Hadoop生態圈-Hive

Hive引言

1. 什麼是Hive

    hive是facebook開源，並捐獻給了apache組織，作爲apache組織的頂級項目。 hive.apache.org
    hive是一個基於大數據技術的數據倉庫技術  DataWareHouse (數倉)
        數據庫  DataBase
               數據量級小，數據價值高
        數據倉庫 DataWareHouse
               數據體量大，數據價值低
    底層依附是HDFS,MapReduce

2. Hive的好處

Hive讓程序員應用時，書寫SQL語句，最終由Hive把SQL語句轉換成MapReduce運行，這樣簡化了程序員的工作。

Hive的運行原理

Hive是將大多數Hive SQL語句底層轉換爲MapReduce 運行Job作業來進行數據的處理

Hive環境搭建

1. linux服務器  ip 映射  主機名  關閉防火牆  關閉selinux  ssh免密登陸 jdk
2. 搭建hadoop環境
3. 安裝Hive
   3.1 解壓縮hive 
   3.2 hive_home/conf/hive-env.sh [改名]
       HADOOP_HOME=/opt/install/hadoop-2.5.2
       export HIVE_CONF_DIR=/opt/install/apache-hive-0.13.1-bin/conf
   3.2 hdfs創建2個目錄
       /tmp
       /user/hive/warehouse
       bin/hdfs dfs -mkdir /tmp
       bin/hdfs dfs -mkdir /user/hive/warehouse
   3.3 啓動hive
       bin/hive 
   3.4 jps
       runjar

Hive基本操作

# 創建數據庫
create database [if not exists] test;
# 查看所有數據庫
 show databases;
# 使用數據庫
 use db_name;
# 刪除空數據庫 
 drop database db_name;
 drop database db_name cascade;
# 查看數據庫的本質
 hive中的數據庫 本質是 hdfs的目錄 /user/hive/warehouse/test.db
  
# 查看當前數據庫下的所有表
  show tables;
# 建表語句
  create table t_user(
    id int ,
    name string
   )row format delimited fields terminated by '\t';
# 查看錶的本質
  hive中的表  本質是 hdfs的目錄 /user/hive/warehouse/test.db/t_user
# 刪除表
  drop table t_user;
  
# hive中向表導入數據
  load data local inpath '/root/hive/data' into table t_user;
# hive導入數據的本質
  load data local inpath '/root/hive/data' into table t_user;
  1. 導入數據 本質本質上就是 hdfs 上傳文件
  bin/hdfs dfs -put /root/hive/data /user/hive/warehouse/test.db/t_user;
  2. 上傳了重複數據，hive導數據時，會自動修改文件名
  3. 查詢某一個張表時，Hive會把表中這個目錄下所有文件的內容，整合查詢出來
  
  
# SQL(類SQL 類似於SQL HQL Hive Query Language)
select * from t_user;
select id from t_user;
1. Hive把SQL轉換成MapReduce (如果清洗數據 沒有Reduce)
2. Hive在絕大多數情況下運行MR,但是在* limit操作時不運行MR

MetaStore的替換問題

Hive中的MetaStore把HDFS對應結構，與表對應結果做了映射（對應）。但是默認情況下hive的metaStore應用的是derby數據庫，只支持一個client訪問。

1. Hive中元數據庫Derby替換成MySQL(Oracle)

0. 刪除hdfs /user/hive/warehouse目錄，並重新建立
1. linux mysql
   yum -y install mysql-server
2. 啓動mysql服務並設置管理員密碼
   service mysqld start
   /usr/bin/mysqladmin -u root password '123456'
3. 打開mysql遠程訪問權限
   GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY '123456';
   flush privileges;   
   use mysql 
   delete from user where host like 'hadoop%';
   delete from user where host like 'l%';
   delete from user where host like '1%';
   service mysqld restart
4. 創建conf/hive-site.xml
   mv hive-default.xml.template hive-site.xml
   hive-site.xml
   <property>
	  <name>javax.jdo.option.ConnectionURL</name>
	  <value>jdbc:mysql://CentOSA:3306/metastore?createDatabaseIfNotExist=true</value>
	  <description>the URL of the MySQL database</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>
	</property>

	<property>
	  <name>javax.jdo.option.ConnectionPassword</name>
	  <value>123456</value>
	</property>
5. hive_home/lib 上傳mysql driver jar包

Hive基礎語法

1.HQL

1. 基本查詢
   select * from table_name # 不啓動mr
   select id from table_name # 啓動mr
2. 條件查詢 where
   select id,name from t_users where name = 'mask1';
   2.1 比較查詢  =  ！=  >=  <=
       select id,name from t_users where age > 20;
   2.2 邏輯查詢  and or  not
       select id,name,age from t_users where name = 'mask' or age>30;
   2.3 謂詞運算
       between and
       select name,salary from t_users where salary between 100 and 300;
       in
       select name,salary from t_users where salary in (100,300);
       is null
       select name,salary from t_users where salary is null;
       like
       select name,salary from t_users where name like 'mask%';
       select name,salary from t_users where name like 'mask__';
       select name,salary from t_users where name like 'mask%' and length(name) = 6;
3. 排序 order by [底層使用的是 map sort  group sort  compareto]
   select name,salary from t_users order by salary desc;
4. 去重 distinct
   select distinct(age) from t_users;
5. 分頁 [Mysql可以定義起始的分頁條目，但是Hive不可以]
   select * from t_users limit 3;  
6. 聚合函數（分組函數） count() avg() max() min() sum() 
   count(*)  count(id) 區別
7. group by
   select max(salary) from t_users group by age;
   規矩： select 後面只能寫 分組依據和聚合函數 （Oracle報錯，Mysql不報錯，結果不對）
8. having 
   分組後，聚合函數的條件判斷用having
   select max(salary) from t_users group by age having max(salary) > 800;
9. hive不支持子查詢 
10. hive內置函數 
    show functions 

    length(column_name)  獲得列中字符串數據長度
    substring(column_name,start_pos,total_count)
    concat(col1,col2)
    to_data('yyyy-mm-dd')
    year(data) 獲得年份
    month(data)
    date_add
    ....
    select year(to_date('1999-10-11')) ;
11. 多表操作
    inner join
    select e.name,e.salary,d.dname
    from t_emp as e
    inner join t_dept as d
    on e.dept_id = d.id;
    
    select e.name,e.salary,d.dname
    from t_emp as e
    left join t_dept as d
    on e.dept_id = d.id;
    
    select e.name,e.salary,d.dname
    from t_emp as e
    right join t_dept as d
    on e.dept_id = d.id;
    
    select e.name,e.salary,d.dname [mysql 不支持]
    from t_emp as e
    full join t_dept as d
    on e.dept_id = d.id; 

2.表操作

1）管理表 (MANAGED_TABLE)

1. 基本管理表的創建
create table if not exists table_name(
column_name data_type,
column_name data_type
)row format delimited fields terminated by '\t' [location 'hdfs_path']

2. as 關鍵字創建管理表
create table if not exists table_name as select id,name from t_users [location ''];
表結構 由 查詢的列決定，同時會把查詢結果的數據 插入新表中

3. like 關鍵字創建管理表
create table if not exists table_name like t_users [location 'hdfs_path'];
表結構 和 like關鍵字後面的表 一致，但是沒有數據是空表

細節操作

1. 數據類型 int string varchar char double float boolean  
2. location hdfs_path
   定製創建表的位置，默認是 /user/hive/warehouse/db_name.db/table_name
   create table t_mask(
   id,int
   name,string
   )row format delimited fields terminated by '\t' stored as textfile location /xiaohei ;
   啓示：日後先有hdfs目錄，文件，在創建表進行操作。
3. 查看hive表結構的命令
   desc table_name        describe table_name
   desc extended table_name
   desc formatted table_name 

2)外部表

1. 基本
create external table if not exists table_name(
id int,
name string
) row delimited fields terminated by '\t' stored as textfile [location 'hdfs_path'];
2. as 
create external table if not exists table_name as select id,name from t_users [location ''];
3. like
create external table if not exists table_name like t_users [location 'hdfs_path'];

4. 管理表和外部表的區別
drop table t_users_as; 刪除管理表時，直接刪除metastore,同時刪除hdfs的目錄和數據文件
drop table t_user_ex;  刪除外部表時，刪除metastore的數據。
5. 外部表與管理表使用方式的區別

3) 分區表【優化查詢】

分區表是爲了提高條件查詢時的效率

create table t_user_part(
id int,
name string,
age int,
salary int)partitioned by (data string) row format delimited fields terminated by '\t';

load data local inpath '/root/data15' into table t_user_part partition (date='15');
load data local inpath '/root/data16' into table t_user_part partition (date='16');

select * from t_user_part  全表數據進行的統計

select id from t_user_part where data='15' and age>20;

4）桶表

5）臨時表

3. 數據的導入

1). 基本導入

   load data local inpath 'local_path' into table table_name

2). 通過as關鍵完成數據的導入

   建表的同時，通過查詢導入數據
   create table if not exists table_name as select id,name from t_users

3). 通過insert的方式導入數據

   #表格已經建好，通過查詢導入數據。
   create table t_users_like like t_users;
   
   insert into table t_users_like select id,name,age,salary from t_users;

4). hdfs導入數據

   load data inpath 'hdfs_path' into table table_name

5). 導入數據過程中數據的覆蓋

   load data inpath 'hdfs_path' overwrite into table table_name
   本質 把原有表格目錄的文件全部刪除，再上傳新的

6). 通過HDFS的API完成文件的上傳

   bin/hdfs dfs -put /xxxx  /user/hive/warehouse/db_name.db/table_name

4. 數據的導出

1). sqoop

     hadoop的一種輔助工具  HDFS/Hive  <------> RDB (MySQL,Oracle)

2). insert的方式

      #xiaohei一定不能存在，自動創建
      insert overwrite 【local】 directory '/root/xiaohei' select name from t_user; 

3). 通過HDFS的API完成文件的下載

      bin/hdfs dfsd -get /user/hive/warehouse/db_name.db/table_name /root/xxxx

4). 命令行腳本的方式

      bin/hive --database 'test' -f /root/hive.sql > /root/result

5. Hive提供導入，導出的工具

      1. export 導出
      	export table tb_name to 'hdfs_path'
      2. import 導入
      	import table tb_name from 'hdfs_path'

6.與MR相關的配置

#與MR相關的參數
Map --> Split  ---> Block 
#reduce相關個數
mapred-site.xml
<property>
     <name>mapreduce.job.reduces</name>
     <value>1</value>
</property>
hive-site.xml
<!--1G-->
<property>
	  <name>hive.exec.reducers.bytes.per.reducer</name>
	  <value>1000000000</value>
</property>
<property>
     <name>hive.exec.reducers.max</name>
     <value>999</value>
</property>