Hive学习笔记
来源:互联网 发布:什么值得买app源码 编辑:程序博客网 时间:2024/06/05 06:25
一、什么是Hive
Hive 是建立在Hadoop上的数据仓库基础构架。它提供了一系列的工具,可以用来进行数据提取转化加载(ETL ),这是一种可以存储、查询和分析存储在 Hadoop 中的大规模数据的机制。Hive 定义了简单的类SQL查询语言,称为 HQL,它允许熟悉SQL的用户查询数据。同时,这个语言也允许熟悉 MapReduce 开发者的开发自定义的 mapper 和 reducer 来处理内建的 mapper 和 reducer 无法完成的复杂的分析工作。
Hive在hadoop生态圈中属于数据仓库的角色。他能够管理**hadoop中的数据,同时可以查询**hadoop中的数据。
本质上讲,hive是一个SQL解析引擎。Hive可以把SQL查询转换为MapReduce中的job,然后在Hadoop上运行。
hive有一套映射工具,可以把SQL转换为MapReduce中的job,可以把SQL中的表、字段转换为HDFS中的文件(夹)以及文件中的列,按表名把文件夹分开,如果是分区表,则分区值是子文件夹,可以直接在M/R Job里使用这些数据。这套映射工具称之为metastore,一般存放在derby、mysql中。
hive**存储目录在hdfs中的默认位置**是/user/hive/warehouse,是由配置文件hive-site.xml中属性hive.metastore.warehouse.dir决定的。
<property> <name>hive.metastore.warehouse.dir</name> <value>/user/hive/warehouse</value> <description>location of default database for the warehouse</description></property>
二、为什么选择Hive?
基于Hadoop的大数据的计算/扩展能力
支持SQL like查询语言
统一的元数据管理
简单编程
三、Hive的系统架构
用户接口:包括 CLI,JDBC/ODBC,WebUI
CLI 即Shell命令行。
JDBC/ODBC 是 Hive 的Java实现接口,与使用传统数据库JDBC的方式类似。
WebGUI是通过浏览器访问 Hive。
元数据存储:通常是存储在关系数据库中,如mysql, derby 。
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。
驱动:解释器、编译器、优化器、执行器
解释器、编译器、优化器完成 HQL 查询语句从词法分析、编译、优化以及查询计划(plan)的生成。生成的查询计划存储在 HDFS 中,并在随后由 MapReduce 调用执行。
Hive 的数据存储在 HDFS 中,大部分的查询由 MapReduce 完成。
(包含 * 的查询,比如 select * from table
不会生成 MapRedcue 任务)
Hadoop:用 HDFS 进行存储,利用 MapReduce 进行计算
四、Hive的安装
1、解压缩、重命名、设置环境变量
vi /etc/profile
export HIVE_HOME=/usr/local/hiveexport PATH=.:$HADOOP_HOME/bin:$HIVE_HOME/bin:$PIG_HOME/bin:$ZOOKEEPER_HOME/bin:$HBASE_HOME/bin:$JAVA_HOME/bin:$PATH
source /etc/profile
2、在目录HIVE_HOME/conf/下,执行命令 mv hive-default.xml.template hive-site.xml
重命名
在目录HIVE_HOME/conf/下,执行命令 mv hive-env.sh.template hive-env.sh
重命名
3、修改hadoop的配置文件hadoop-env.sh,修改内容如下:
export HADOOP_CLASSPATH=.:$CLASSPATH:$HADOOP_CLASSPATH:$HADOOP_HOME/bin
4、在目录$HIVE_HOME/bin下面,修改文件hive-config.sh,增加以下内容:
export JAVA_HOME=/usr/local/jdkexport HIVE_HOME=/usr/local/hiveexport HADOOP_HOME=/usr/local/hadoop
执行命名:hive
, 进入hive命令行。
查询数据库
show databases;
使用数据库
use default;
查询表
show tables;
创建表
create table t1(id string);
查找数据
select * from t1;
退出
quit;
五、Hive的metastore
metastore是hive元数据的集中存放地。metastore**默认使用内嵌的derby数据库作为存储引擎**。
Derby引擎的缺点:derby 数据库在哪里运行就会在哪里创建,并且derby不支持共享读,只能有一个客服端打开,derby是独占式的。
使用Mysql作为外置存储引擎,可以多用户同时访问 。
修改hive的存储路径(可选,这里为了方便)
<property> <name>hive.metastore.warehouse.dir</name> <value>/hive</value> <description>location of default database for the warehouse</description></property>
六、安装mysql
1、查看是否安装了mysql版本
[root@liguodong Documents]# rpm -qa | grep mysql
mysql-libs-5.1.66-2.el6_3.i686
2、删除linux上已经安装的mysql相关库信息。(–nodeps 忽略软件包的依赖关系强行执行) rpm -e mysql-libs-5.1.66-2.el6_3.i686 --nodeps
执行命令rpm -qa | grep mysql
检查是否删除干净。
3、执行命令 rpm -i MySQL-server-5.5.31-2.el6.i686.rpm
安装mysql服务端。
4、启动mysql 服务端,执行命令 mysqld_safe &
5、执行命令 rpm -i MySQL-client-5.5.31-2.el6.i686.rpm
安装mysql客户端。
6、执行命令mysql_secure_installation
设置root用户密码。
默认密码为空。
Enter current password for root (enter for none):OK, successfully used password, moving on...Set root password? [Y/n] YRemove anonymous users? [Y/n] nDisallow root login remotely? [Y/n] nRemove test database and access to it? [Y/n] nReload privilege tables now? [Y/n] Y
进入mysql命令行
[root@liguodong Documents]# mysql -uroot -phadoop
七、使用mysql作为hive的metastore(默认是derby)
1、把mysql的jdbc驱动放置到hive的lib目录下
cp mysql-connector-java-5.1.10.jar /usr/local/hive/lib/
2、修改hive-site.xml文件,修改内容如下:
//属性值里面不允许为空,不然找不到。。。
javax.jdo.option.ConnectionURL:JDBC连接字符串,默认jdbc:derby:;databaseName=metastore_db;create=true;
<property> <name>javax.jdo.option.ConnectionURL</name> <value>jdbc:mysql://liguodong:3306/hive?createDatabaseIfNotExist=true</value> </property> <property> <name>javax.jdo.option.ConnectionDriverName</name> <value>com.mysql.jdbc.Driver</value> </property>
用户:
<property> <name>javax.jdo.option.ConnectionUserName</name> <value>root</value></property>
密码:
<property> <name>javax.jdo.option.ConnectionPassword</name> <value>hadoop</value></property>
3、授权远程登录用户root,密码hadoop
mysql> grant all on hive.* to 'root'@'%' identified by 'hadoop';
4、刷新 mysql> flush privileges;
八、基本操作
进入hive命令行
1、内部表
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:/hive/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。
删除表时,元数据与数据都会被删除。
hive> CREATE TABLE t1(id int);hive> show tables;
加载数据
[root@liguodong usr]# mkdir documents[root@liguodong usr]# cd documents/[root@liguodong documents]# vi id[root@liguodong documents]# more id12345
hive> LOAD DATA LOCAL INPATH '/usr/documents/id' INTO TABLE t1;
hive> select * from t1;
也可以使用put方式上传数据
hive> CREATE TABLE t2(id int, name string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';
[root@liguodong documents]# vi stu[root@liguodong documents]# more stu1 dsad2 fdsf3 dfsff4 fdsfdd5 dsf[root@liguodong documents]# hadoop fs -put stu /hive/t2
查看数据 hive> select * from t2;
删除表 drop table t2;
2、分区表
Partition 对应于数据库的 Partition 列的密集索引。
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
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
创建表
create table partition_table(rectime string,msisdn string) partitioned by(daytime string,city string) row format delimited fields terminated by '\t' stored as TEXTFILE;
加载数据
load data local inpath '/home/partition_table.dat' into table partition_table partition (daytime='2013-02-01',city='bj');
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
eg:
hive> CREATE TABLE t3(id int) PARTITIONED BY (day int);
hive> LOAD DATA LOCAL INPATH '/usr/documents/id' INTO TABLE t3 PARTITION (day='22');Copying data from file:/usr/documents/idCopying file: file:/usr/documents/idLoading data to table default.t3 partition (day=22)OK
hive> LOAD DATA LOCAL INPATH '/usr/documents/id' INTO TABLE t3 PARTITION (day='23');
hive> select * from t3 where day=22;OK1 222 223 224 225 22
hive> select * from t3 where id=1;OK1 221 23
3、桶表
桶表是对数据进行哈希取值,然后放到不同文件中存储。
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。
优点:1、加快表链接的速度;2、抽样统计。
eg:
create table t4(id int) clustered by(id) into 4 buckets;set hive.enforce.bucketing = true;insert into table t4 select id from t3;
抽样查询 select * from t4 tablesample(bucket 1 out of 4 on id);
4、外部表
指已经在 HDFS 中存在的数据,可以创建 Partition,
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。
eg:
上传数据到hdfs中 [root@liguodong documents]# hadoop fs -put id /external/id
create external table t5(id int) location '/external'; //删除表drop table t5;
如果需要eclipse操作 ,命令行进行hive远程服务启动。
[root@liguodong documents]# hive --service hiveserver >/dev/null 2>/dev/null &[1] 3484
查看具体函数的用法
descripbe function pi;select sum(id) from t1;
视图的创建
CREATE VIEW v1 AS select * from t1;
表的修改
alter table target_tab add columns (cols,string)
九、Java客户端
Hive远程服务启动#hive –service hiveserver >/dev/null 2>/dev/null &
import java.sql.DriverManager;import java.sql.ResultSet;import java.sql.SQLException;import java.sql.Statement;public class hiveApp { public static void main(String[] args) throws SQLException, ClassNotFoundException { Class.forName("org.apache.hadoop.hive.jdbc.HiveDriver"); Connection con = DriverManager.getConnection("jdbc:hive://liguodong:10000/default", "", ""); Statement stmt = con.createStatement(); String querySQL="SELECT * FROM default.t1"; ResultSet res = stmt.executeQuery(querySQL); while (res.next()) { System.out.println(res.getInt(1)); } }}
- Hive学习笔记--Hive 优化
- Hive学习笔记--Hive JDBC
- HIVE学习笔记:初识HIVE
- HIVE的学习笔记
- Hive学习笔记汇总
- hive学习笔记1
- hive学习笔记
- HIVE学习笔记
- Hive学习笔记
- hive学习笔记
- hive学习笔记
- hive学习笔记
- Hive学习笔记
- hive学习笔记-转载
- hive-学习笔记
- Hive学习笔记(1)
- Hive & Performance 学习笔记
- hive学习笔记
- 几种常见的排序算法对比
- Servlet的内置对象
- SpringMvc + ajax 文件上传
- sql中语句的执行顺序
- 利用广播事件编写短信窃听器
- Hive学习笔记
- MVC源码编译
- fcntl函数的使用
- 【USACO3.3.5】一个游戏
- Solr笔记
- DataBaseMeataData--元数据
- BZOJ1176【CDQ分治】【树状数组】
- Java 中hashCode & Equals方法
- SSH