hive基础知识一
1.1 hive的概念
Hive:由Facebook开源,用于解决海量(结构化日志)的数据统计。
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表,并提供类SQL查询功能。
本质是:将Hive SQL转化成MapReduce程序
1.2 Hive与数据库的区别
-
Hive 具有 SQL 数据库的外表,但应用场景完全不同。
-
Hive 只适合用来做海量离线数据统计分析,也就是数据仓库。
1.3 Hive的优缺点
-
优点
-
操作接口采用类SQL语法,提供快速开发的能力(简单、容易上手)。
-
避免了去写MapReduce,减少开发人员的学习成本。
-
Hive支持用户自定义函数,用户可以根据自己的需求来实现自己的函数。
-
-
缺点
-
Hive 不支持记录级别的增删改操作
-
Hive 的查询延时很严重
-
Hive 不支持事务
-
1.4 Hive架构原理
-
1、用户接口:Client
-
CLI(hive shell)、JDBC/ODBC(java访问hive)、WEBUI(浏览器访问hive)
-
-
2、元数据:Metastore
-
元数据包括:表名、表所属的数据库(默认是default)、表的拥有者、列/分区字段、表的类型(是否是外部表)、表的数据所在目录等;
-
默认存储在自带的derby数据库中,推荐使用MySQL存储Metastore
-
-
-
3、Hadoop集群
-
使用HDFS进行存储,使用MapReduce进行计算。
-
-
4、Driver:驱动器
-
解析器(SQL Parser)
-
将SQL字符串转换成抽象语法树AST
-
对AST进行语法分析,比如表是否存在、字段是否存在、SQL语义是否有误。
-
-
编译器(Physical Plan):将AST编译生成逻辑执行计划。
-
优化器(Query Optimizer):对逻辑执行计划进行优化。
-
执行器(Execution):把逻辑执行计划转换成可以运行的物理计划。对于Hive来说默认就是mapreduce任务
-
2. Hive的安装部署
注意hive就是一个构建数据仓库的工具,只需要在一台服务器上安装就可以了,不需要在多台服务器上安装。
-
1、提前先安装好mysql服务和hadoop集群
-
2、下载hive的安装包
-
http://mirror.bit.edu.cn/apache/hive/hive-1.2.2/apache-hive-1.2.2-bin.tar.gz
-
apache-hive-1.2.2-bin.tar.gz
-
-
3、规划安装目录
-
/opt/bigdata
-
-
4、上传安装包到服务器中
-
5、解压安装包到指定的规划目录
-
tar -zxvf apache-hive-1.2.2-bin.tar.gz -C /opt/bigdata
-
-
6、重命名解压目录
-
mv apache-hive-1.2.2-bin hive
-
-
7、修改配置文件
进入到Hive的安装目录下的conf文件夹中
vim hive-env.sh(mv hive-env.sh.template hive-env.sh)
#配置HADOOP_HOME路径
export HADOOP_HOME=/opt/bigdata/hadoop
#配置HIVE_CONF_DIR路径
export HIVE_CONF_DIR=/opt/bigdata/hive/conf
vim hive-site.xml
<?xml version="1.0"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> <configuration> <property> <name>javax.jdo.option.ConnectionURL</name> <value>jdbc:mysql://node1:3306/hive?createDatabaseIfNotExist=true&useSSL=false&useUnicode=true&characterEncoding=UTF-8</value> <description>JDBC connect string for a JDBC metastore</description> </property> <property> <name>javax.jdo.option.ConnectionDriverName</name> <value>com.mysql.jdbc.Driver</value> <description>Driver class name for a JDBC metastore</description> </property> <property> <name>javax.jdo.option.ConnectionUserName</name> <value>root</value> <description>username to use against metastore database</description> </property> <property> <name>javax.jdo.option.ConnectionPassword</name> <value>123456</value> <description>password to use against metastore database</description> </property> </configuration>
需要将mysql的驱动包上传到hive的lib目录下
例如 mysql-connector-java-5.1.38.jar
3. hive的交互方式
-
先启动hadoop集群和mysql服务
3.1 Hive交互shell
cd /opt/bigdata/hive
bin/hive
3.2 Hive JDBC服务
如何查询后台线程?
netstat -nlp
-
启动hiveserver2服务
-
前台启动
弊端:控制台一直打印日志,且不能关掉控制台,关掉即服务挂掉。
bin/hive --service hiveserver2
-
后台启动
特点:控制台可以关闭,且在进程中运行,执行
jps
,可以看到hive的进程。nohup bin/hive --service hiveserver2 &
-
-
beeline连接hiveserver2
bin/beeline beeline> !connect jdbc:hive2://node1:10000
3.3 Hive的命令
-
hive -e sql语句
-
使用 –e 参数来直接执行hql的语句
-
cd /opt/bigdata/hive
bin/hive -e "show databases"
-
hive -f sql文件
-
使用 –f 参数执行包含hql语句的文件
-
4、Hive的数据类型
4.1 基本数据类型
类型名称 | 描述 | 举例 |
---|---|---|
boolean | true/false | true |
tinyint | 1字节的有符号整数 | 1 |
smallint | 2字节的有符号整数 | 1 |
int |
4字节的有符号整数 | 1 |
bigint | 8字节的有符号整数 | 1 |
float | 4字节单精度浮点数 | 1.0 |
double | 8字节单精度浮点数 | 1.0 |
string | 字符串(不设长度) | “abc” |
varchar | 字符串(1-65355长度,超长截断) | “abc” |
timestamp | 时间戳 | 1563157873 |
date | 日期 | 20190715 |
4.2 复合数据类型
类型名称 | 描述 | 举例 |
---|---|---|
array | 一组有序的字段,字段类型必须相同 array(元素1,元素2) | Array(1,2,3) |
map | 一组无序的键值对 map(k1,v1,k2,v2) | Map(‘a’,1,'b',2) |
struct | 一组命名的字段,字段类型可以不同 struct(元素1,元素2) | Struct('a',1,2,0) |
-
array字段的元素访问方式:
-
下标获取元素,下标从0开始
-
获取第一个元素
-
array[0]
-
-
-
-
map字段的元素访问方式
-
通过键获取值
-
获取a这个key对应的value
-
map['a']
-
-
-
-
struct字段的元素获取方式
-
定义一个字段c的类型为struct{a int;b string}
-
获取a和b的值
-
使用c.a 和c.b 获取其中的元素值
-
这里可以把这种类型看成是一个对象
-
-
-
-
create table complex( col1 array<int>, col2 map<string,int>, col3 struct<a:string,b:int,c:double> )
5、Hive的数据类型转换
5.1 隐式类型转换
-
系统自动实现类型转换,不需要用户干预
-
如tinyint可以转换成int,int可以转换成bigint。
-
所有整数类型、float 和 string类型都可以隐式地转换成double。
-
tinyint、smallint、int都可以转换为float。
-
boolean类型不可以转换为任何其它的类型。
-
5.2 手动类型转换
-
可以使用cast函数操作显示进行数据类型转换
-
cast ('1' as int)将把字符串'1' 转换成整数1;
-
如果强制类型转换失败,如执行cast('x' as int),表达式返回空值 NULL。
-
6、Hive的DDL操作
6.1 hive的数据库DDL操作
6.1.1、创建数据库
hive > create database db_hive; 或者 hive > create database if not exists db_hive;
-
数据库在HDFS上的默认存储路径是/user/hive/warehouse/*.db
6.1.2、显示数据库
hive> show databases;
6.1.3、显示数据库
hive> show databases like 'db_hive*';
6.1.4、查看数据库详情
hive> desc database db_hive;
6.1.5、显示数据库详细信息
hive> desc database extended db_hive;
6.1.6、切换当前数据库
hive > use db_hive;
6.1.7、删除数据库
#删除为空的数据库 hive> drop database db_hive; #如果删除的数据库不存在,最好采用if exists 判断数据库是否存在 hive> drop database if exists db_hive; #如果数据库中有表存在,这里需要使用cascade强制删除数据库 hive> drop database if exists db_hive cascade;
6.2 hive的表DDL操作
6.2.1 、建表语法介绍
CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name [(col_name data_type [COMMENT col_comment], ...)] [COMMENT table_comment] [PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)] 分区 [CLUSTERED BY (col_name, col_name, ...) 分桶 [SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] [ROW FORMAT row_format] row format delimited fields terminated by “分隔符” [STORED AS file_format] [LOCATION hdfs_path]
6.2.2 、字段解释说明
-
create table
-
创建一个指定名字的表
-
-
EXTERNAL
-
创建一个外部表,在建表的同时指定一个指向实际数据的路径(LOCATION),指定表的数据保存在哪里
-
-
COMMENT
-
为表和列添加注释
-
-
PARTITIONED BY
-
创建分区表
-
-
CLUSTERED BY
-
创建分桶表
-
-
SORTED BY
-
按照字段排序(一般不常用)
-
-
ROW FORMAT
-
指定每一行中字段的分隔符
-
row format delimited fields terminated by ‘\t’
-
-
STORED AS
-
指定存储文件类型
-
常用的存储文件类型:SEQUENCEFILE(二进制序列文件)、TEXTFILE(文本,默认方式)、RCFILE(列式存储格式文件)
-
如果文件数据是纯文本,可以使用STORED AS TEXTFILE。如果数据需要压缩,使用 STORED AS SEQUENCEFILE。
-
-
-
-
LOCATION
-
指定表在HDFS上的存储位置。
-
6.2.3、 创建内部表
-
1、直接建表
-
使用标准的建表语句
-
create table if not exists student( id int, name string ) row format delimited fields terminated by '\t' stored as textfile;
-
2、查询建表法
-
通过AS 查询语句完成建表:将子查询的结果存在新表里,有数据
-
create table if not exists student1 as select id, name from student;
-
3、like建表法
-
根据已经存在的表结构创建表
-
create table if not exists student2 like student;
-
4、查询表的类型
hive > desc formatted student;
加载数据:
load data local inpath 本地路径 into table 表名;
6.2.4、 创建外部表
create external table if not exists emp( id int, name string, age int ) row format delimited fields terminated by '\t' location '/hive/bigdata';
-
创建外部表的时候需要加上external关键字
-
location字段可以指定,也可以不指定
-
指定就是数据存放的具体目录
-
不指定就是使用默认目录 /user/hive/warehouse
-
6.2.5、 内部表与外部表的互相转换
-
1、内部表转换为外部表
#把student内部表改为外部表 alter table student set tblproperties('EXTERNAL'='TRUE');
-
2、外部表转换为内部表
#把student管理表改为外部表 alter table student set tblproperties('EXTERNAL'='FALSE');
6.2.6、 内部表与外部表的区别
-
1、建表语法的区别
-
外部表在创建的时候需要加上external关键字
-
-
2、删除表之后的区别
-
内部表删除后,表的元数据和真实数据都被删除了
-
外部表删除后,仅仅只是把该表的元数据删除了,真实数据还在,后期还是可以恢复出来(这里指定了,location '/hive/bigdata',文件存在linux中)
-
注意:外部表可以用于重要业务,以防表被误删,导致数据丢失。
7.1其他
-
hive cli命令窗口查看本地文件系统
-
与操作本地文件系统类似,这里需要使用 ! (感叹号),并且最后需要加上 ;(分号)
-
例如
-
!ls /;
-
-
-
hive cli命令窗口查看HDFS文件系统
-
与查看HDFS文件系统类似
-
dfs -ls / ;
-
-
-
hive的底层执行引擎有3种
-
mapreduce(默认)
-
tez(支持DAG作业的计算框架)
-
spark(基于内存的分布式计算框架)
-