第 1 章 Hive 入门 1.1 什么是 Hive1.2 Hive 的优缺点 1.2.1 优点 1.2.2 缺点 1.3 Hive 架构原理 1.4 Hive 和数据库比较 1.4.1 查询语言 1.4.2 数据存储位置 1.4.3 数据更新 1.4.4 索引 1.4.5 执行 1.4.6 执行延迟 1.4.7 可扩展性 1.4.8 数据规模第 2 章 Hive 安装, 配置和使用 2.1 Hive 安装地址 2.2 Hive 安装部署 2.3 将本地文件导入 Hive 案例 2.4 MySQL 安装 2.4.1 安装包准备 2.4.2 安装 MySQL 服务器 2.4.3 安装 MySQL 客户端 2.4.4 MySQL 中 user 表中主机配置 2.5 Hive 元数据配置到 MySql2.5.1 驱动拷贝 2.5.2 配置 metastore 到 MySql2.5.3 多窗口启动 Hive 测试 2.6 Hive JDBC 访问 2.6.1 启动 hiveserver2 服务 2.6.2 启动 beeline2.6.3 连接 hiveserver22.7 Hive 常用交互命令 2.8 Hive 其他命令操作 2.9 Hive 常见属性配置 2.9.1 Hive 数据仓库位置配置 2.9.2 Hive 查询后信息显示配置 2.9.3 Hive 运行日志信息配置 2.9.4 Hive 参数配置方式第 3 章 Hive 数据类型 3.1 基本数据类型 3.2 集合数据类型 3.3 类型转化
第 1 章 Hive 入门
1.1 什么是 Hive
Hive: 由 Facebook 开源用于解决海量结构化日志的数据统计 (分析框架).
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 HQL 转化成 MapReduce 程序.
1)Hive 处理的数据存储在 HDFS 上.
2)Hive 分析数据底层的实现是 MapReduce.
3) 执行程序运行在 Yarn 上.
即 Hive 类似于一个 Hadoop 的客户端, 所以 Hive 不涉及集群的概念, 可以安装多个.
1.2 Hive 的优缺点
1.2.1 优点
1) 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).
2) 避免了去写 MapReduce, 减少开发人员的学习成本.
3) Hive 的执行延迟比较高, 因此 Hive 常用于数据分析, 对实时性要求不高的场合.
4) Hive 优势在于处理大数据, 对于处理小数据没有优势, 因为 Hive 的执行延迟比较高.
5) 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, 扩展性好.
1.2.2 缺点
1,Hive 的 HQL 表达能力有限
(1) 迭代式算法无法表达 (算法, 机器学习, 即多个 MapReduce 串联的局限性)
(2) 数据挖掘方面不擅长 (不善于 "啤酒 + 纸尿布案列", 善于数据分析)
2,Hive 的效率比较低
(1)Hive 自动生成的 MapReduce 作业, 通常情况下不够智能化
(2)Hive 调优比较困难, 粒度较粗
1.3 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
使用 HDFS 进行存储, 使用 MapReduce 进行计算.
4, 驱动器: Driver
(1) 解析器 (SQL Parser): 将 SQL 字符串转换成抽象语法树 AST, 这一步一般都用第三方工具库完成, 比如 antlr; 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.
(2) 编译器 (Physical Plan): 将 AST 编译生成逻辑执行计划.
(3) 优化器 (Query Optimizer): 对逻辑执行计划进行优化.
(4) 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, 就是 MR/Spark.
Hive 通过给用户提供的一系列交互接口, 接收到用户的指令 (SQL), 使用自己的 Driver, 结合元数据 (MetaStore), 将这些指令翻译成 MapReduce, 提交到 Hadoop 中执行, 最后, 将执行返回的结果输出到用户交互接口.
1.4 Hive 和数据库比较
由于 Hive 采用了类似 SQL 的查询语言 HQL(Hive Query Language), 因此很容易将 Hive 理解为数据库. 其实从结构上来看, Hive 和数据库除了拥有类似的查询语言, 再无类似之处. 本文将从多个方面来阐述 Hive 和数据库的差异. 数据库可以用在 Online 的应用中, 但是 Hive 是为数据仓库而设计的, 清楚这一点, 有助于从应用角度理解 Hive 的特性.
1.4.1 查询语言
由于 SQL 被广泛的应用在数据仓库中, 因此, 专门针对 Hive 的特性设计了类 SQL 的查询语言 HQL. 熟悉 SQL 开发的开发者可以很方便的使用 Hive 进行开发.
1.4.2 数据存储位置
Hive 是建立在 Hadoop 之上的, 所有 Hive 的数据都是存储在 HDFS 中的. 而数据库则可以将数据保存在块设备或者本地文件系统中.
1.4.3 数据更新
由于 Hive 是针对数据仓库应用设计的, 而数据仓库的内容是读多写少的. 因此, Hive 中不建议对数据的改写, 所有的数据都是在加载的时候确定好的. 而数据库中的数据通常是需要经常进行修改的, 因此可以使用 INSERT INTO ... VALUES 添加数据, 使用 UPDATE ... SET 修改数据.
1.4.4 索引
Hive 在加载数据的过程中不会对数据进行任何处理, 甚至不会对数据进行扫描, 因此也没有对数据中的某些 Key 建立索引. Hive 要访问数据中满足条件的特定值时, 需要暴力扫描整个数据, 因此访问延迟较高. 由于 MapReduce 的引入, Hive 可以并行访问数据, 因此即使没有索引, 对于大数据量的访问, Hive 仍然可以体现出优势. 数据库中, 通常会针对一个或者几个列建立索引, 因此对于少量的特定条件的数据的访问, 数据库可以有很高的效率, 较低的延迟. 由于数据的访问延迟较高, 决定了 Hive 不适合在线数据查询.
1.4.5 执行
Hive 中大多数查询的执行是通过 Hadoop 提供的 MapReduce 来实现的. 而数据库通常有自己的执行引擎.
1.4.6 执行延迟
Hive 在查询数据的时候, 由于没有索引, 需要扫描整个表, 因此延迟较高. 另外一个导致 Hive 执行延迟高的因素是 MapReduce 框架. 由于 MapReduce 本身具有较高的延迟, 因此在利用 MapReduce 执行 Hive 查询时, 也会有较高的延迟. 相对的, 数据库的执行延迟较低. 当然, 这个低是有条件的, 即数据规模较小, 当数据规模大到超过数据库的处理能力的时候, Hive 的并行计算显然能体现出优势.
1.4.7 可扩展性
由于 Hive 是建立在 Hadoop 之上的, 因此 Hive 的可扩展性是和 Hadoop 的可扩展性是一致的 (世界上最大的 Hadoop 集群在 Yahoo!,2009 年的规模在 4000 台节点左右). 而数据库由于 ACID 语义的严格限制, 扩展行非常有限. 目前最先进的并行数据库 Oracle 在理论上的扩展能力也只有 100 台左右.
1.4.8 数据规模
由于 Hive 建立在集群上并可以利用 MapReduce 进行并行计算, 因此可以支持很大规模的数据; 对应的, 数据库可以支持的数据规模较小.
第 2 章 Hive 安装, 配置和使用
2.1 Hive 安装地址
1,Hive 官网地址
http://hive.apache.org/
2, 文档查看地址
3, 下载地址
http://archive.apache.org/dist/hive/
4,GitHub 地址
https://github.com/apache/hive
2.2 Hive 安装部署
1,Hive 安装及配置
(1) 把 apache-hive-1.2.1-bin.tar.gz 上传到 Linux 的 / opt/software 目录下
(2) 解压 apache-hive-1.2.1-bin.tar.gz 到 / opt/module / 目录下面
[atguigu@hadoop102 software]$ tar -zxvf apache-hive-1.2.1-bin.tar.gz -C /opt/module/
(3) 修改 apache-hive-1.2.1-bin.tar.gz 的名称为 hive
[atguigu@hadoop102 module]$ mv apache-hive-1.2.1-bin/ hive
(4) 修改 / opt/module/hive/conf 目录下的 hive-env.sh.template 名称为 hive-env.sh
[atguigu@hadoop102 conf]$ mv hive-env.sh.template hive-env.sh
(5) 配置 hive-env.sh 文件
(a) 配置 HADOOP_HOME 路径
- # Set HADOOP_HOME to point to a specific hadoop install directory
- HADOOP_HOME=/opt/module/hadoop-2.7.2
(b) 配置 HIVE_CONF_DIR 路径
- # Hive Configuration Directory can be controlled by:
- export HIVE_CONF_DIR=/opt/module/hive/conf
(6) 配置 HIVE_HOME
[atguigu@hadoop102 ~]$ sudo VIM /etc/profile
添加的内容如下:
- #HIVE_HOME
- export HIVE_HOME=/opt/module/hive
- export PATH=$PATH:$HIVE_HOME/bin
:wq 保存退出
使配置文件生效
[atguigu@hadoop102 ~]$ source /etc/profile
2,Hadoop 集群配置
(1) 在启动 Hive 之前, 必须先启动 hdfs 和 yarn
- [atguigu@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh
- [atguigu@hadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh
(2) 在 HDFS 上创建 / tmp 和 / user/hive/warehouse 两个目录并修改他们的同组权限可写
- [atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -mkdir /tmp
- [atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -mkdir -p /user/hive/warehouse
- [atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -chmod g+w /tmp
- [atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -chmod g+w /user/hive/warehouse
3,Hive 基本操作
(1) 启动 hive
[atguigu@hadoop102 hive]$ bin/hive
(2) 查看数据库
hive> show databases;
(3) 打开默认数据库
hive> use default;
(4) 显示 default 数据库中的表
hive> show tables;
(5) 创建一张表
hive> create table student(id int, name string);
(6) 显示数据库中有几张表
hive> show tables;
(7) 查看表的结构
hive> desc student;
(8) 向表中插入数据
hive> insert into student values(1000,"ss");
(9) 查询表中数据
hive> select * from student;
(10) 退出 hive
hive> quit;
2.3 将本地文件导入 Hive 案例
需求: 将本地 / opt/module/datas/student.txt 这个目录下的数据导入到 hive 的 student(id int, name string) 表中.
1, 数据准备
在 / opt/module/datas 这个目录下准备数据
(1) 在 / opt/module / 目录下创建 datas
[atguigu@hadoop102 module]$ mkdir datas
(2) 在 / opt/module/datas / 目录下创建 student.txt 文件并添加数据
- [atguigu@hadoop102 datas]$ touch student.txt
- [atguigu@hadoop102 datas]$ VIM student.txt
- 1001 zhangshan
- 1002 lishi
- 1003 zhaoliu
注意以 tab 键间隔.
2,Hive 实际操作
(1) 启动 hive
[atguigu@hadoop102 hive]$ bin/hive
(2) 显示数据库
hive> show databases;
(3) 使用 default 数据库
hive> use default;
(4) 显示 default 数据库中的表
hive> show tables;
(5) 删除已创建的 student 表
hive> drop table student;
(6) 创建 student 表, 并声明文件分隔符'\t'
hive> create table student(id int, name string) row format delimited fields terminated by '\t';
(7) 加载 / opt/module/datas/student.txt 文件到 student 数据库表中.
hive> load data local inpath '/opt/module/datas/student.txt' into table student;
(8)Hive 查询结果
- hive> select * from student;
- OK
- 1001 zhangshan
- 1002 lishi
- 1003 zhaoliu
- Time taken: 0.266 seconds, Fetched: 3 row(s)
3, 遇到的问题
再打开一个客户端窗口启动 hive, 会产生 java.sql.SQLException 异常.
- Exception in thread "main" java.lang.RuntimeException: java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient
- at org.apache.hadoop.hive.ql.session.SessionState.start(SessionState.java:522)
- at org.apache.hadoop.hive.cli.CliDriver.run(CliDriver.java:677)
- at org.apache.hadoop.hive.cli.CliDriver.main(CliDriver.java:621)
- at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
- at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
- at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
- at java.lang.reflect.Method.invoke(Method.java:498)
- at org.apache.hadoop.util.RunJar.run(RunJar.java:221)
- at org.apache.hadoop.util.RunJar.main(RunJar.java:136)
- Caused by: java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient
- at org.apache.hadoop.hive.metastore.MetaStoreUtils.newInstance(MetaStoreUtils.java:1523)
- at org.apache.hadoop.hive.metastore.RetryingMetaStoreClient.<init>(RetryingMetaStoreClient.java:86)
- at org.apache.hadoop.hive.metastore.RetryingMetaStoreClient.getProxy(RetryingMetaStoreClient.java:132)
- at org.apache.hadoop.hive.metastore.RetryingMetaStoreClient.getProxy(RetryingMetaStoreClient.java:104)
- at org.apache.hadoop.hive.ql.metadata.Hive.createMetaStoreClient(Hive.java:3005)
- at org.apache.hadoop.hive.ql.metadata.Hive.getMSC(Hive.java:3024)
- at org.apache.hadoop.hive.ql.session.SessionState.start(SessionState.java:503)
- ... 8 more
- ......
- ......
原因是: Metastore(元数据) 默认存储在自带的 derby 数据库中, derby 数据库是单一用户的, 所以推荐使用 MySQL 存储 Metastore.
2.4 MySQL 安装
2.4.1 安装包准备
1, 查看 MySQL 是否安装, 如果安装了, 卸载 MySQL
(1) 查看
[root@hadoop102 桌面]# rpm -qa | grep MySQL
MySQL-libs-5.1.73-7.el6.x86_64
(2) 卸载
[root@hadoop102 桌面]# rpm -e --nodeps MySQL-libs-5.1.73-7.el6.x86_64
2, 解压 MySQL-libs.zip 文件到当前目录
- [root@hadoop102 software]# unzip MySQL-libs.zip
- [root@hadoop102 software]# ls
- MySQL-libs.zip
- MySQL-libs
3, 进入到 MySQL-libs 文件夹下
[root@hadoop102 MySQL-libs]# ll
总用量 76048
-rw-r--r--. 1 root root 18509960 3 月 26 2015 MySQL-client-5.6.24-1.el6.x86_64.rpm
-rw-r--r--. 1 root root 3575135 12 月 1 2013 MySQL-connector-java-5.1.27.tar.gz
-rw-r--r--. 1 root root 55782196 3 月 26 2015 MySQL-server-5.6.24-1.el6.x86_64.rpm
2.4.2 安装 MySQL 服务器
1, 安装 MySQL 服务端
[root@hadoop102 MySQL-libs]# rpm -ivh MySQL-server-5.6.24-1.el6.x86_64.rpm
2, 查看产生的随机密码
- [root@hadoop102 MySQL-libs]# cat /root/.mysql_secret
- # The random password set for the root user at Sun Feb 24 18:13:37 2019 (local time): PyxYLBK4tABK1cZb
3, 查看 MySQL 状态
[root@hadoop102 MySQL-libs]# service MySQL status
4, 启动 MySQL
[root@hadoop102 MySQL-libs]# service MySQL start
2.4.3 安装 MySQL 客户端
1, 安装 MySQL 客户端
[root@hadoop102 MySQL-libs]# rpm -ivh MySQL-client-5.6.24-1.el6.x86_64.rpm
2, 连接 MySQL
[root@hadoop102 MySQL-libs]# MySQL -uroot -pOEXaQuS8IWkG19Xs
3, 修改密码
MySQL> set password=password("123456");
4, 退出 MySQL
MySQL> exit
5, 重新登录 MySQL
[root@hadoop102 MySQL-libs]# MySQL -uroot -p123456
2.4.4 MySQL 中 user 表中主机配置
配置只要是 root 用户 + 密码, 在任何主机上都能登录 MySQL 数据库. 即配置 MySQL 无主机登录.
1, 进入 MySQL
[root@hadoop102 MySQL-libs]# MySQL -uroot -p123456
2, 显示数据库
MySQL> show databases;
3, 使用 MySQL 数据库
MySQL> use MySQL;
4, 展示 MySQL 数据库中的所有表
MySQL> show tables;
5, 展示 user 表的结构
MySQL> desc user;
6, 查询 user 表
MySQL> select User, Host, Password from user;
7, 修改 user 表, 把 Host 表内容修改为 %,% 表示通配符的意思
MySQL> update user set host='%' where host='localhost';
8, 删除 root 用户的其他 host
- MySQL> delete from user where Host='hadoop102';
- MySQL> delete from user where Host='127.0.0.1';
- MySQL> delete from user where Host='::1';
9, 刷新
MySQL> flush privileges;
10, 退出
MySQL> quit;
2.5 Hive 元数据配置到 MySQL
2.5.1 驱动拷贝
1, 在 / opt/software/MySQL-libs 目录下解压 MySQL-connector-java-5.1.27.tar.gz 驱动包
[root@hadoop102 MySQL-libs]# tar -zxvf MySQL-connector-java-5.1.27.tar.gz
2, 拷贝 / opt/software/MySQL-libs/MySQL-connector-java-5.1.27 目录下的 MySQL-connector-java-5.1.27-bin.jar 到 / opt/module/hive/lib/
[root@hadoop102 MySQL-connector-java-5.1.27]# cp MySQL-connector-java-5.1.27-bin.jar /opt/module/hive/lib/
2.5.2 配置 metastore 到 MySQL
1, 在 / opt/module/hive/conf 目录下创建一个 hive-site.xml
- [atguigu@hadoop102 conf]$ touch hive-site.xml
- [atguigu@hadoop102 conf]$ VIM hive-site.xml
2, 根据官方文档配置参数, 拷贝数据到 hive-site.xml 文件中
- https://cwiki.apache.org/confluence/display/Hive/AdminManual+MetastoreAdmin
- <?xml version="1.0"?>
- <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
- <configuration>
- <property>
- <name>javax.jdo.option.ConnectionURL</name>
- <value>jdbc:MySQL://hadoop102:3306/metastore?createDatabaseIfNotExist=true</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>
3, 配置完毕后, 如果启动 hive 异常, 可以重新启动虚拟机.(重启后, 别忘了启动 hadoop 集群)
2.5.3 多窗口启动 Hive 测试
1, 先启动 MySQL
[atguigu@hadoop102 MySQL-libs]$ MySQL -uroot -p123456
查看有几个数据库
- MySQL> show databases;
- +--------------------+
- | Database |
- +--------------------+
- | information_schema |
- | MySQL |
- | performance_schema |
- | test |
- +--------------------+
2, 再次打开多个窗口, 分别启动 hive, 发现没有问题, 因为 MySQL 是多用户模式.
[atguigu@hadoop102 hive]$ bin/hive
3, 启动 hive 后, 回到 MySQL 窗口查看数据库, 显示增加了 metastore 数据库
- MySQL> show databases;
- +--------------------+
- | Database |
- +--------------------+
- | information_schema |
- | metastore |
- | MySQL |
- | performance_schema |
- | test |
- +--------------------+
2.6 Hive JDBC 访问
2.6.1 启动 hiveserver2 服务
[atguigu@hadoop102 hive]$ bin/hiveserver2
2.6.2 启动 beeline
- [atguigu@hadoop102 hive]$ bin/beeline
- Beeline version 1.2.1 by Apache Hive
- beeline>
2.6.3 连接 hiveserver2
- beeline> !connect jdbc:hive2://hadoop102:10000(回车)
- Connecting to jdbc:hive2://hadoop102:10000
- Enter username for jdbc:hive2://hadoop102:10000: atguigu(回车)
- Enter password for jdbc:hive2://hadoop102:10000: (直接回车)
- Connected to: Apache Hive (version 1.2.1)
- Driver: Hive JDBC (version 1.2.1)
- Transaction isolation: TRANSACTION_REPEATABLE_READ
- 0: jdbc:hive2://hadoop102:10000> show databases;
- +----------------+--+
- | database_name |
- +----------------+--+
- | default |
- | hive_db2 |
- +----------------+--+
2.7 Hive 常用交互命令
应用于: 做定时任务.
- [atguigu@hadoop102 hive]$ bin/hive -help
- usage: hive
- -d,--define <key=value> Variable subsitution to apply to hive
- commands. e.g. -d A=B or --define A=B
- --database <databasename> Specify the database to use
- -e <quoted-query-string> SQL from command line
- -f <filename> SQL from files
- -H,--help Print help information
- --hiveconf <property=value> Use value for given property
- --hivevar <key=value> Variable subsitution to apply to hive
- commands. e.g. --hivevar A=B
- -i <filename> Initialization SQL file
- -S,--silent Silent mode in interactive shell
- -v,--verbose Verbose mode (echo executed SQL to the
- console)
- [atguigu@hadoop102 hive]$
0, 由于我们更换了数据库为 MySQL, 为了下面的演示方便, 我们需要先做一些准备工作:
- hive> show databases;
- hive> create table student(id int, name string) row format delimited fields terminated by '\t';
- hive> select * from student;
- OK
- 1001 zhangshan
- 1002 lishi
- 1003 zhaoliu
1,"-e" 不进入 hive 的交互窗口执行 sql 语句
[atguigu@hadoop102 hive]$ bin/hive -e "select id from student;"
2,"-f" 执行脚本中 sql 语句
(1) 在 / opt/module/datas 目录下创建 hivef.sql 文件
[atguigu@hadoop102 datas]$ touch hivef.sql
文件中写入正确的 sql 语句
select * from student;
(2) 执行文件中的 sql 语句
[atguigu@hadoop102 hive]$ bin/hive -f /opt/module/datas/hivef.sql
(3) 执行文件中的 sql 语句并将结果写入文件中
[atguigu@hadoop102 hive]$ bin/hive -f /opt/module/datas/hivef.sql > /opt/module/datas/hive_result.txt
2.8 Hive 其他命令操作
1, 退出 hive 窗口:
- hive(default)> exit;
- hive(default)> quit;
在新版的 hive 中没区别了, 在以前的版本是有的:
exit: 先隐性提交数据, 再退出.
quit: 不提交数据, 直接退出.
2, 在 hive cli 命令窗口中如何查看 hdfs 文件系统
hive(default)> dfs -ls /;
3, 在 hive cli 命令窗口中如何查看本地文件系统
hive(default)> ! ls /opt/module/datas;
4, 查看在 hive 中输入的所有历史命令
(1) 进入到当前用户的根目录 / root 或 / home/atguigu
(2) 查看. hivehistory 文件
[atguigu@hadoop102 ~]$ cat .hivehistory
2.9 Hive 常见属性配置
2.9.1 Hive 数据仓库位置配置
1)default 数据仓库的最原始位置是在 hdfs 上的 / user/hive/warehouse 路径下.
2) 在仓库目录下, 没有对默认的数据库 default 创建文件夹. 如果某张表属于 default 数据库, 直接会在数据仓库目录下创建一个文件夹.
3) 修改 default 数据仓库原始位置 (将 hive-default.xml.template 如下配置信息拷贝到 hive-site.xml 文件中).
- <property>
- <name>hive.metastore.warehouse.dir</name>
- <value>/user/hive/warehouse</value>
- <description>location of default database for the warehouse</description>
- </property>
配置同组用户具有写权限
[atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -chmod g+w /user/hive/warehouse
2.9.2 Hive 查询后信息显示配置
1) 在 hive-site.xml 文件中添加如下配置信息, 就可以实现显示当前数据库, 以及查询表的头信息配置.
- <property>
- <name>hive.cli.print.header</name>
- <value>true</value>
- </property>
- <property>
- <name>hive.cli.print.current.db</name>
- <value>true</value>
- </property>
2) 重新启动 hive, 对比配置前后差异.
(1) 配置前, 如下图所示:
(2) 配置后, 如下图所示:
2.9.3 Hive 运行日志信息配置
1,Hive 的 log 默认存放在 / tmp/atguigu/hive.log 目录下 (当前用户名下)
2, 修改 hive 的 log 存放日志到 / opt/module/hive/logs
(1) 修改 / opt/module/hive/conf/hive-log4j.properties.template 文件名称为
- hive-log4j.properties
- atguigu@hadoop102 conf]$ pwd
- /opt/module/hive/conf
- [atguigu@hadoop102 conf]$ cp hive-log4j.properties.template hive-log4j.properties
(2) 在 hive-log4j.properties 文件中修改 log 存放位置
hive.log.dir=/opt/module/hive/logs
2.9.4 Hive 参数配置方式
1, 查看当前所有的配置信息
hive> set;
2, 参数的配置三种方式
(1) 配置文件方式
默认配置文件: hive-default.xml.template
用户自定义配置文件: hive-site.xml
注意: 用户自定义配置会覆盖默认配置. 另外, Hive 也会读入 Hadoop 的配置, 因为 Hive 是作为 Hadoop 的客户端启动的, Hive 的配置会覆盖 Hadoop 的配置. 配置文件的设定对本机启动的所有 Hive 进程都有效.
(2) 命令行参数方式
启动 Hive 时, 可以在命令行添加 - hiveconf param=value 来设定参数. 例如:
[atguigu@hadoop103 hive]$ bin/hive -hiveconf mapred.reduce.tasks=10;
注意: 仅对本次 hive 启动有效.
查看参数设置:
hive (default)> set mapred.reduce.tasks;
(3) 参数声明方式
可以在 HQL 中使用 SET 关键字设定参数例如:
hive (default)> set mapred.reduce.tasks=100;
注意: 仅对本次 hive 启动有效.
查看参数设置
hive (default)> set mapred.reduce.tasks;
上述三种设定方式的优先级依次递增. 即优先级: 配置文件 < 命令行参数 < 参数声明. 注意某些系统级的参数, 例如 log4j 相关的设定, 必须用前两种方式设定, 因为那些参数的读取在会话建立以前已经完成了.
第 3 章 Hive 数据类型
3.1 基本数据类型
注意: 对于 Hive 的 String 类型相当于数据库的 varchar 类型, 该类型是一个可变的字符串, 不过它不能声明其中最多能存储多少个字符, 理论上它可以存储 2GB 的字符数.
3.2 集合数据类型
Hive 有三种复杂数据类型 ARRAY,MAP 和 STRUCT.ARRAY 和 MAP 与 Java 中的 Array 和 Map 类似, 而 STRUCT 与 C 语言中的 Struct 类似, 它封装了一个命名字段集合, 复杂数据类型允许任意层次的嵌套.
案例实操
1) 假设某表有如下一行, 我们用 JSON 格式来表示其数据结构. 在 Hive 下访问的格式为:
- {
- "name": "songsong",
- "friends": ["bingbing", "lili"] , // 列表 Array,
- "children": { // 键值 Map,
- "xiao song": 18 ,
- "xiaoxiao song": 19
- }
- "address": { // 结构 Struct,
- "street": "hui long guan" ,
- "city": "beijing"
- }
- }
2) 基于上述数据结构, 我们在 Hive 里创建对应的表, 并导入数据.
创建本地测试文件 test.txt
- songsong,bingbing_lili,xiao song:18_xiaoxiao song:19,hui long guan_beijing
- yangyang,caicai_susu,xiao yang:18_xiaoxiao yang:19,chao yang_beijing
注意: MAP,STRUCT 和 ARRAY 里的元素间关系都可以用同一个字符表示, 这里用 "_".
3)Hive 上创建测试表 test
- create table test(
- name string,
- friends array<string>,
- children map<string, int>,
- address struct<street:string, city:string>
- )
- row format delimited fields terminated by ','
- collection items terminated by '_'
- map keys terminated by ':'
- lines terminated by '\n';
字段解释:
row format delimited fields terminated by ',' -- 列分隔符
collection items terminated by '_' -- MAP,STRUCT 和 ARRAY 的分隔符 (数据分割符号)
map keys terminated by ':' -- MAP 中的 key 与 value 的分隔符
lines terminated by '\n'; -- 行分隔符
4) 导入文本数据到测试表
hive (default)> load data local inpath '/opt/module/datas/test.txt' into table test
或者
[atguigu@hadoop102 datas]$ hadoop fs -put test.txt /user/hive/warehouse/test
5) 访问三种集合列里的数据, 以下分别是 ARRAY,MAP,STRUCT 的访问方式
- hive> desc test;
- OK
- name string
- friends array<string>
- children map<string,int>
- address struct<street:string,city:string>
- Time taken: 1.032 seconds, Fetched: 4 row(s)
- hive> select * from test;
- OK
- songsong ["bingbing","lili"] {
- "xiao song":18,"xiaoxiao song":19
- } {
- "street":"hui long guan","city":"beijing"
- }
- yangyang ["caicai","susu"] {
- "xiao yang":18,"xiaoxiao yang":19
- } {
- "street":"chao yang","city":"beijing"
- }
- Time taken: 0.274 seconds, Fetched: 2 row(s)
- hive> select friends[1],children['xiao song'],address.city from test where name="songsong";
- OK
- lili 18 beijing
- Time taken: 0.179 seconds, Fetched: 1 row(s)
3.3 类型转化
Hive 的原子数据类型是可以进行隐式转换的, 类似于 Java 的类型转换, 例如某表达式使用 INT 类型, TINYINT 会自动转换为 INT 类型, 但是 Hive 不会进行反向转化, 例如, 某表达式使用 TINYINT 类型, INT 不会自动转换为 TINYINT 类型, 它会返回错误, 除非使用 CAST 操作.
1, 隐式类型转换规则如下
(1) 任何整数类型都可以隐式地转换为一个范围更广的类型, 如 TINYINT 可以转换成 INT,INT 可以转换成 BIGINT.
(2) 所有整数类型, FLOAT 和 STRING 类型都可以隐式地转换成 DOUBLE.
(3)TINYINT,SMALLINT,INT 都可以转换为 FLOAT.
(4)BOOLEAN 类型不可以转换为任何其它的类型.
2, 可以使用 CAST 操作显示进行数据类型转换
例如: 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.
来源: https://www.cnblogs.com/chenmingjun/p/10428809.html