大白话详解大数据hive知识点，老刘真的很用心(2)

前言：老刘不敢说写的有多好，但敢保证尽量用大白话把自己复习的内容详细解释出来，拒绝资料上的生搬硬套，做到有自己的了解！

1. hive知识点(2)

第12点：hive分桶表

hive知识点主要偏实践，很多人会认为基本命令不用记，但是万丈高楼平地起，基本命令无论多基础，都要好好练习，多实践。

在hive中，分桶是相对分区进行更加细粒的划分。其中分区针对的是数据的存储路径，而分桶针对的是数据文件，老刘用两张相关的图对比一下，就能明白刚刚说的区别了。

第一张是表进行分区后变化：

第二张是表进行分桶后的变化：

根据这两张图，大致可以理解分区和分桶的区别。

那既然看了这两张图，分桶到底是什么，也应该大致清楚了！

什么是分桶？

分桶就是将整个数据内容按照某列属性值取hash值进行区分，具有相同hash值的数据进入到同一个文件中。

举例说明一下：比如按照name属性分为3个桶，就是对name属性值的hash值对3取模，按照取模结果对数据进行分桶。

取模结果为0的数据记录存放到一个文件；

取模结果为1的数据记录存放到一个文件；

取模结果为2的数据记录存放到一个文件；取模结果为3的数据记录存放到一个文件；

至于分桶表的案例太多了，大家自己可搜一个练练手。

第13点：hive修改表结构

这一点，其实没有什么好说的，资料上提到了，老刘也说一说，记住几个命令就行。

修改表的名称
alter table stu3 rename to stu4;

表的结构信息
desc formatted stu4;

第14点：hive数据导入

这部分挺重要的，因为创建表后，要做的事就是把数据导入表中，如果连数据导入的基本命令都不会的话，那绝对是不合格的，这是非常重要的基础！

1、通过load方式加载数据(必须记下来)

通过load方式加载数据
load data local inpath '/kkb/install/hivedatas/score.csv' overwrite into table score3 partition(month='201806');

2、通过查询方式加载数据(必须记下来)

通过查询方式加载数据
create table score5 like score;
insert overwrite table score5 partition(month = '201806') select s_id,c_id,s_score from score;

第15点：hive数据导出

1、insert导出

将查询的结果导出到本地
insert overwrite local directory '/kkb/install/hivedatas/stu' select * from stu;

将查询的结果格式化导出到本地
insert overwrite local directory '/kkb/install/hivedatas/stu2' row format delimited fields terminated by  ',' select * from stu;

将查询的结果导出到HDFS上(没有local)
insert overwrite  directory '/kkb/hivedatas/stu'  row format delimited fields terminated by  ','  select * from stu;

第16点：静态分区和动态分区

Hive有两种分区，一种是静态分区，也就是普通的分区。另一种是动态分区。

静态分区：在加载分区表的时候，往某个分区表通过查询的方式加载数据，必须要指定分区字段值。

这里举一个小例子，演示下两者的区别。

1、创建分区表
use myhive;
create table order_partition(
order_number string,
order_price  double,
order_time string
)
partitioned BY(month string)
row format delimited fields terminated by '	';

2、准备数据
cd /kkb/install/hivedatas
vim order.txt 
10001    100 2019-03-02
10002    200 2019-03-02
10003    300 2019-03-02
10004    400 2019-03-03
10005    500 2019-03-03
10006    600 2019-03-03
10007    700 2019-03-04
10008    800 2019-03-04
10009    900 2019-03-04

3、加载数据到分区表
load data local inpath '/kkb/install/hivedatas/order.txt' overwrite into table order_partition partition(month='2019-03');

4、查询结果数据    
select * from order_partition where month='2019-03';
结果为：
10001   100.0   2019-03-02      2019-03
10002   200.0   2019-03-02      2019-03
10003   300.0   2019-03-02      2019-03
10004   400.0   2019-03-03      2019-03
10005   500.0   2019-03-03      2019-03
10006   600.0   2019-03-03      2019-03
10007   700.0   2019-03-04      2019-03
10008   800.0   2019-03-04      2019-03
10009   900.0   2019-03-04      2019-03

动态分区：按照需求实现把数据自动导入到表的不同分区中，不需要手动指定。

如果需要一次性插入多个分区的数据，可以使用动态分区，不用指定分区字段，系统自动查询。

动态分区的个数是有限制的，它一定要从已经存在的表里面来创建。

首先必须说的是，动态分区表一定是在已经创建的表里来创建
1、创建普通标
create table t_order(
    order_number string,
    order_price  double, 
    order_time   string
)row format delimited fields terminated by '	';

2、创建目标分区表
create table order_dynamic_partition(
    order_number string,
    order_price  double    
)partitioned BY(order_time string)
row format delimited fields terminated by '	';

3、准备数据
cd /kkb/install/hivedatas
vim order_partition.txt
10001    100 2019-03-02 
10002    200 2019-03-02
10003    300 2019-03-02
10004    400 2019-03-03
10005    500 2019-03-03
10006    600 2019-03-03
10007    700 2019-03-04
10008    800 2019-03-04
10009    900 2019-03-04

4、动态加载数据到分区表中
要想进行动态分区，需要设置参数
开启动态分区功能
set hive.exec.dynamic.partition=true; 
设置hive为非严格模式
set hive.exec.dynamic.partition.mode=nonstrict; 
insert into table order_dynamic_partition partition(order_time) select order_number,order_price,order_time from t_order;

5、查看分区
show partitions order_dynamic_partition;

静态分区和动态分区的例子讲述的差不多了，大家好好体会下。

第17点：hive的基本查询语法

老刘之前就说过，hive的基本查询语法是非常重要的，很多人认为压根不用记，需要的时候看看笔记就行，但是在老刘看来，这是非常错误的想法。

有句话说基础不牢，地动山摇，我们最起码要掌握常用的查询语法。

1、基本语法查询：

因为limit语句和where语句用的特别多，单独拿出来，大家好好记记！

limit 语句
select  * from score limit 5;

接下来是where语句，单独拿出来，是想表达出where语句很重要。我们使用where语句，将不满足条件的行过滤掉。

select  * from score where s_score > 60;

2、分组语句

group by语句

group by语句通常和聚合函数一起使用，按照一个或者多个列结果进行分组，然后对每个组执行聚合操作。有个重点必须注意，select的字段，必须在group  by字段后面挑选，除了聚合函数max，min，avg。

举两个小例子：

(1)计算每个学生的平均分数
select s_id,avg(s_score) from score group by s_id;

(2)计算每个学生最高的分数
select s_id,max(s_score) from score group by s_id;

having语句

先说说having语句和where不同点

① where是针对于表中的列，查询数据；having针对于查询结果中的列，刷选数据。

② where后面不能写分组函数，而having后面可以使用分组函数。

③ having只用于group by分组统计语句。

举两个小例子：

求每个学生的平均分数
select s_id,avg(s_score) from score group by s_id;

求每个学生平均分数大于60的人
select s_id,avg(s_score) as avgScore from score group by s_id having avgScore > 60;

3、join语句

等值join

hive中支持通常的SQL JOIN语句，但是只支持等值连接，不支持非等值连接。

使用join的时候，可以给表起别名，也可以不用起。起别名的好处就是可以简化查询，方便。

根据学生和成绩表，查询学生姓名对应的成绩
select * from stu left join score on stu.id = score.s_id;

合并老师与课程表
select * from teacher t join course c on t.t_id = c.t_id;

内连接inner join

当两个表进行内连接的时候，只有两个表中都存在与连接条件相匹配的数据的时候，数据才会保留下来，并且join默认就是inner join。

select * from teacher t inner join course c  on t.t_id = c.t_id;

左外连接left outer join

进行左外连接的时候，join左边表中符合where子句的所有记录将会返回。

查询老师对应的课程
select * from teacher t left outer join course c  on t.t_id = c.t_id;

右外连接right outer join

进行右外连接的时候，join右边表中符合where子句的所有记录将会返回。

查询老师对应的课程
select * from teacher t right outer join course c  on t.t_id = c.t_id;

4、排序

order by全局排序

使用order by进行排序时候，asc表示升序，这是默认的；desc表示降序。

查询学生的成绩，并按照分数降序排列
select * from score  s order by s_score desc ;

2. hive总结

hive知识点(2)就分享的差不多了，这部分偏于实践，需要好好练习。在老刘看来分桶表以及静态分区和动态分区的概念需要好好记住，剩下的就是hive的基本查询操作，由于命令实在太多了，老刘只分享出了一些常用的命令，limit语句，where语句，分组语句，join语句等要熟记于心。

最后，如果觉得有哪里写的不好或者有错误的地方，可以联系公众号：努力的老刘，进行交流。希望能够对大数据开发感兴趣的同学有帮助，希望能够得到同学们的指导。

如果觉得写的不错，给老刘点个赞！