hadoop hive组件介绍及常用cli命令

Hive架构图

 

Hive产生原因

 1 关系型数据库以产生多年sql成熟

 2 简化开发降低成本

 3 java成员可编写udf函数

Hive是什么

  Hive是基于hadoop的一个数据库工具,使用Hql作为接口,maprduce作为执行层

  Hdfs作为储存层。设计的目的是让sql开发人员java技能较弱的人编写并查询海量数据

  缺点执行效率低

Hive的访问

Hive ----odbc/jdbc----hiveserver2

Hive---hive

Compiler 编译器

Optimizer 优化器

Executor 执行调度

Mapreducetez的区别

TezApache最新开源的支持DAG作业的计算框架,它直接源于MapReduce框架,核心思想是将MapReduce两个操作进一步拆分,即Map被拆分成InputProcessorSortMergeOutputReduce被拆分成InputShuffleSortMergeProcessorOutput等,这样,这些分解后的元操作可以任意灵活组合,产生新的操作,这些操作经过一些控制程序组装后,可形成一个大的DAG作业。总结起来,Tez有以下特点:

1Apache二级开源项目(源代码今天发布的)

2)运行在YARN之上

3) 适用于DAG(有向图)应用(同ImpalaDremelDrill一样,可用于替换Hive/Pig等)

 

Tez可以将多个有依赖的作业转换为一个作业(这样只需写一次HDFS,且中间节点较少),从而大大提升DAG作业的性能。Tez已被Hortonworks用于Hive引擎的优化,经测试,性能提升约100

 

Hive cli说明

命令

描述

Quit

Exit

退出交互式

Reset

重置配置为默认值

Set           

修改特定变量的值

Set -v  

输出所有hadoophive的配置变量

 

 

 

 

 

 

DDL

创建数据库

Hive>create database student;

判断数据库是否存在

Hive>create database if not EXISTS studnet;

显示现有数据库

Hive>show databases;

条件查询数据库

Hive>show databases like ‘h.*’

创建指定存放位置

Hive>create database student

Location ‘路径

创建数据库时添加注释信息

Hive>create database student

   >comment ‘注释

使用数据库

Hive>use student;

删除数据库

Hive>dorp database if exists student;

当数据库存在表时,先删除表再删除数据库

Hive>drop database if exists student cassade;4

创建表

Hive>use databases;

   >create table if not Exists student(

Name string  comment ‘姓名

Age  int comment ‘年龄

)

Comment ‘创建学生表

Tblproperties(‘creator’=’lhs’,created_at=’data’)

Location ‘表文件地址

创建表,复制表结构

Create table if not exists student2

Like Student.student

显示数据库中的表

 Hive>use student;

Hive>show tables;

显示表扩展信息

Hive>describe extended Student.student;

指定显示某个字段信息

Hive>descrbe student.student.name;

外部表

删除表不删除数据

Hive>create external teble if not exists student(

Name string,

Age int

)

Row format delimited fields terminated by ‘,’//以什么规则拆分

Location ‘路径

修改表名

Alter table student rename to student1;

修改列

Alter table student change column name name1

String

Comment ‘name修改为name1

After severity

增加列

ALTER TABLE log_messages ADD COLUMNS (  

 app_name   STRING COMMENT 'Application name',  

 session_id LONG   COMMENT 'The current session id');

删除替换列

ALTER TABLE log_messages REPLACE COLUMNS (  

 hours_mins_secs INT    COMMENT 'hour, minute, seconds from timestamp',  

 severity        STRING COMMENT 'The message severity'  

 message         STRING COMMENT 'The rest of the message');  

 

 

DML

 

从本地文件加载到表

1 hive> LOAD DATA LOCAL INPATH './examples/files/kv1.txt' OVERWRITE INTO TABLE pokes;

OVERWRITE表示覆盖表中数据,如果没有使用OVERWRITE将把数据追加到表中原有数据后面

载入文件中的内容必须按照正确地分隔符分割列,load data并不会进行数据验证

1 hive> LOAD DATA LOCAL INPATH './examples/files/kv2.txt' OVERWRITE INTO TABLE invites PARTITION (ds='2008-08-15');2 hive> LOAD DATA LOCAL INPATH './examples/files/kv3.txt' OVERWRITE INTO TABLE invites PARTITION (ds='2008-08-08');

上面给两条语句将数据载入到不同的分区

1 hive> LOAD DATA INPATH '/user/myname/kv2.txt' OVERWRITE INTO TABLE invites PARTITION (ds='2008-08-15');

上面的命令从HDFS中加载文件。从HDFS中加载文件将移动文件

 

SQL(结构化查询语言)用于查询数据

查询

1 hive> SELECT a.foo FROM invites a WHERE a.ds='2008-08-15';

invites表的2008-08-15分区中查询出foo字段

1 hive> INSERT OVERWRITE DIRECTORY '/tmp/hdfs_out' SELECT a.* FROM invites a WHERE a.ds='2008-08-15';

查询invites表的2008-08-15分区的所有字段内容并将查询结果导入到hdfs/tmp/hdfs_out文件中

1 hive> INSERT OVERWRITE LOCAL DIRECTORY '/tmp/local_out' SELECT a.* FROM pokes a;

将查询结果保存到本地文件

 

hive> INSERT OVERWRITE TABLE events SELECT a.* FROM profiles a;  

hive> INSERT OVERWRITE TABLE events SELECT a.* FROM profiles a WHERE a.key < 100;

  hive> INSERT OVERWRITE LOCAL DIRECTORY '/tmp/reg_3' SELECT a.* FROM events a;

hive> INSERT OVERWRITE DIRECTORY '/tmp/reg_4' select a.invites, a.pokes FROM profiles a;   hive> INSERT OVERWRITE DIRECTORY '/tmp/reg_5' SELECT COUNT(*) FROM invites a WHERE a.ds='2008-08-15';  

hive> INSERT OVERWRITE DIRECTORY '/tmp/reg_5' SELECT a.foo, a.bar FROM invites a;   

hive> INSERT OVERWRITE LOCAL DIRECTORY '/tmp/sum' SELECT SUM(a.pc) FROM pc1 a;

 

一些查询示例

GROUP BY使用

1 hive> FROM invites a INSERT OVERWRITE TABLE events SELECT a.bar, count(*) WHERE a.foo > 0 GROUP BY a.bar;2 hive> INSERT OVERWRITE TABLE events SELECT a.bar, count(*) FROM invites a WHERE a.foo > 0 GROUP BY a.bar;

(上面的两条语句是等价的)

JOIN

1 hive> FROM pokes t1 JOIN invites t2 ON (t1.bar = t2.bar) INSERT OVERWRITE TABLE events SELECT t1.bar, t1.foo, t2.foo;

join使用时要注意方式的选择({LEFT|RIGHT|FULL} [OUTER] JOIN)及优化,下面是一些参考

http://yugouai.iteye.com/blog/1849395

http://www.open-open.com/lib/view/open1341214750402.html

多表插入(MULTITABLE INSERT

1   FROM src2   

INSERT OVERWRITE TABLE dest1 SELECT src.* WHERE src.key < 100

INSERT OVERWRITE TABLE dest2 SELECT src.key, src.value WHERE src.key >= 100 and src.key < 200

INSERT OVERWRITE TABLE dest3 PARTITION(ds='2008-04-08', hr='12') SELECT src.key WHERE src.key >= 200 and src.key < 300

INSERT OVERWRITE LOCAL DIRECTORY '/tmp/dest4.out' SELECT src.value WHERE src.key >= 300;

上面的语句含义是从src表中查询出各表需要的数据插入到不同的表中

 

posted @ 2017-07-31 10:50  菜鸟的进击  阅读(1826)  评论(0编辑  收藏  举报