Hive运行机制与使用

hive介绍
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数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。

hive的运行机制
图示

假设我在hive命令行客户端使用创建了一个数据库（database）myhive，接着又在该数据库中创建了一张表emp。

create database myhive;use myhive;create table emp(id int,name string);

那么hive会将元数据存储在数据库中。Hive 中的元数据包括表的名字，表的列和分区及其属性，表的属性（是否为外部表等），表的数据所在目录等。
hive是基于hadoop的，所以数据库和表均表现在hdfs上的目录，数据信息当然也是存储在hdfs上。
对于上面的库和表来说，会在hdfs上创建/user/hive/warehouse/myhive.db这样的目录结构，而表的信息则可以自己上传个文件比如图中的emp.data到/user/hive/warehouse/myhive.db目录下。那么就可以写sql进行查询了（注：写查询语句写的是myhive这张表不删emp.data，如select * from myhive,但是查询到的是emp.data中的信息，两者结合可以理解为传统数据库的某张表），而这些元数据信息都会存储到外部的数据库中（如mysql，当然也可以使用内嵌的derby，不推荐使用derby毕竟是内嵌的不能共享信息）。
然后我再写个查询语句

select id,name from emp where id>2 order by id desc;

那么是怎么执行的呢？查询语句交给hive，hive利用解析器、优化器等（图中表示Compiler）,调用mapreduce模板，形成计划，生成的查询计划存储在 HDFS 中，随后由Mapreduce程序调用，提交给job放在Yarn上运行。

hive与mapreduce关系

hive的数据存储
1、Hive中所有的数据都存储在 HDFS 中，没有专门的数据存储格式（可支持Text，SequenceFile，ParquetFile，RCFILE等）
2、只需要在创建表的时候告诉 Hive 数据中的列分隔符和行分隔符，Hive 就可以解析数据。
3、Hive 中包含以下数据模型：DB、Table，External Table，Partition，Bucket。
db：在hdfs中表现为${hive.metastore.warehouse.dir}目录下一个文件夹
table：在hdfs中表现所属db目录下一个文件夹
external table：外部表, 与table类似，不过其数据存放位置可以在任意指定路径
普通表: 删除表后, hdfs上的文件都删了
External外部表删除后, hdfs上的文件没有删除, 只是把文件删除了
partition：在hdfs中表现为table目录下的子目录
bucket：桶, 在hdfs中表现为同一个表目录下根据hash散列之后的多个文件, 会根据不同的文件把数据放到不同的文件中

理论总让人头昏，下面介绍hive的初步使用上面的自然就明白了。

hive的使用
虽然可以使用hive与shell交互的方式启动hive

[root@mini1 ~]# cd apps/hive/bin[root@mini1 bin]# ll总用量 32-rwxr-xr-x. 1 root root 1031 4月  30 2015 beelinedrwxr-xr-x. 3 root root 4096 10月 17 12:38 ext-rwxr-xr-x. 1 root root 7844 5月   8 2015 hive-rwxr-xr-x. 1 root root 1900 4月  30 2015 hive-config.sh-rwxr-xr-x. 1 root root  885 4月  30 2015 hiveserver2-rwxr-xr-x. 1 root root  832 4月  30 2015 metatool-rwxr-xr-x. 1 root root  884 4月  30 2015 schematool[root@mini1 bin]# ./hivehive> 

但是界面并不好看，而hive也可以发布为服务（Hive thrift服务），然后可以使用hive自带的beeline去连接。如下

窗口1，开启服务

[root@mini1 ~]# cd apps/hive/bin[root@mini1 bin]# ll总用量 32-rwxr-xr-x. 1 root root 1031 4月  30 2015 beelinedrwxr-xr-x. 3 root root 4096 10月 17 12:38 ext-rwxr-xr-x. 1 root root 7844 5月   8 2015 hive-rwxr-xr-x. 1 root root 1900 4月  30 2015 hive-config.sh-rwxr-xr-x. 1 root root  885 4月  30 2015 hiveserver2-rwxr-xr-x. 1 root root  832 4月  30 2015 metatool-rwxr-xr-x. 1 root root  884 4月  30 2015 schematool[root@mini1 bin]# ./hiveserver2

窗口2，作为客户端连接

[root@mini1 bin]# ./beeline Beeline version 1.2.1 by Apache Hivebeeline> [root@mini1 bin]# [root@mini1 bin]# ./beeline Beeline version 1.2.1 by Apache Hivebeeline> !connect jdbc:hive2://localhost:10000Connecting to jdbc:hive2://localhost:10000Enter username for jdbc:hive2://localhost:10000: rootEnter password for jdbc:hive2://localhost:10000: ******Connected to: Apache Hive (version 1.2.1)Driver: Hive JDBC (version 1.2.1)Transaction isolation: TRANSACTION_REPEATABLE_READ0: jdbc:hive2://localhost:10000> 

下面进行简单使用，感觉下使用sql的舒适吧
1、查看数据库

0: jdbc:hive2://localhost:10000> show databases;+----------------+--+| database_name  |+----------------+--+| default        |+----------------+--+1 row selected (1.456 seconds)

2、创建并使用数据库，查看表

0: jdbc:hive2://localhost:10000> create database myhive;No rows affected (0.576 seconds)0: jdbc:hive2://localhost:10000> show databases;+----------------+--+| database_name  |+----------------+--+| default        || myhive         |+----------------+--+0: jdbc:hive2://localhost:10000> use myhive;No rows affected (0.265 seconds)0: jdbc:hive2://localhost:10000> show tables;+-----------+--+| tab_name  |+-----------+--++-----------+--+

3、创建表

0: jdbc:hive2://localhost:10000> create table emp(id int,name string);No rows affected (0.29 seconds)0: jdbc:hive2://localhost:10000> show tables;+-----------+--+| tab_name  |+-----------+--+| emp       |+-----------+--+1 row selected (0.261 seconds)

上传数据到该目录下，从页面看的话是个目录，如下

里面没有文件当然没有数据，那么我们需要上传个文件到该目录下。

[root@mini1 ~]# cat sz.data 1,zhangsan2,lisi3,wangwu4,furong5,fengjie[root@mini1 ~]# hadoop fs -put sz.data /user/hive/warehouse/myhive.db/emp

再查看

4、查看表信息

0: jdbc:hive2://localhost:10000> select * from emp;+---------+-----------+--+| emp.id  | emp.name  |+---------+-----------+--+| NULL    | NULL      || NULL    | NULL      || NULL    | NULL      || NULL    | NULL      || NULL    | NULL      |+---------+-----------+--+

结果肯定都是null，因为创建表的时候根本没指定根据”,”来切分，而文件中的字段分隔用了逗号。那么删除该表，重新上传文件，重新建表语句如下

0: jdbc:hive2://localhost:10000> drop table emp;No rows affected (1.122 seconds)0: jdbc:hive2://localhost:10000> show tables;+-----------+--+| tab_name  |+-----------+--++-----------+--+0: jdbc:hive2://localhost:10000> create table emp(id int,name string)0: jdbc:hive2://localhost:10000> row format delimited0: jdbc:hive2://localhost:10000> fields terminated by ',';No rows affected (0.265 seconds)0: jdbc:hive2://localhost:10000> [root@mini1 ~]# hadoop fs -put sz.data /user/hive/warehouse/myhive.db/emp0: jdbc:hive2://localhost:10000> select * from emp;+---------+-----------+--+| emp.id  | emp.name  |+---------+-----------+--+| 1       | zhangsan  || 2       | lisi      || 3       | wangwu    || 4       | furong    || 5       | fengjie   |+---------+-----------+--+

6、条件查询

0: jdbc:hive2://localhost:10000> select id,name from emp where id>2 order by id desc;INFO  : Number of reduce tasks determined at compile time: 1INFO  : In order to change the average load for a reducer (in bytes):INFO  :   set hive.exec.reducers.bytes.per.reducer=<number>INFO  : In order to limit the maximum number of reducers:INFO  :   set hive.exec.reducers.max=<number>INFO  : In order to set a constant number of reducers:INFO  :   set mapreduce.job.reduces=<number>INFO  : number of splits:1INFO  : Submitting tokens for job: job_1508216103995_0004INFO  : The url to track the job: http://mini1:8088/proxy/application_1508216103995_0004/INFO  : Starting Job = job_1508216103995_0004, Tracking URL = http://mini1:8088/proxy/application_1508216103995_0004/INFO  : Kill Command = /root/apps/hadoop-2.6.4/bin/hadoop job  -kill job_1508216103995_0004INFO  : Hadoop job information for Stage-1: number of mappers: 1; number of reducers: 1INFO  : 2017-10-18 00:35:39,865 Stage-1 map = 0%,  reduce = 0%INFO  : 2017-10-18 00:35:46,275 Stage-1 map = 100%,  reduce = 0%, Cumulative CPU 1.33 secINFO  : 2017-10-18 00:35:51,487 Stage-1 map = 100%,  reduce = 100%, Cumulative CPU 2.34 secINFO  : MapReduce Total cumulative CPU time: 2 seconds 340 msecINFO  : Ended Job = job_1508216103995_0004+-----+----------+--+| id  |   name   |+-----+----------+--+| 5   | fengjie  || 4   | furong   || 3   | wangwu   |+-----+----------+--+3 rows selected (18.96 seconds)

看到这就能明白了，写的sql最后是被解析为了mapreduce程序放到yarn上来跑的，hive其实是提供了众多的mapreduce模板。
7、创建外部表

0: jdbc:hive2://localhost:10000> create external table emp2(id int,name string)0: jdbc:hive2://localhost:10000> row format delimited fields terminated by ','//指定逗号分割0: jdbc:hive2://localhost:10000> stored as textfile//文本存储方式0: jdbc:hive2://localhost:10000> location '/company';No rows affected (0.101 seconds)//存储在/company目录下0: jdbc:hive2://localhost:10000> dfs -ls /;+----------------------------------------------------------------------------------------+--+|                                       DFS Output                                       |+----------------------------------------------------------------------------------------+--+| Found 16 items                                                                         || -rw-r--r--   2 angelababy mygirls             7 2017-10-01 20:22 /canglaoshi_wuma.avi  || -rw-r--r--   2 root       supergroup         22 2017-10-03 21:12 /cangmumayi.avi       || drwxr-xr-x   - root       supergroup          0 2017-10-18 00:55 /company              || drwxr-xr-x   - root       supergroup          0 2017-10-13 04:44 /flowcount            || drwxr-xr-x   - root       supergroup          0 2017-10-17 03:44 /friends              || drwxr-xr-x   - root       supergroup          0 2017-10-17 06:19 /gc                   || drwxr-xr-x   - root       supergroup          0 2017-10-07 07:28 /liushishi.log        || -rw-r--r--   3 12706      supergroup         60 2017-10-04 21:58 /liushishi.love       || drwxr-xr-x   - root       supergroup          0 2017-10-17 07:32 /logenhance           || -rw-r--r--   2 root       supergroup         26 2017-10-16 20:49 /mapjoin              || drwxr-xr-x   - root       supergroup          0 2017-10-16 21:16 /mapjoincache         || drwxr-xr-x   - root       supergroup          0 2017-10-13 13:15 /mrjoin               || drwxr-xr-x   - root       supergroup          0 2017-10-16 23:35 /reverse              || drwx------   - root       supergroup          0 2017-10-17 13:10 /tmp                  || drwxr-xr-x   - root       supergroup          0 2017-10-17 13:13 /user                 || drwxr-xr-x   - root       supergroup          0 2017-10-14 01:33 /wordcount            |+----------------------------------------------------------------------------------------+--+0: jdbc:hive2://localhost:10000> create external table t_sz_ext(id int,name string)0: jdbc:hive2://localhost:10000> row format delimited fields terminated by '\t'0: jdbc:hive2://localhost:10000> stored as textfile0: jdbc:hive2://localhost:10000>  location '/company';No rows affected (0.135 seconds)0: jdbc:hive2://localhost:10000> show tables;+-----------+--+| tab_name  |+-----------+--+| emp       || emp2      || t_sz_ext  |+-----------+--+

能发现多了目录/company和两张表，不过这个时候/company下是没任何东西的。

8、加载文件信息到表中
前面使用了hadoop命令将文件上传到了表对应的目录下，但是也可以在命令行下直接导入文件信息

0: jdbc:hive2://localhost:10000> load data local inpath '/root/sz.data' into table emp2;(也可以用hadoo直接上传)INFO  : Loading data to table myhive.emp2 from file:/root/sz.dataINFO  : Table myhive.emp2 stats: [numFiles=0, totalSize=0]No rows affected (0.414 seconds)0: jdbc:hive2://localhost:10000> select * from emp2;+----------+------------+--+| emp2.id  | emp2.name  |+----------+------------+--+| 1        | zhangsan   || 2        | lisi       || 3        | wangwu     || 4        | furong     || 5        | fengjie    |+----------+------------+--+

9、表分区，分区字段为school,导入数据到2个不同的分区中

0: jdbc:hive2://localhost:10000> create table stu(id int,name string)0: jdbc:hive2://localhost:10000> partitioned by(school string)0: jdbc:hive2://localhost:10000> row format delimited fields terminated by ',';No rows affected (0.319 seconds)0: jdbc:hive2://localhost:10000> show tables;+-----------+--+| tab_name  |+-----------+--+| emp       || emp2      || stu       || t_sz_ext  |+-----------+--+0: jdbc:hive2://localhost:10000> load data local inpath '/root/sz.data' into table stu partition(school='scu');INFO  : Loading data to table myhive.stu partition (school=scu) from file:/root/sz.dataINFO  : Partition myhive.stu{school=scu} stats: [numFiles=1, numRows=0, totalSize=46, rawDataSize=0]No rows affected (0.607 seconds)0: jdbc:hive2://localhost:10000> select * from stu;+---------+-----------+-------------+--+| stu.id  | stu.name  | stu.school  |+---------+-----------+-------------+--+| 1       | zhangsan  | scu         || 2       | lisi      | scu         || 3       | wangwu    | scu         || 4       | furong    | scu         || 5       | fengjie   | scu         |+---------+-----------+-------------+--+5 rows selected (0.286 seconds)0: jdbc:hive2://localhost:10000> load data local inpath '/root/sz2.data' into table stu partition(school='hfut');INFO  : Loading data to table myhive.stu partition (school=hfut) from file:/root/sz2.dataINFO  : Partition myhive.stu{school=hfut} stats: [numFiles=1, numRows=0, totalSize=46, rawDataSize=0]No rows affected (0.671 seconds)0: jdbc:hive2://localhost:10000> select * from stu;+---------+-----------+-------------+--+| stu.id  | stu.name  | stu.school  |+---------+-----------+-------------+--+| 1       | Tom       | hfut        || 2       | Jack      | hfut        || 3       | Lucy      | hfut        || 4       | Kitty     | hfut        || 5       | Lucene    | hfut        || 6       | Sakura    | hfut        || 1       | zhangsan  | scu         || 2       | lisi      | scu         || 3       | wangwu    | scu         || 4       | furong    | scu         || 5       | fengjie   | scu         |+---------+-----------+-------------+--+

注：hive是不遵循三范式的，别去考虑主键了。
10、添加分区

0: jdbc:hive2://localhost:10000> alter table stu add partition (school='Tokyo');

为了更直观，去页面查看