Hive简单介绍

学习慕课网《走近大数据之Hive入门》教程的笔记。
简单介绍了hive的安装，使用和基础知识。

1-1 概述

Hive是基于Hadoop之上的数据仓库(也是一种数据库)。

1-2 数据仓库简介

数据仓库一般不更新，一直增大。

数据仓库的结构和建立过程：

OLTP：联机事务处理，例：银行转账。
OLAP：联机分析处理，例：商品推荐系统。
数据仓库的数据模型：1星型模型—-(发展出)–> 2雪花模型。

星型模型

是个搭建数据的基础模型，数据仓库是面向主题的数据库。最后构建出的模型就类似一个星星。在中间的就是其中的主题，外围的信息和它相关。

雪花模型

基于星型模型发展来的，以星型的各个顶点为不同的主题，进而扩展。

1-3 什么是Hive

Hive是建立在Hadoop HDFS上的数据仓库基础架构。可以使用ETL处理数据。

2-1 Hive的体系结构之元数据

Hive的元数据：Hive将元数据存在数据库中，如：mysql，derby(默认数据库)等。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，表的数据所在的目录等。

2-2 Hive的体系结构之HQL的执行过程

HQL是在Hive中执行的。
解释器，编译器，优化器完成HQL查询语句从词法分析，语法分析，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MapReduce调用执行。

2-3 Hive的体系结构

这里有个图片，详细的请看此视频。

3-1 Hive的安装模式

安装模式：

1. 嵌入模式：使用自带的derby数据库。仅用于演示。支持一个链接。
2. 本地模式：使用其他的数据库，数据库和hadoop在同一台物理机器上。如mysql数据库。
3. 远程模式：HIve和mysql运行在不用的物理机器上。支持多个链接。

3-2 Hive安装之嵌入模式

3-3 Hive安装之远程模式和本地模式

4-1 Hive的管理之CLI方式

Hive的启动方式：

• CLI(命令行)方式
• Web界面方式
• 远程服务的启动方式

CLI：

直接输入hive可以进入命令行模式。

常用的CLI命令：

• 清屏： C+L 或者 ！clear
• 查看数据仓库中的表：show tables;
• 查看数据仓库中的内置函数：show functions;
• 注释： –
• 查看表结构：desc 表名;
• 查看HDFS上的文件：dfs -ls 目录;
• 使用linux的命令：！命令;
• 执行HQL语句：select ××× from ×××;
• 执行SQL的脚本：source SQL文件; （和sql的文件执行命令一致）
• hive -S 进入静默模式。不会输出mapreduce的调试信息。

4-2 Hive的管理之web界面方式

默认使用的端口是：9999。
启动方式：#hive –service hwi &
通过浏览器访问：http://< IP地址>:9999/hwi/

这种方式只能进行查询操作。

4-3 Hive的管理之远程服务

hive远程服务启动方式：
端口号：10000
启动方式：#hive –service hiveservice &

5-1 Hive的数据类型之基本数据类型

基本数据类型：

• tinyint/smallint/int/bigint：整数类型
• float/double：浮点数类型
• boolean：布尔类型
• string：字符串类型

可以在Hive wiki里查看详细的内容。

varchar(20)表示最长为20， char(20)表示字符串如果不是20，也按照20个字符存。

5-2 Hive的数据类型之复杂数据类型

复杂数据类型：

• Array：数组类型。
• Map：集合类型。只是key-> value 只能存一个值。
• Struct：结构类型。可以通过“点语法”的方式来访问其中的元素。

5-3 Hive的数据类型之时间数据类型

时间类型：

• Date：从Hive0.12.0开始支持。只有年月日。
• Timestamp：从Hive0.8.0开始支持。和时区无关，是一个偏移量。可能就是秒数。

6-1 Hive的数据存储

基于HDFS。
没有专门的数据存储格式。可以使用txt或者cvs等等。默认使用tab作为分割符。
存储结构主要包括：数据库、文件、表、视图。
可以直接加载文本文件，如txt等。
创建表时，可以指定Hive数据的列分割符和行分割符。

表分类：

1. Table 内部表
2. Partition 分区表
3. External Table 外部表
4. Bucket Table 桶表

视图：类似于表。

6-2 内部表

内部表：

1. 和数据库中的table类似。
2. 每个table在Hive中都有一个对应的目录存储结构。
3. 所有的table的数据(不包括External table)都保存在这个目录下。
4. 删除表时，元数据和数据都会被删除。
   创建表时，可以指定位置location，或者指定分割符如row format。

6-3 分区表

分区表(Partition)：

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数据都存储在对应的目录下。

在建立分区表时指定分区的条件，就是把数据库的数据按照什么原则来进行分类（放在不同的文件夹的文件里）。

6-4 外部表

外部表(External Table)：

1. 指向已经在HDFS存在的数据，可以创建Partition。
2. 和内部表在元数据组织上相同，实际数据的存储有较大的差异。
3. 外部表只是一个过程，创建表和加载数据同时完成。只是与外部数据建立一个连接，类似于快捷方式。

6-5 桶表

桶表：

1. 是对数据进行哈希取值，然后放到不同文件中存储。

可以提高查询速度。

6-6 视图

视图：

1. 是一中虚表，是一个逻辑概念，可以跨越多张表。
2. 视图是建立在已有表的基础上，它所依赖的表称为基表。
3. 视图可以简化查询操作。

7-1 总结