概述

Hive——Hadoop最常用的工具。

对于Hadoop的出现，无论是业界还是学术界对其都给予了极高的关注度，Hadoop及其生态圈提供了一个成熟高校的处理海量数据集的解决方案。数据基础架构大都基于关系型数据库（RDBMS）和结构化查询语言（SQL）。这就是Hive出现的原因。Mapreduce需要几十行代码完成的工作，Hive区区几行HiveQL就能胜任。

HiveQL是SQL语句的一种方言（dialect），遵循SQL-92标准，HiveQL简称HQL，这里请与Hibernate的HQL相区别。HiveQL语法与MySQL语法最为相似。

架构

hive 表名关键字 hive 表别名_hive

需要注意的是，Hive不支持行级别的更新、插入、删除，这一点有别于RDBMS。此外，Hive不支持事务。Hive不适合用作OLTP（联机事务处理），而适合OLAP（联机分析处理）中的离线计算。

hive 表名关键字 hive 表别名_hive 表名关键字_02

推荐使用本地模式和远程模式。

复杂数据类型

数据类型

说明

示例

STRUCT

通过属性访问值。若某列数据类型为struct(first String, last String)，则通过列名.first访问String类型的值

struct(‘Tom’, ‘Jerry’)

MAP

通过Key访问Value

map(‘a’, ‘Tom’, ‘b’, ‘Jerry’)

ARRAY

通过下标访问

array(‘Tom’, ‘Jerry’)

基本操作

①创建数据库

CREATE DATABASE [IF NOT EXISTS] db_name;

数据库所在目录在hive-site.xml文件中的配置项hive.metastore.warehouse.dir配置的路径，默认是/user/local/warehouse。

②查看数据库

DESCRIBE DATABASE db_name;

③使用数据库

USE db_name;

④删除数据库

DROP DATABASE [IF EXISTS] db_name [CASCADE];

CASCADE为级联删除。

⑤创建表

CREATE TABLE [IF NOT EXISTS] table_name (
    name STRING COMMENT 'student name',
    age INT COMMENT 'student age',
    cource ARRAY<STRING>,
    body MAP(STRING, FLOAT),
    address STRUCT<STREET:STRING, CITY:STRING, STATE:STRING>
)
COMMENT 'The info of students'
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\001'
COLLECTION ITEMS TERMINATED BY '002'
MAP KEYS TERMINATED BY '\003'
LINES TERMINATED BY '\n'
STORED AS TEXTFILE
LOCATION '/user/hive/warehouse/db_name.db/table_name';

最好要对标的字段上加注释，这在实际开发中是比较重要的。

如果当前使用的数据库并非目标数据库，则必须以“数据库名.表名”方式创建表。

可以通过一下命令查看不同级别的表的注释：

DESC table_name;
DESC EXTENDED table_name;
DESC FORMATTED table_name;

⑥查看表

SHOW TABLES;

⑦修改表

ALTER TABLE table_name RENAME TO table_name_new;

⑧删除表

DROP TABLE [IF EXISTS] table_name;

进阶操作

①创建外部表

在创建表的语句上加上“EXTERNAL”关键字。

外部表只存储在Hive元数据中，与实际数据存储位置无关。外部表被删除，只是删除其对应的元数据信息，其对应的物理表并不会被删除。

LOCATION指定了外部表所对应的物理数据存放路径地址。

一般来说，当数据需要被多个工具共享时，最好创建一个外部表来明确数据的所有权。

CREATE EXTERNAL TABLE [IF NOT EXISTS] table_name (
    name STRING COMMENT 'student name',
    age INT COMMENT 'student age',
    cource ARRAY<STRING>,
    body MAP(STRING, FLOAT),
    address STRUCT<STREET:STRING, CITY:STRING, STATE:STRING>
)
COMMENT 'The info of students'
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\001'
COLLECTION ITEMS TERMINATED BY '002'
MAP KEYS TERMINATED BY '\003'
LINES TERMINATED BY '\n'
STORED AS TEXTFILE
LOCATION '/user/extra_dir/table_name';

②创建分区表

分区的单位是表目录下的多个不同的目录，也就是说，一个分区对应一个目录。

这个例子创建了拥有两个分区的表：province、city。province、city相当于key，一个完整的分区目录是由key=value组成的。

例如：/user/hive/warehouse/table_name/province=sichuan/city=chengdu

/user/hive/warehouse/table_name/province=sichuan/city=dazhou

CREATE TABLE table_name(
    student_ID STRING,
    name STRING,
    age INT,
    sex STRING,
    father_name STRING,
    mother_name STRING)
)
PARTITIONED BY (province STRING, city STRING);

创建外部分区表：

CREATE EXTERNAL TABLE table_name(
    student_ID STRING,
    name STRING,
    age INT,
    sex STRING,
    father_name STRING,
    mother_name STRING)
)
PARTITIONED BY (province STRING, city STRING);

还需为外部表的分区键（key）指定值和存储位置：

ALTER TABLE student_info ADD PARTITIONED (province = sichuan, city = chengdu) LOCATION 'hdfs://master:9000/student/sichuan/chengdu';

HQL数据操作

①装载数据

LOAD DATA INPATH '/user/kafka/log' INTO TABLE test;

这条命令将log这一数据装载到表名为test的表中。

若test为分区表，则必须指定分区

LOAD DATA INPATH '/user/kafka/log' INTO TABLE test PARTITION(part = "stream")