Hive学习笔记（二）

类型转换

hive原子数据类型可以进行隐式数据类型转换，如果某个表达式使用INT,那么TINYINT会转化为INT，hive不会进行反向转换，除非使用cast才操作。
数据类型转化规则：
任何整数类型都会转换为范围更广的类型。
所有整数类型、FLOAT、STRING类型都能隐式转换为double类型。
TINYINT、SMALLINY、INT都可以转换为FLOAT
BLOOEAN 不能转换为任何其他数据类型
cast进行显式数据类型转换：
eg:CAST(‘1’,AS INT) 将字符串’1’转换为整数值 1
如果cast执行转换失败，表达式会返回空值NULL

复杂数据类型:

hive有三种复杂数据类型：ARRAY、ＭＡＰ和STRUCT .
ARRAY和MAP和java中的同名数据类型类似，STRUCT是记录类型，它封装一个字段的命名集合 。
复杂数据类型允许任意层次的嵌套。
复杂数据类型声明必须使用尖括号符号指明其中的数据字段类型。
eg：

CREATE TABLE complex(
  col1 ARRAY<INT>,
  col2 MAP<STRING,INT>,
  col3 STRUCT<a:STRING,b:INT,c:DOUBLE>
);

下面展示每种类型的字段访问操作：

select col1[0],col2[‘b‘],col.c FROM complex;

操作与函数：

hive提供的操作包括：
关系操作：等值判断（x=’a’）,空值判断（x IS NULL），模式匹配（x LIKE ‘A%’）
算术操作：加法：x+1
逻辑操作：逻辑或OR（x OR y）
在mysql和hive中，字符串连接用concat函数

hive内置函数：

hive提供了很多内置函数，分为这几大类：
数学和统计函数、字符串函数、日期函数、条件函数 、聚集函数以及处理 XML(使用xpath函数)和JSON 函数。
在hive外壳环境中用 show functions 可以获取函数列表，要了解具体函数使用帮助使用describe命令 ：

describe function length;    

表：

hive表格逻辑上由存储的数据和描述数据格式的元数据组成，数据一般存放在HDFS中，也可以存放在其他hadoop文件系统中，包括 本地系统和S3。hive把元数据存放在关系型数据库中。

托管表和外部表
hive创建表，默认是hive负责管理数据，hive把数据移入它的“仓库目录”。另一种方式是外部表，这样hive可以访问仓库目录以外的数据。

两种表的区别在load和drop的语义上：
托管表：把数据加载到托管表时，hive会把数据数据移到仓库目录。
eg：

create table t1( dummy String);
load data inpath ‘/usr/tom/test.txt‘ into table t1;

把文件hdfs://usr/tom/test.txt移动到hive的仓库目录中，即hdfs://usr/hive/warehouse/t1。
加载操作仅是文件系统中文件的移动，即便是托管表，也不检查数据和表中声明的模式是否匹配，通过查询为缺失的字段返回为NULL，从而检查数据是否被正确解析。
要丢弃一个表:

drop table t1;

这个表会被删除，包括表的元数据和数据，load是一个移动操作，drop是一个删除操作。数据会彻底消失，这就是hive托管数据的定义。

外部表：与托管表不同的是，外部表由你来控制控制数据的创建和删除， 外部数据的位置需要在创建表的时候指明：

create  external table  t2(dummy String) 
location ‘/usr/tom/t2‘ ;
load data inpath ‘/usr/tom/test.txt‘ into table t2;

使用external 关键字，hive知道数据并不由自己管理，因此不会把数据移到自己的仓库目录。事实上， 在定义时，hive不会检查外部位置是否存在，这样的话就可以 把创建数据推迟到创建表后进行。
丢弃外部表，hive不碰数据，只会删除元数据。
如何选择使用哪种表：
除drop语义外，两种方式没有多大区别。所有处理都有hive完成，应该使用托管表。如果用hive和其他工具来处理统一数据。应该使用外部表。普遍做法是把HDFS（由其他进程创建）的初始数据集用作外部表使，然后用hive的变换功能把数据移到托管的hive表，反之也成立。外部表（未必在hdfs中）可以用于从 hive导出数据供其他应用程序使用。使用hive的另一个原因是为同一数据关联不同模式。

小结：

主要学习hive里的hive原子类型转换、复杂数据类型、操作与函数、hive的表，分为托管表和外部表，它们的定义、区别和什么时候使用，它们最大的区别在与drop语义不同，托管表里的drop操作会删除掉表的元数据和数据，而外部表只会删除掉元数据。