Hive的使用方法
本篇内容主要讲解“Hive的使用方法”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“Hive的使用方法”吧!
10年积累的网站建设、网站设计经验,可以快速应对客户对网站的新想法和需求。提供各种问题对应的解决方案。让选择我们的客户得到更好、更有力的网络服务。我虽然不认识你,你也不认识我。但先网站设计后付款的网站建设流程,更有覃塘免费网站建设让你可以放心的选择与我们合作。
1、运行模式(集群与本地)
1.1、集群模式:>SET mapred.job.tracker=cluster
1.2、本地模式:>SET mapred.job.tracker=local
2、访问Hive的3钟方式
2.1、终端访问
#hive 或者 #hive --service cli
2.2、web访问,端口9999
#hive --service hwi &
2.3、hive远程服务,端口10000
#hive --service hiveserver &
3、数据类型
3.1、基本数据类型 :
数据类型 | 占用长度 |
tinyint | 1byte(-128~127) |
smallint | 2byte(-2^16 ~ 2^16-1) |
int | 4byte(-2^31 ~ 2^31-1) |
bigint | 8byte(-2^63 ~ 2^63-1) |
float | 4byte单精度 |
double | 8byte双精度 |
string | |
boolean |
3.2、复合数据类型:ARRAY,MAP,STRUCT,UNION
4、数据存储
4.1、基于HDFS
4.2、存储结构:database 、table 、file 、view
4.3、指定行、列分隔符即可解析数据
5、基本操作
5.1、创建数据库:>create database db_name
5.2、指定数据库:>use db
5.3、显示表:show tables;
5.4、创建表
5.4.1、内部表(默认):create table table_name(param_name type1,param_name2 type2,...) row format delimited fields terminated by '分隔符';
例:create table trade_detail(id bigint, account string, income double, expenses double, time string) row format delimited fields terminated by '\t';
内部表类似数据库表,存储在HDFS上(位置通过hive.metastore.warehouse.dir参数查看,除了外部表以外都保存在此处的表),表被删除时,表的元数据信息一起被删除。
加载数据:load data local inpath 'path' into table table_name;
5.4.2、分区表:create table table_name(param_name type1,param_name2 type2,...) partitioned by (param_name type)row format delimited fields terminated by '分隔符';
例:create table td_part(id bigint, account string, income double, expenses double, time string) partitioned by (logdate string) row format delimited fields terminated by '\t';
和普通表的区别:各个数据划分到不同的分区文件,表中的每一个partition对应表下的一个目录,尽管
加载数据:load data local inpath 'path' into table table_name partition (parti_param1='value',parti_param2='value',..);
添加分区:alter table partition_table add partition (daytime='2013-02-04',city='bj');
删除分区:alter table partition_table drop partition (daytime='2013-02-04',city='bj'),元数据和数据文件被删除,但是目录还存在
5.4.3、外部表:create externaltable td_ext(id bigint, account string, income double, expenses double, time string) row format delimited fields terminated by '\t' location 'hdfs_path';
加载数据:load data inpath 'hdfs_path' table_name;
5.4.4、桶表:是对数据进行哈希取值,然后放到不同文件中存储。
创建表:create table bucket_table(id string) clustered by(id) into 4 buckets;
加载数据:
set hive.enforce.bucketing = true;
必须先把以上的操作执行才能加载数据
insert into table bucket_table select name from stu;
insert overwrite table bucket_table select name from stu;
数据加载到桶表时,会对字段取hash值,然后与桶的数量取模。把数据放到对应的文件中。
对数据抽样调查:select * from bucket_table tablesample(bucket 1 out of 4 on id);
6、创建视图:CREATE VIEW v1 AS select * from t1;
7、修改表:alter table tb_name add columns (param_name,type);
8、删除表:drop table tb_name;
9、数据导入
9.1、加载数据:LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)]
数据加载到表时,不会对数据进行转移,LOAD操作只是将数据复制到HIVE表对应的位置
9.2、Hive中表的互导:INSERT OVERWRITE TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)] select_statement FROM from_statement
9.3、create as :CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name (col_name data_type, ...) …AS SELECT * FROM TB_NAME;
10、查询
10.1、语法结构
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]
ALL and DISTINCT :去重
10.2、partition查询
利用分区剪枝(input pruning)的特性,类似“分区索引”,只有当语句中出现WHERE才会启动分区剪枝
10.3、LIMIT Clause
Limit 可以限制查询的记录数。查询的结果是随机选择的。语法:SELECT * FROM t1 LIMIT 5
10.4、Top N
SET mapred.reduce.tasks = 1 SELECT * FROM sales SORT BY amount DESC LIMIT 5
11、表连接
11.1、内连接:select b.name,a.* from dim_ac a join acinfo b on (a.ac=b.acip) limit 10;
11.2、左外连接:select b.name,a.* from dim_ac a left outer join acinfo b on a.ac=b.acip limit 10;
12、Java客户端
12.1、启动远程服务#hive --service hiveserver
12.2、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", "", ""); 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)); }
13、自定义函数(UDF)
13.1、UDF函数可以直接应用于select语句,对查询结构做格式化处理后,再输出内容。
13.2、编写UDF函数的时候需要注意一下几点:
a)自定义UDF需要继承org.apache.hadoop.hive.ql.UDF。
b)需要实现evaluate函数,evaluate函数支持重载。
13.3、步骤
a)把程序打包放到目标机器上去;
b)进入hive客户端,添加jar包:hive>add jar /run/jar/udf_test.jar;
c)创建临时函数:hive>CREATE TEMPORARY FUNCTION add_example AS 'hive.udf.Add';
d)查询HQL语句:
SELECT add_example(8, 9) FROM scores;
SELECT add_example(scores.math, scores.art) FROM scores;
SELECT add_example(6, 7, 8, 6.8) FROM scores;
e)销毁临时函数:hive> DROP TEMPORARY FUNCTION add_example;
注:UDF只能实现一进一出的操作,如果需要实现多进一出,则需要实现UDAF
13.4、代码
package cn.itheima.bigdata.hive; import java.util.HashMap; import org.apache.hadoop.hive.ql.exec.UDF; public class AreaTranslationUDF extends UDF{ private static HashMapareaMap = new HashMap (); static{ areaMap.put("138", "beijing"); areaMap.put("139", "shanghai"); areaMap.put("137", "guangzhou"); areaMap.put("136", "niuyue"); } //用来将手机号翻译成归属地,evaluate方法一定要是public修饰的,否则调不到 public String evaluate(String phonenbr) { String area = areaMap.get(phonenbr.substring(0,3)); return area==null?"other":area; } //用来求两个字段的和 public int evaluate(int x,int y){ return x+y; } }
到此,相信大家对“Hive的使用方法”有了更深的了解,不妨来实际操作一番吧!这里是创新互联网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!
当前题目:Hive的使用方法
本文URL:http://scyanting.com/article/ghehse.html