hive指南

来源：互联网发布：淘宝在哪里看追加评价编辑：程序博客网时间：2024/06/11 09:53

1.Hive

1.1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来运行。

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。

这套映射工具称之为metastore，一般存放在mysql中

1.2 hive在hdfs中的默认位置是/user/hive/warehouse，是由配置文件hive-conf.xml中属性hive.metastore.warehouse.dir决定的。

2.hive的安装

(1)解压缩、重命名、设置环境变量

(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/jdk

export HIVE_HOME=/usr/local/hive

export HADOOP_HOME=/usr/local/hadoop

(5)试一试

执行hive进入shell
show databases;
use default;
show tables;
create table t1(name string);
hadoop0:50070
user/hive/warehourse
derby.log
derby不能由两个客户端打开，改用mysql

3.安装mysql

(1)删除linux上已经安装的mysql相关库信息。rpm -e xxxxxxx --nodeps

强制删除--nodeps

执行命令rpm -qa |grep mysql 检查是否删除干净

(2)执行命令 rpm -i mysql-server-******** 安装mysql服务端

(3)启动mysql 服务端，执行命令 mysqld_safe &

(4)执行命令 rpm -i mysql-client-******** 安装mysql客户端

(5)执行命令mysql_secure_installation设置root用户密码

mysql -uroot -padmin

4. 使用mysql作为hive的metastore

(1)把mysql的jdbc驱动放置到hive的lib目录下

(2)修改hive-site.xml文件，修改内容如下：

<property><name>javax.jdo.option.ConnectionURL</name><value>jdbc:mysql://hadoop0:3306/hive?createDatabaseIfNotExist=true</value></property><property><name>javax.jdo.option.ConnectionDriverName</name><value>com.mysql.jdbc.Driver</value></property><property><name>javax.jdo.option.ConnectionUserName</name><value>root</value></property><property><name>javax.jdo.option.ConnectionPassword</name><value>root</value></property>

grant all on hive.* to 'root'@'%' identified by 'admin'

flush privilieges

记得吧mysql connection的lib复制到hive的lib下

5. 内部表

CREATE TABLE t1(id int);

LOAD DATA LOCAL INPATH '/root/id' INTO TABLE t1;

hadoop fs -put id /hive/t1/id2

CREATE TABLE t2(id int, name string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';

6. 分区表

CREATE TABLE t3(id int) PARTITIONED BY (day int);

LOAD DATA LOCAL INPATH '/root/id' INTO TABLE t3 PARTITION (day=22);

select * from t3 where name=22;

常查询的字段作为分区字段

7. 桶表

也是对数据的划分

create table t4(id int) clustered by(id) into 4 buckets;

默认不使用桶，启用

set hive.enforce.bucketing = true;

insert into table t4 select id from t3;

hash后放入四个桶中，相同值hash结果相同，两个表连接？

8. 外部表

内部表也叫管理表

create external table t5(id int) location '/external';

直接查询，不用load，因为已经指定了数据的路径

drop table t5

只删除表连接，类似于快捷方式

视图

把复杂的命令简单化

select * from t1 limit 5

sort by

多个reduce

order by

一个reduce执行

distribute by

分区执行

cluster by

两个操作和在一起

distinct

去重

describe function pi

MySql中hive库的表

Tables_in_hive     |+--------------------+| BUCKETING_COLS     || CDS                || COLUMNS_V2         || DATABASE_PARAMS    || DBS                || PARTITIONS         || PARTITION_KEYS     || PARTITION_KEY_VALS || PARTITION_PARAMS   || SDS                || SD_PARAMS          || SEQUENCE_TABLE     || SERDES             || SERDE_PARAMS       || SORT_COLS          || TABLE_PARAMS       || TBLS

0 0