hive

大数据特性与应用
分布式架构概念
Hadoop2.x系统介绍


掌握hive基础建表，以及表格式
了解hive查询
了解正则表达式

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数据库表，并提供类sql的查询功能

hive的本质：
hive本身并不存储任何数据，用hdfs存储数据，用MapReduce计算数据
披着sql外衣的MapReduce  ---- sql  ---- mapreduce 

hive ------- 类sql语句 ----- 依赖于hadoop
hive安装路径
cd /opt/modules/hive-1.2.1

启动
bin/hive

官网：hive.apache.org 

查看表信息：
desc student;
desc formatted student;
加载本地数据:
load data local inpath ‘/home/hadoop/st.txt‘  into table student;

select * from student;
student.id    student.name
NULL    NULL 解析不到数据
NULL    NULL
因为没有按指定的分割符号进行导入数据

create table student1(
id int,
name string
)row format delimited fields terminated by ‘ ‘;

load data local inpath ‘/home/hadoop/st.txt‘  into table student1;
select * from student1;

加载hdfs上数据：
load data inpath ‘hdfs路径‘  into table student;
load data inpath ‘/test29/st.txt‘  into table student1;

bin/hdfs dfs -put /home/hadoop/st.txt /test29
相当于把hdfs上对应数据移动到hdfs对应的表目录中

MySQL 写时模式  int  ---  string 
在写入数据时就对数据进行检查

hive 读时模式
在读取数据时才检查数据

drop table student;

exit;

/user/hive/warehouse ----- hive的数据仓库目录

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

导入数据时的解析不到数据，显示为null

建表 时需要指定列分隔符与导入表格数据之前的分隔符分隔符保持一致

create table student1(

id int,

name string

)row format delimited fields terminated by ‘\t‘;

common : 基础模块为其他模块提供服务
hdfs： 存储数据管理数据
    namenode  主 1   管理元数据信息
    datanode  从 多个 存储具体的数据
yarn： 作业调度和资源管理
    resourcemanager：管理整个集群的计算资源  主
    nodemanager:管理自己所在节点的资源   从
mapreduce ： 编程模型 分布式并行计算模型 

启动所有的节点：
sbin/start-all.sh
关闭
sbin/stop-all.sh

hive 依赖于Hadoop，用hdfs存储数据，用MapReduce计算数据
工具----- 披着sql外衣的MapReduce---- sql----mapreduce计算数据

hive 安装目录：/opt/modules/hive-1.2.1/

启动：
bin/hive

员工编号，员工姓名，职位，上司，入职日期，薪资，奖金，部门编号
create table emp(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int
)
row format delimited  fields terminated by ‘\t‘;

load data local inpath ‘/home/hadoop/emp.txt‘ into table emp;

另外一种方法：加载hdfs上的数据：
load data  inpath ‘hdfs路径‘ into table emp;

子查询：可以克隆一个表的结构以及表的数据  

create table emp_1 as select * from emp;

克隆三列
create table emp_2 as select ename,sal,deptno from emp;




as select 建表方式非常的灵活，做数据清洗的时候，经常会用到

like： 克隆了表的结构，但是不复制表的数据

create table emp_like  like emp;

create table emp_man(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int
)
row format delimited  fields terminated by ‘\t‘
location ‘/user/hive/warehouse/hadoop29.db/emp‘;

在删除内部表时，会删除表的元数据信息同时删除表所对应的hdfs上的表目录

不利于分享数据

关键字：external

create external table emp_ext(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int
)
row format delimited  fields terminated by ‘\t‘
location ‘/user/hive/warehouse/hadoop29.db/emp‘;

Location:               hdfs://ibeifeng.com:8020/user/hive/warehouse/hadoop29.db/emp  
   
Table Type:    EXTERNAL_TABLE  外部表

drop table emp_ext;
在删除外部表时，只删除表的元数据信息，不会删除hdfs上对应的表目录
利于分享数据,很多情况下都是去关联一个已存在的数据

create external table emp_ext(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int
)
row format delimited  fields terminated by ‘\t‘;

load data local inpath ‘/home/hadoop/emp.txt‘ into table emp_ext;

drop table emp_ext;

create temporary table emp_tep(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int
)
row format delimited  fields terminated by ‘\t‘;

load data local inpath ‘/home/hadoop/emp.txt‘ into table emp_tep;

desc formatted emp_tep;

 Table Type: MANAGED_TABLE  内部表

hive 表 --- 映射的是hdfs上的一个目录---- 子目录 ---- 子目录

分区表 ----- 分目录

create table emp_part(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int
)partitioned by(day string)
row format delimited  fields terminated by ‘\t‘;

分区字段：创建表时指定分区字段，不能和普通字段同名，加载数据时指定加载到具体的分区，

分区字段会在hdfs形成目录，在查询时分区字段可以作为普通字段使用

load data local inpath ‘/home/hadoop/emp.txt‘ into table emp_part partition(day=‘20191201‘);
load data local inpath ‘/home/hadoop/emp.txt‘ into table emp_part partition(day=‘20191202‘);
load data local inpath ‘/home/hadoop/emp.txt‘ into table emp_part partition(day=‘20191203‘);

select * from emp_part;

select * from emp_part where day=‘20191201‘;

load data local inpath ‘/home/hadoop/emp.txt‘ into table emp_part22 partition(day=‘20191201‘,hour=‘12‘);
load data local inpath ‘/home/hadoop/emp.txt‘ into table emp_part22 partition(day=‘20191201‘,hour=‘13‘);
load data local inpath ‘/home/hadoop/emp.txt‘ into table emp_part22 partition(day=‘20191202‘,hour=‘12‘);

select * from emp_part22 where day=‘20191201‘ and hour=‘12‘;

查看分区的信息：
show partitions emp_part22;

增加分区：
alter table emp_part22 add partition(day=‘20190101‘,hour=‘14‘);
load data local inpath ‘/home/hadoop/emp.txt‘ into table emp_part22 partition(day=‘20190101‘,hour=‘14‘);

删除分区：
alter table emp_part22 drop partition(day=‘20190101‘,hour=‘14‘);

create external table emp_part(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int
)partitioned by(day string)
row format delimited  fields terminated by ‘\t‘;