Hive DDL、DML操作
背景介绍
• 一、DDL操作（数据定义语言）包括：Create、Alter、Show、Drop等。
• create database- 创建新数据库
• alter database - 修改数据库
• drop database - 删除数据库
• create table - 创建新表
• alter table - 变更（改变）数据库表
• drop table - 删除表
• create index - 创建索引（搜索键）
• drop index - 删除索引
• show table - 查看表
• 二、DML操作（数据操作语言）包括：Load 、Insert、Update、Delete、Merge。
• load data - 加载数据
• insert into - 插入数据
• insert overwrite - 覆盖数据（insert ... values从Hive 0.14开始可用。）
• update table - 更新表（update在Hive 0.14开始可用，并且只能在支持ACID的表上执行）
• delete from table where id = 1; - 删除表中ID等于1的数据（delete在Hive 0.14开始可用，并且只能在支持ACID的表上执行）
• merge - 合并（MERGE在Hive 2.2开始可用，并且只能在支持ACID的表上执行）
注意：频繁的update和delete操作已经违背了Hive的初衷。不到万不得已的情况，还是使用增量添加的方式最好。
1.实验环境准备
1）新建目录，并下载安装包
mkdir -p /data/hive2
cd /data/hive2
wget http://192.168.1.100:60000/allfiles/hive2/cat_group
wget http://192.168.1.100:60000/allfiles/hive2/goods
2）检查hadoop、Mysql、Hive是否启动，若无则启动
jps
cd /apps/hadoop/sbin
./start-all.sh
sudo service mysql status
sudo service mysql start
cd /apps/hive/bin
./hive
2.Hive数据仓库的操作
1）创建一个数据仓库，名为DB
create database DB;
create database if not exists DB; #优化命令
2）查看数据仓库DB的信息及路径
describe database DB;
3）删除名为DB的数据仓库
drop database if exists DB;
3.Hive数据表的操作
1）查看已存在的表
show tables;
2）创建一个名为cat的内部表
create table cat(cat_id string,cat_name string);
show tables;
3）创建一个外部表，表明为cat2
create external table if not exists cat2(cat_id string, cat_name string);
show tables;
4）修改cat表的表结构
alter table cat add columns(group_id string,cat_code string);
desc cat; #查看表结构
alter table cat2 rename to cat3;
5）删除
drop table cat3;
show tables;
6）创建相同结构的表
create table cat4 like cat;
show tables;
4.四种Hive中数据的导入方式
1）从本地文件系统中导入数据到Hive表
＃首先创建一个表，包含两个字段，以“ ”为分隔符
create table cat_group(group_id string,group_name string)
row format delimited fields terminated by ' ' stored as textfile;
show tables;
＃然后将Linux本地/data/hive2目录下的文件导入到表中
load data local inpath '/data/hive2/cat_group' into table cat_group;
＃查看数据
select * from cat_group limit 10;
2）将HDFS上的数据导入到Hive中
＃首先在另一个终端窗口，在HDFS上创建/myhive2目录
hadoop fs -mkdir /myhive2
＃将本地/data/hive2/下的表上传到HDFS的/myhive2上，并查看是否创建成功
hadoop fs -put /data/hive2/cat_group /myhive2
hadoop fs -ls /myhive2
＃在Hive中创建表
create table cat_group1(group_id string,group_name string)
row format delimited fields terminated by ' ' stored as textfile;
＃将HDFS中的表导入到Hive中，并查看结果
load data inpath ‘/myhive2/cat_group’ into table cat_group1;
select * from cat_group1 limit 10;
3）从别的表中查询出相应的数据导入到Hive中
＃首先创建一个表
create table cat_group2(group_id string,group_name string)
row format delimited fields terminated by ' ' stored as textfile;
＃将上一步得到的表的数据导入到新表中
insert into(或者用overwrite) table cat_group2 select * from cat_group1;
＃查看数据
select * from cat_group2 limit 10;
4）在建新表时，从别的表中查询出相应的数据插入到正在创建的表中
create table cat_group3 as select *from cat_group2;
5.三种Hive中数据的导出方式
1）导出到本地文件系统
＃首先在本地新建/data/hive2/out目录
mkdir -p /data/hive2/out
＃将Hive的cat_group表导出到上述目录
insert overwrite local directory ‘/data/hive2/out’ select * from cat_group;
＃在本地切换到/data/hive2/out目录，cat命令查询
ls
cat 000000_0
#刚刚查看的文件字符间没有分割，以下为导出改进方法
insert overwrite local directory ‘/data/hive2/out’ select group_id,concat(‘ ’,group_name) from cat_group;
2）导出到HDFS中
＃在HDFS上创建/myhive2/out目录
hadoop fs -mkdir /myhive2/out
＃将Hive的cat_group表导出到上述目录
insert overwrite directory ‘/myhive2/out’ select group_id,concat(‘ ’,group_name) from cat_group;
＃查看数据
hadoop fs -ls /myhive2/out
3）导出到Hive的另一个表中
＃首先在Hive中创建一个表
create table cat_group4(group_id string,group_name string)
row format delimited fields terminated by ' ' stored as textfile;
＃将旧表的数据导出到新表中
insert into table cat_group4 select * from cat_group;
＃查看数据
select * from cat_group4 limit 10;
6.Hive分区表的操作
1）创建分区表goods，并查看结构
create table goods(goods_id string,goods_status string) partitioned
by (cat_id string) row format delimited fields terminated by ' ';
desc goods;
2）向分区表插入数据
＃首先在Hive创建一个非分区表goods_1，用于存储本地表goods的数据
create table goods_1(goods_id string,goods_status string,cat_id string)
partitioned by (cat_id string) row format delimited fields terminated by ' ';
＃将本地表goods的数据导入到上述新表中
load data local inpath ‘/data/hive2/goods’ into table goods_1;
＃再将表goods_1的数据导入到分区表goods中
insert into table goods partition(cat_id=‘52052’) select goods_id,goods_status from goods_1 where cat_id=‘52052’;
＃查看数据
select * from goods limit 10;
3）查看表goods的分区
show partitions goods;
4）修改表分区
alter table goods partition(cat_id=52052) rename to partition(cat_id=52051);
show partitions goods;
5）删除表分区
＃先备份出一个goods_2表
create table goods_2(goods_id string,goods_status string)
partitioned by (cat_id string) row format delimited fields terminated by ' ';
insert into table goods_2 partition(cat_id=‘52052’) select goods_id,goods_status from goods_1 where cat_id=‘52052’;
＃删除goods表中的cat_id分区
alter table goods drop if exists partition (cat_id=’52051’)
show partitions goods;
7.Hive桶的操作
1）创建桶
＃创建goods_t表，按照一列聚类另一列排序，划分成两个桶
create table goods_t(goods_id string,goods_status string)
partitioned by (cat_id string) clustered by(goods_status)
sorted by (goods_id) into 2 buckets;
＃设置环境变量
set hive.enforce.bucketing=true;
2）向goods_t表中插入goods_2表中的数据
from goods_2 insert overwrite table goods_t partition(cat_id=‘52063’) select goods_id,goods_status;
3）查看结果
select * from goods_t tablesample(bucket 1 out of 2 on goods_id);
tablesample(bucket x out of y)
y必须是table总bucket数的倍数或者因子。hive根据y的大小，决定抽样的比例。例如，table总共分了64份，当y=32时，抽取(64/32=)2个bucket的数据，当y=128时，抽取(64/128=)1/2个bucket的数据。
x表示从哪个bucket开始抽取。例如，table总bucket数为32，tablesample(bucket 3 out of 16)，表示总共抽取（32/16=）2个bucket的数据，分别为第3个bucket和第（3+16=）19个bucket的数据。
Hive HQL操作
1.环境准备
1）首先检查Hadoop是否启动，若无则启动
jps
cd /apps/hadoop/sbin
./start-all.sh
2）启动Mysql库，用于存放Hive的元数据
sudo service mysql start
3）启动Hive命令行
hive
4）打开新的命令行，创建新目录用于存放原始文件
mkdir -p /data/hive3
cd /data/hive3
wget ……
5）在Hive命令行，创建两个表，以‘ ’为分隔符
create table buyer_log(id string,buyer_id string,dt string,ip string,opt_type string)
row format delimited fields terminated by ' ' stored as textfile;
create table buyer_favorite(buyer_id string,goods_id string,dt string)
row format delimited fields terminated by ' ' stored as textfile;
6）将下载到本地的表中数据导入到Hive中
load data local inpath '/data/hive3/buyer_log' into table buyer_log;
load data local inpath '/data/hive3/buyer_favorite' into table buyer_favorite;
2.查询操作
1）普通查询
select * from buyer_log limit 10;
2）别名查询
select b.id,b.ip from buyer_log b limit 10;
3）限定查询（where）
select buyer_id from buyer_log where opt_type=1 limit 10;
4）两表或多表联合查询
select l.dt,f.goods_id from buyer_log l,buyer_favorite f where l.buyer_id=f.buyer_id limit 10;
5）多表插入
＃先创建两个新表
create table buyer_log1 like buyer_log;
create table buyer_log2 like buyer_log;
＃再将buyer_log的数据插入到两个新表中
from buyer_log
insert overwrite table buyer_log1 select *
insert overwrite table buyer_log2 select *;
6）多目录输出文件，将同一文件输出到本地不同文件夹
from buyer_log
insert overwrite local directory ‘/data/hive3/out’ select *
insert overwrite local directory ‘/data/hive3/out1’ select *;
＃切入到本地目录/data/hive3查询是否成功输出
cd /data/hive3
ls out
ls out1
3.使用shell脚本调用Hive查询语句
1）编写脚本sh1
cd /data/hive3
vim sh1
#!/bin/bash
cd /apps/hive/bin;
hive -e ‘show tables;’
2）赋予执行权限，并执行
chmod +x sh1
./sh1
4.排序
1）Order by＝全局排序
select * from goods_visit order by click_num desc limit 10;
2）Sort by＝局部排序
＃设置Reduce个数为3
set mapred.reduce.tasks=3;
3）Group by＝分组操作
4）Distribute by＝分发为不同文件导出
＃设置Reduce个数为3
set mapred.reduce.tasks=3;
＃按照buyer_id做分发，输出到本地/data/hive4/out目录中
insert overwrite local directory ‘/data/hive4/out’ select * from buyer_favorite distribute by buyer_id;
＃结果是：在/data/hive4/out目录下按照buyer_id分成了3个文件
cd /data/hive4/out
ls
5）Cluster by＝distribute＋sort
＃设置Reduce个数为3
set mapred.reduce.tasks=3;
＃按照buyer_id分成三个文件，并按buyer_id排序
select * from buyer_favorite cluster by buyer_id