目录
一、Hive独立模式的安装部署
1. Metastore的三种运行模式
安装Hive前,先了解Metastore的三种运行模式,分别是:Embedded(嵌入)、Local(本地)、Remote(远程)。
第一种是嵌入模式,它的最大的特点是,内嵌了Derby数据库,Hive Driver、Metastore、Derby三个组件在一个独立JAVA虚拟机(JVM),也即一个独立进程中运行。但这个模式有个缺点:不同路径启动 hive ,每一个 hive 拥有一套自己的元数据,无法共享。
**注:**使用derby存储方式时,运行hive会在当前目录生成一个derby文件和一个metastore_db目录。这种存储方式的弊端是在同一个目录下同时只能有一个hive客户端能使用数据库,否则会提示如下错误:
Unable to instantiate org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient
第二种是本地模式,它可以采用独立的数据库,比如MySQL,目前它对MySQL支持是最好的,其他数据库,比如Oracle支持还不是很好。另外,Driver和Metastore在同一个JVM中运行。
第三种是远程模式,这种模式下,Metastore单独部署,多个Hive Driver共享这个Metastore。
2. Metastore 配置属性
Hive核心配置文件 hive-site.xml
相关属性
属性名称 | 描述 |
---|---|
hive.metastore.warehouse.dir |
配置仓库存放目录,/usr/hive/warehouse |
hive.metastore.uris |
可以不设置,不设置则表示使用当前的 Metastore ,否则采用指定的 Metastore |
javax.jdo.option.ConnectionURL |
JDBC连接地址,jdbc:derby:;databaseName=metastore_db;create=true |
javax.jdo.option.ConnectionDriverName |
JDBC驱动器的类名,org.apache.derby.jdbc.EmbeddedDriver |
javax.jdo.option.ConnectionUserName |
JDBC用户名,APP |
javax.jdo.option.ConnectionPassword |
JDBC密码,mine |
3. 搭建Hive环境(独立模式)
从 Apache公共软件仓库 下载 Hive。本课程使用 Hive 的版本是 2.3.3。Hive安装前需要安装好 JDK 和 Hadoop,且启动Hadoop
。
- Hive安装部署步骤
(1) 使用Xshell的sftp插件上传Hive安装包到hadoop01节点的 /usr/local
目录中
(2) 解压上传的安装包,将解压出来的目录重命名为 hive
[root@hadoop01 local]#tar -zxvf apache-hive-2.3.3-bin.tar.gz
[root@hadoop01 local]#mv hive-2.3.3 hive
- 启动Hadoop
Hive会自动监测Hadoop的环境变量,所以在安装hive之前就必须启动Hadoop
# 启动Hadoop,包括hdfs,yarn
[root@hadoop01 local]#start-all.sh
# 查看是否Hadoop是否正常启动
Hive安装前需要安装好 JDK 和 Hadoop,且启动Hadoop,使用命令jps查看HDFS和YARN的服务进程
- 配置Hive的环境变量
修改
/etc/profile
文件,向其中追加以下内容
[root@hadoop01 local]#vi /etc/profile
#追加以下内容到文件中
export HIVE_HOME=/usr/local/src/hive
export PATH=$PATH:$HIVE_HOME/bin
# 重新加载/etc/profile
[root@hadoop01 local]#source /etc/profile
- 删除hive中的日志文件依赖
log4j-slf4j-impl-2.6.2.jar
,
防止hive启动时此依赖与Hadoop中的依赖冲突
[root@hadoop01 local]#cd hive/lib/
[root@hadoop01 lib]#rm -rf log4j-slf4j-impl-2.6.2.jar
- 将上传的mysql驱动jar包
mysql-connector-java-5.1.49-bin.jar
放到hive的lib目录下
[root@hadoop01 software]#mv mysql-connector-java-5.1.49-bin.jar ../hive/lib/
- 进入hive的conf目录,找到3个文件:
hive-env.sh.template
、hive-exec-log4j2.properties.template
、hive-log4j2.properties.template
,分别复制并重命名为hive-env.sh
、hive-exec-log4j2.properties
、hive-log4j2.properties
[root@hadoop01 conf]# cp hive-env.sh.template hive-env.sh
[root@hadoop01 conf]# cp hive-exec-log4j2.properties.template hive-exec-log4j2.properties
[root@hadoop01 conf]# cp hive-log4j2.properties.template hive-log4j2.properties
- 修改配置文件
hive-env.sh
,向其中追加以下内容
#修改配置文件hive-env.sh
[root@hadoop01 conf]# vi hive-env.sh
#追加内容
export HADOOP_HOME=/usr/local/src/hadoop
export HIVE_CONF_DIR=/usr/local/src/hive/conf
export HIVE_AUX_JARS_PATH=/usr/local/src/hive/lib
- 新建一个配置文件
hive-site.xml
,并对其进行配置
#新建配置文件hive-site.xml
[root@hadoop01 conf]# vi hive-site.xml
#文件配置内容
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!--配置数据仓库在HDFS上的目录-->
<property>
<name>hive.metastore.warehouse.dir</name>
<value>/user/hive/warehouse</value>
</property>
<!--需要登录MySQL数据库,创建一个 hive 数据库备用-->
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://hadoop03:3306/hive?createDatabaseIfNotExist=true&useSSL=false</value>
</property>
<!--安装MySQL数据库的驱动类-->
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
</property>
<!--设置登录MySQL数据库的用户名-->
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
</property>
<!--设置登录MySQL数据库的密码-->
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>123456</value>
</property>
<!--启用 webhdfs,用于外部访问-->
<property>
<name>dfs.webhdfs.enabled</name>
<value>true</value>
</property>
</configuration>
- 配置Hive启动的日志目录
打开配置文件:
/usr/local/hive/conf/hive-log4j2.properties
,按照以下步骤进行修改:
#在hive目录下创建一个目录logs
[root@hadoop01 ~]#cd /usr/local/hive/conf
#修改文件hive-log4j2.properties
[root@hadoop02 conf]vi hive-log4j2.properties
#找到文件中 property.hive.log.dir,将其值修改
property.hive.log.dir = /usr/local/hive/logs
- 查看集群节点时间是否同步
使用xshell的全部会话功能,在三个节点执行以下命令,查看时间
date
-
初始化mysql数据库
运行 命令**
schematool -initSchema -dbType mysql
** 命令,初始化 mysql
[root@hadoop01 ~]#schematool -initSchema -dbType mysql
- 使用CLI工具启动Hive
[root@hadoop01 ~]#hive
-
修改HDFS上目录的权限
使用浏览器打开
hadoop01:50070
,会发现有一个权限检查,解决该问题的方式有两种:(1) 使用hdfs shell命令直接修改/user目录的权限设置,
[root@hadoop01 ~]hdfs dfs -chmod -R 775 /usr
(2) 配置hadoop的core-site.xml文件,追加以下内容
<!-- 当前用户全设置成root -->
<property>
<name>hadoop.http.staticuser.user</name>
<value>root</value>
</property>
<!-- 不开启权限检查 -->
<property>
<name>dfs.permissions.enabled</name>
<value>false</value>
</property>
-
查看HDFS上的文件
在打开的HDFS UI界面中,查看hive数据仓库的目录,默认路径为:/user/hive/warehouse
-
查看hive中的数据库和表
#查看数据库
hive>show databases;
#查看表
hive>show tables;
#退出Hive
hive>exit;
-
在hive中使用HQL语句进行词频查询与MapReduce对比执行效率
(1) 准备数据文件并上传到HDFS
#创建一个文本文件words.txt
[root@hadoop01 local]vi words.txt
#写入以下文本内容到words.txt中,词语以空格间隔:
hadoop is a bigdata technoligy frame
hdfs is a distribution file system
hdfs is from google file system
mapreduce is a frame of distribute compute
yarn is a manager of cluster resource
#在HDFS上创建目录
[root@hadoop01 local]hdfs dfs -mkdir /data
#将words.txt上传到HDFS
[root@hadoop01 local]hdfs dfs -put words.txt /data
(2) 运行mapreduce应用程序wordcount
##运行mapreduce应用程序
[root@hadoop01 local]# yarn jar /hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar wordcount /data/words.txt /output/result
(3) 使用HQL语句进行词频统计
#进入Hive CLI,编写HQL语句完成词频统计
[root@hadoop01 ~]#hive
#创建一个外部表
hive>create external table lines(line string);
#装载数据到外部表中
hive>load data inpath '/data/words.txt' into table lines;
#查看表中是否装载了数据
select * from lines;
#进行词频统计
hive>select word, count(*) as wc from (select explode(split(line, ' ')) as word from lines) tmp group by word order by wc desc;
-
Beeline命令行工具的使用
Hive提供了两种命令行工具,分别是CLI和Beeline,使用中分别对应着命令:
hive
和beeline
,CLI工具一般在运行Hive的主机上使用,而Beeline工具则支持远程连接,使用Beeline工具,需要首先在Hive主机中启动HiveServer2服务。(1) 配置 Hadoop 的
core-site.xml
追加以下的配置,并重启 Hadoop(HDFS/YARN)<!--配置代理用户 root 用于外部访问--> <property> <name>hadoop.proxyuser.root.hosts</name> <value>*</value> </property> <property> <name>hadoop.proxyuser.root.groups</name> <value>*</value> </property>
(2) 在Hive主机中启动HiveServer2服务,
#Hive主机中启动HiveServer2服务
[root@hadoop01 ~]hiveserver2&
#查看hiveServer2的服务进程RunJar
[root@hadoop01 ~]jps
(3) 连接方式一:使用 beeline shell 连接服务,在 XShell 中 复制当前会话,用于客户端连接
[root@hadoop01 ~]beeline -u jdbc:hive2://hadoop01:10000 -n root
(4) 连接方式二:
[root@hadoop01 ~]# beeline # 启动 beeline 客户端去连接
beeline> !connect jdbc:hive2://hadoop01:10000
-
HWI 浏览器:在
hive-site.xml
中加入访问地址和端口号,重启 hiveserver2,通过浏览器访问 **192.168.21.11:10002
**即可。<!--webui 访问 主机名--> <property> <name>hive.server2.webui.host</name> <value>192.168.21.11</value> </property> <!--webui 访问 端口号--> <property> <name>hive.server2.webui.port</name> <value>10002</value> </property>
二、Hive 基础操作
1. 数据类型
在 Hive 中,同样提供了与DDL、DML和DQL类似的操作。
(1)基本数据类型
Hive 中 的基本数据类型也称为原始类型,包括整数、小数、文本、布尔、二进制以及时间类型。这些数据类型都是Java中接口的实现,所以类型的具体行为细节和 Java 的对应的类型完全一致。
-
整数:
tinyint/smallint/int/bigint
,分别对应Java中的byte、short、int、long
。 -
小数:
float/double/decimal
,分别对应Java中的float、double、BigDecimal
。 -
文本:
string/char/varchar
,String存储可变长的文本,对长度没有限制,理论上存储空间为2GB,varchar与String类似,char是定长字符串,最大长度为255。 -
布尔:
boolean
,类型值有 true 和 false两种。 -
二进制:
binary
,用于存储变长的二进制数据。 -
时间:
date/timestamp/interval
,Date
存储年月日,TimeStamp
存储纳秒级别的时间戳,Interval
表示时间间隔,1.2之后新增。
(2)复杂数据类型
在 SQL 的表设计中,字段通常不能被再分解,这意味着每一个字段不能再被分隔成多个字段。而HiveQL没有这种限制。Hive有4种常用的复杂数据类型,分别是数组(Array)、映射(Map)、结构体(Struct)和联合体(UnionType)。
-
**Array**
是具有相同类型变量的集合。这些变量称为数组的元素,每个数组元素都有一个索引编号,编号从0开始。 -
- 数据格式:
["重庆","云南","四川","北京"]
- 数据格式:
-
- 定义示例:
array<string>
- 定义示例:
-
- 使用示例:
arr[0] = '重庆'
- 使用示例:
-
**Map**
是一组键值对集合,key只能是基本类型,值可以是任意类型。 -
- 数据格式:
{"Hadoop":60,"Java":80,"Hive":100}
- 数据格式:
-
- 定义示例:
map<string,string>
- 定义示例:
-
- 使用示例:
b['Hadoop']='60'
- 使用示例:
-
**Struct**
封装了一组有名字的字段,其类型可以是任意的基本类型,结构体内的元素使用 ”.“ 来访问。 -
- 数据格式:
{"男",18}
- 数据格式:
-
- 定义示例:
struct<sex:string,age:int>
- 定义示例:
-
- 使用示例:
c.sex='男'
- 使用示例:
2. HQL DDL
- 数据库
Hive DDL 用于定义 Hive 数据库模式,其命令包括 create、drop、alter、truncate、show和describe(desc) 等,主要是对数据库和表进行创建、修改、删除等操作。
- 创建数据库
CREATE (DATABASE|SCHEMA) [IF NOT EXISTS] database_name;
0: jdbc:hive2://node01:10000> create schema if not exists wise_db; # 创建 wise_db 数据库
- 切换数据库
use 数据库名;
- 查看数据库列表
show databases;
- 删除数据库默认情况下使用
RESTRICT
删除数据库。如果数据库非空,则删除将会失败,此时须使用CASCADE
级联删除数据库。
DROP (DATABASE|SCHEMA) [IF EXISTS] database_name [RESTRICT|CASCADE];
0: jdbc:hive2://node01:10000> drop schema if exists teste_db cascade; # 级联删除非空数据库 teste_db
- 数据表
- 创建数据表(外部表、内部表、临时表)
(1)创建表语法
CREATE [TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS] table_name -- (TEMPORARY 表示临时表, EXTERNAL 表示外部表,不写默认是托管表(内部表))
[(col_name data_type,...)] -- (表的字段声明)
[PARTITIONED BY (col_name data_type, ...)] -- (指定分区字段,注意不能和表字段重复,查询的时候,它以表字段的形式出现)
[CLUSTERED BY (col_name, col_name, ...) INTO num_buckets BUCKETS] -- (指定字段进行分桶,注意必须是表中存在的字段)
[ROW FORMAT DELIMITED
[FIELDS TERMINATED BY char] -- (指定字段分隔符,默认是 ASCII '\001' ^A)
[COLLECTION ITEMS TERMINATED BY char] -- (指定集合元素分隔符,默认是 ASCII '\002' ^B)
[MAP KEYS TERMINATED BY char] -- (指定Map键分隔符,默认是 ASCII '\003' ^C)
]
[STORED AS file_format] -- (存储格式:TextFile、SequenceFile、RCFile、ORCFile)
[LOCATION hdfs_path] -- (指定 hive 仓库存放数据的 hdfs 目录)
【语法关键字说明】
-
CREATE TABLE
:创建一个指定名称的表,如果存在同名表,则抛出异常。可以使用IF NOT EXISTS
忽略该异常。 -
EXTERNAL [ɪkˈstɜːnl]
:表示该表为外部表
,须同时指定实际数据存放的HDFS
路径LOCATION
,而其他表都是存放在 hive 的默认路径/user/hive/warehouse/
下。当外部表被删除时,实际数据不会被删除。 -
TEMPORARY [ˈtemprəri]
:指定该表为临时表
,临时表只对当前会话有效,会话退出后临时表自动删除。临时表不支持分区与索引。 -
PARTITIONED [pɑːˈtɪʃn] BY
:分区内部表
,创建表时可以为表创建一个或多个分区,查询时在 where 子句中指定分区可提升查询效率,缩小查询范围,而不是扫描整个表的内容。 -
CLUSTERED[ˈklʌstəd] BY
:分桶内部表
,让数据能够均匀地分布在表的各个数据文件中,划分粒度更细。Hive采用对列值哈希,然后除于桶的个数求余的方式决定该条记录存放在那个桶当中。这么做的目的就是获得更高的查询处理效率( join查询 ),使取样更高效。 -
ROW FORMAT
:用于指定SerDe(Serialize/Deserilze , 序列化与反序列化器),Hive
用于读写表的每一行数据。 -
STORED AS
:如果表数据时文本数据,则使用TextFile
,如果数据需要压缩,则可以使用SequenceFile
等。
(2)托管表(内部表)
Hive 托管表也称为内部表。它与数据库中的 Table 在概念上是类似。每一个托管表在 Hive 中都有一个相应的目录存储数据,所有的托管表数据(不包括外部表)都保存在这个目录中,删除托管表时,元数据与数据都会被删除。
# 使用数据库
use wise_db;
# 创建一个托管表
create table if not exists dept(deptno int,dname string,loc string)
row format delimited fields terminated by ','; # 指定结构化数据的分隔符,默认是'\001'
创建表的时候,需要指定分隔符,列的分隔符默认是 ‘\001’,行的分隔符模式是 ‘\n’。
向托管表 dept 添加装载数据,怎么做呢?准备一个 结构化数据,列分隔符是 “ , ” ,行分割符是 “ \n ”,直接使用 hadoop fs -put
的方式上传到 dept 表所在的目录/user/hive/warehouse/wise_db.db/dept
即可,Hive 会自动与 dept 表 关联映射。
10,科技部,重庆沙坪坝
20,市场部,重庆九龙坡
30,财务部,重庆渝北区
[root@node01 hive_data]# hadoop fs -put dept.txt /user/hive/warehouse/wise_db.db/dept
查看数据是否装载成功,通过使用 selecet 语句
来查看
0: jdbc:hive2://node01:10000> select * from dept;
OK
+--------------+-------------+-----------+
| dept.deptno | dept.dname | dept.loc |
+--------------+-------------+-----------+
| 10 | 科技部 | 重庆沙坪坝 |
| 20 | 市场部 | 重庆九龙坡 |
| 30 | 财务部 | 重庆渝北区 |
+--------------+-------------+-----------+
3 rows selected (4.325 seconds)
0: jdbc:hive2://node01:10000>
到此,Hive的简单表创建和数据装载就讲完了,除此之外,我们还可以在定义表的Schema 时指定 LOCATION
地址 ,Hive 将自动关联该目录下的数据文件,而不是使用默认的地址。
[root@node01 hive_data]# hadoop fs -mkdir -p /hive/dept # hdfs 上创建多级目录
[root@node01 hive_data]# hadoop fs -put dept.txt /hive/dept # 上传 dept.txt 文件到 dept 目录
[root@node01 hive_data]# hadoop fs -ls /hive/dept # 查看文件是否上传成功
create table if not exists dept2(deptno int,dname string,loc string)
row format delimited fields terminated by ','
location '/hive/dept'; # 指定表数据存储地址,注意是HDFS文件系统目录
drop table dept2; # 删除dept2表和表数据
3.其他常用 DDL 操作
- 复制表
CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name LIKE existsing_table_name; # LIKE 允许用户复制现有的表结构,但是不复制数据
0: jdbc:hive2://node01:10000> create table dept_copy like dept;
0: jdbc:hive2://node01:10000> select * from dept_copy;
OK
+-------------------+------------------+----------------+
| dept_copy.deptno | dept_copy.dname | dept_copy.loc |
+-------------------+------------------+----------------+
+-------------------+------------------+----------------+
No rows selected (0.337 seconds)
- 修改表
ALTER TABLE table_name RENAME TO new_table_name; # 表重命名
ALTER TABLE table_name ADD|REPLACE COLUMNS(col_name data_type, ...); # 新增一个字段或替换所有字段(相当于重新建表)
ALTER TABLE table_name CHANGE old_col_name new_col_name data_type; # 修改字段
# 分区相关修改
ALTER TABLE table_name ADD PARTITION(year='2020') LOCATION '/user/hive/warehouse/table_name/year=2020' ; #添加分区
ALTER TABLE table_name DROP IF EXISTS PARTITION(year='2020',year='2019'); # 删除分区
ALTER TABLE table_name PARTITION(year='2020') RENAME TO PARTITION(year='2021'); # 修改分区
0: jdbc:hive2://node01:10000> alter table dept_copy rename to dept_2; # 重命名 把 dept_copy 改为 dept_2
0: jdbc:hive2://node01:10000> alter table dept_2 add columns(mark string,create_time timestamp); # 向 dept_2 表中追加两个字段
0: jdbc:hive2://node01:10000> alter table dept_2 replace columns(id int,name string); # 把 dept_2 表的字段替换为 id和name
0: jdbc:hive2://node01:10000> alter table dept_2 change name dname string; # 修改 name 字段 为 dname string 类型
- 删除表/清空表
DROP TABLE table_name; # 删除表
TRUNCATE TABLE table_name; # 清空表中所有数据
0: jdbc:hive2://node01:10000> drop table dept_2; # 删除表数据和表结构
0: jdbc:hive2://node01:10000> truncate table dept; # 清空表数据,保留表结构
- 显示相关命令
show databases|schemas; # 显示所有数据库名
show tables; # 列出当前数据库中所有表
show views; # 列出当前数据库中所有视图
show partitions table_name; # 列出当前数据表中所有分区
show create table table_name; # 显示建表语句
show functions[like 'y*']; # 列出所有 UDF 和内置函数,支持通配符查找
desc database database_name; # 显示数据库信息
desc table_name; # 显示表信息
desc table_name.col_name; # 显示表中某列的信息
4. Hive DML 操作
在定义表的Schema 时指定 LOCATION
,Hive 将自动关联该目录下的数据文件,通常情况下,数据需要手动装载并进行维护管理,此时就需要使用 Hive DML 命令了。
在 Hive 中,DML 操作包括 load、insert 命令,分别对数据进行数据装载、插入等操作。
(1)数据装载与插入
一般使用两种方式实现数据装载,分别是 load 和 insert 命令,二者有明显的区别。
**load**
命令不对数据进行任何转换,只是简单地将数据复制或者移动至Hive表对应的位置,其实就是执行了hadoop fs -put
命令。
LOAD DATA [LOCAL] INPATH 'file_path' [OVERWRITE] INTO TABLE table_name [PARTITION(partcoll=val1,partcoll2=val2,....)]
-
LOCAL
:指定使用本地文件系统路径,装载时是**复制操作**
。如果没有该关键字则是 HDFS 路径,装载时是**移动操作**
。
-
OVERWRITE
:覆盖目标文件夹中的数据,如果没有该关键字且目标文件夹中已存在同名文件,将保留之前的文件,新文件名后缀以自动序号区分。
-
PARTITION
:如果目标表是分区表,须使用该关键字为每一个分区键指定一个值。
0: jdbc:hive2://node01:10000> truncate table dept; # 清空原来表的数据
0: jdbc:hive2://node01:10000> load data local inpath '/root/hive_data/dept.txt' into table dept; # 加载本地数据
# 再次执行上述数据装载,由于目标文件夹中已存在同名文件,则它不会报错,而是直接修改名称(dept_copy_1.txt)存放在当前目录,如果之前的数据不再需要,则可以
# 添加 overwrite 关键字进行覆盖,之前的dept.txt 和 dept_copy_1.txt 都会删除
0: jdbc:hive2://node01:10000> load data local inpath '/root/hive_data/dept.txt' overwrite into table dept;
# 不加 local 关键字,则它会去查找 HDFS 系统目录下的文件,并移动到指定的表数据存放目录下
0: jdbc:hive2://node01:10000> load data inpath '/hive/dept.txt' overwrite into table dept;
**insert**
命令将会执行MapReduce
作业并将数据插入值Hive
表中,一般使用较少,分桶表只能使用它,**load data**
不会执行分桶操作。
INSERT (INTO|OVERWRITE) TABLE table_name [PARTITION(partcol1=val1,partcol2=val2)] select_statement FROM from_stattement;
0: jdbc:hive2://node01:10000> insert into table dept select 10,'科技部','重庆沙坪坝';
5. Hive 复杂类型的使用
Hive 中的复杂类型包括 array(数组)、map(字典)、struct(结构体)等。
临时表(Temporary[ˈtemprəri])使用
:临时表只对当前 session 有效,session退出后,表自动删除。临时表不支持分区字段和创建索引。
create temporary table if not exists emp_temp(
id int,
name string,
work_place array<string>,
sex_age struct<sex:string,age:int>,
score map<string,float>
)
row format delimited # 指定结构化数据分隔符,保证数据能够正确映射到Hive表中
fields terminated by '|'
collection items terminated by ','
map keys terminated by ':'
stored as textfile;
1|tom|重庆,云南,四川,北京|男,18|Hadoop:60,Java:80,Hive:100
2|tim|成都,大理,新疆,红河|男,28|Hadoop:70,Java:60,Hive:90
3|kim|广州,丽江,西双版纳,北京|男,19|Hadoop:90,Java:80,Hive:95
4|aim|天津,云南,合川,大足|男,23|Hadoop:100,Java:90,Hive:88
5|ros|重庆,武汉,垫江,昭通|男,54|Hadoop:55,Java:100,Hive:98
0: jdbc:hive2://node01:10000> load data local inpath '/root/hive_data/user_info.txt' into table temp_user_info; # 装载数据
0: jdbc:hive2://node01:10000> select * from temp_user_info; # 查询所有数据
OK
+--------------------+----------------------+----------------------------+-------------------------+-------------------------------------+
| temp_user_info.id | temp_user_info.name | temp_user_info.work_place | temp_user_info.sex_age | temp_user_info.course_score |
+--------------------+----------------------+----------------------------+-------------------------+-------------------------------------+
| 1 | tom | ["重庆","云南","四川","北京"] | {
"sex":"男","age":18} | {
"Hadoop":60,"Java":80,"Hive":100} |
| 2 | tim | ["成都","大理","新疆","红河"] | {
"sex":"男","age":28} | {
"Hadoop":70,"Java":60,"Hive":90} |
| 3 | kim | ["广州","丽江","西双版纳","北京"] | {
"sex":"男","age":19} | {
"Hadoop":90,"Java":80,"Hive":95} |
| 4 | aim | ["天津","云南","合川","大足"] | {
"sex":"男","age":23} | {
"Hadoop":100,"Java":90,"Hive":88} |
| 5 | ros | ["重庆","武汉","垫江","昭通"] | {
"sex":"男","age":54} | {
"Hadoop":55,"Java":100,"Hive":98} |
+--------------------+----------------------+----------------------------+-------------------------+-------------------------------------+
5 rows selected (0.21 seconds)
0: jdbc:hive2://node01:10000> select work_place[0],sex_age.sex,sex_age.age,course_score['Hadoop'] from temp_user_info; # 访问复杂类型中的数据
OK
+------+------+------+------+
| _c0 | sex | age | _c3 |
+------+------+------+------+
| 重庆 | 男 | 18 | 60 |
| 成都 | 男 | 28 | 70 |
| 广州 | 男 | 19 | 90 |
| 天津 | 男 | 23 | 100 |
| 重庆 | 男 | 54 | 55 |
+------+------+------+------+
5 rows selected (0.351 seconds)
0: jdbc:hive2://node01:10000> show create table temp_user_info; # 显示数据表创建信息,了解数据表存放地址
-
数组数据统计
使用explode(数组字段),将数组元素转为多行,结合lateral view聚合为一个新字段,然后以该字段进行分组聚合。
hive提供了两个函数:
explode将数组拆分成行,lateral view来实现聚合 select hobby,count(1) c1 from t1 lateral view explode(likes) likes as hobby group by hobby order by c1 desc;
三、练习
(1)在hdfs中创建目录 /empinfo
(2)创建分区表emp_ext,
说明1:
包括5个字段,
(姓名)name string,
(工作地点)work_place array,
(性别年龄)gender_age struct<gender:string, age:int>,
(技能值)skill_score map<string,int>,
(部门职位)dept_title map<string, array> ,
说明2:
不同字段的划分字符为"|",
数组集合数据的划分为“,”
map键值对之间的划分字符为“:”,
将该分区表存储在hdfs的 /empinfo目录下
(3)创建数据文件为emp.txt, 将数据从本地装载到分区表中,
数据内容如下:
Michael|Montreal,Toronto|Male,30|DB:80|Product:DeveloperLead
Will|Montreal|Male,35|Perl:85|Product:Lead,Test:Lead
Shelley|New York|Female,27|Python:80|Test:Lead,COE:Architect
Lucy|Vancouver|Female,57|Sales:89,HR:94|Sales:Lead
-
查询表数据,显示姓名,性别和Hadoop课程的成绩。
-
统计出差地址次数并倒序排列。
-
统计Hive的平均成绩、最高成绩和最低成绩。
-
计算该数据的男性员工的总数