_list] ]
[LIMIT number]
其中 DISTRIBUTE BY 指定分发器(Partitioner),多Reducer可用
(2)基于Partition的查询
一般 SELECT 查询是全表扫描。但如果是分区表,查询就可以利用分区剪枝(input pruning)的特性,类似“分区索引“”,只扫描一个表中它关心的那一部分。Hive 当前 的实现是,只有分区断言(Partitioned by)出现在离 FROM 子句最近的那个WHERE 子句中,才会启用分区剪枝。例如,如果 page_views 表(按天分区)使用 date 列分区,以下语句只会读取分区为‘2008-03-01’的数据。
SELECT page_views.* FROM page_views WHERE page_views.date >= '2013-03-01' AND page_views.date <= '2013-03-01'
(3)IMIT Clause Limit 可以限制查询的记录数。查询的结果是随机选择的。下面的查询语句从 t1 表中随机查询5条记录:
SELECT * FROM t1 LIMIT 5
(4)Top N查询 下面的查询语句查询销售记录最大的 5 个销售代表。
SELECT * FROM sales SORT BY amount DESC LIMIT 5
表的连接 (1)内连接
select b.name,a.* from dim_ac a join acinfo b on (a.ac=b.acip) limit 10;
(2)左外连接 select b.name,a.* from dim_ac a left outer join acinfo b on a.ac=b.acip limit 10;
八、Hive的API
JAVA客户端相关代码:
Class.forName("org.apache.hadoop.hive.jdbc.HiveDriver");
Connection con = DriverManager.getConnection("jdbc:hive://192.168.1.102:10000/wlan_dw", " root", "123");
Statement stmt = con.createStatement();
String querySQL="SELECT * FROM wlan_dw.dim_m order by flux desc limit 10";
ResultSet res = stmt.executeQuery(querySQL);
while (res.next()) {
System.out.println(res.getString(1) +"\t" +res.getLong(2)+"\t" +res.getLong(3)+"\t" +res.getLong(4)+"\t" +res.getLong(5));
}
、