hive

什么是Hive ？

Hive是构建在hadoop HDFS上的一个数据仓库；

Hive的表/数据 就是HDFS中目录/文件

数据仓库：

• 是一个面向主题的、集合的、不可更新的、随时间不变化的数据集合；
• 主要是用于支持企业或组织的决策分析处理

数据仓库的结构和建立过程

抽取E：把数据源的数据按照一定的方式进行读取

转换T：将不同格式的数据按照一定的规则进行转化

装载L：将满足格式的数据存在数据仓库中

OLTP应用和OLAP应用：

• OLTP连接事务处理：(比如银行转账)，操作频率高，事务的处理
• OLAP连接分析处理：(比如商品推荐系统) 基于原来的历史数据，提供给别的系统使用，一般不会更新插入数据

数据仓库中的数据模型：

• 星型模型：以主题为核心，进行关联
• 雪花模型： 基于星型模型上发展

什么是Hadoop ?

• 什么是HDFS

• 什么是mapreduce

• Hadoop中的一些基本操作

Hive的体系结构

Hive的元数据：

• Hive将元数据存储在数据库中（metastore）,支持MySQL，Derby等数据库
• Hive中元数据 包括 表的名字，表的列，和 分区及其属性，表的属性(是否为外部表等)，表的数据所在目录等

 

HQL语句的执行过程 

 Hive的安装

下载地址：http://archive.apache.org/dist/hive/ 

先安装Hadoop的环境，才能再安装Hive的安装

嵌入模式的安装

• 元数据信息被存储在Hive自带的Derby数据库
• 只允许创建一个连接
• 多用于Demo

本地模式的安装

• 元数据信息被存储在Mysql数据库
• MySQL数据和Hive运行在同一台物理机上
• 可以用于开发和测试

远程模式的安装

• 常用于生成环境
• MySQL和Hive运行在不同的操作系统上

Hive的管理方式

• 命令行CLI方式: 可以进入命令行，然后执行一些命令即可
• 远程服务启动
• web界面方式

常用的HQL语句

查询语句：https://docs.jboss.org/hibernate/orm/3.5/reference/zh-CN/html/queryhql.html

Hive的数据类型

• 基本数据类型：
  • 整数类型：tinyint/smallint/int/bigint
  • 浮点数类型：float/double
  • 布尔类型：boolean
  • 字符串类型：string
• 复杂数据类型
  • Array
  • map：格式是key-value格式，key相同时，value被覆盖
  • struct:结构类型，包含不同数据类型的元素，可以通过”点语法“的方式来获取到所需要的元素
• 时间数据类型
  • date：日期
  • timestamp：偏移量，跟时区无关

示例：

　　创建表，

create table student
（sid int,
sname string,
grade array<float>,
id map<string,int>,
info struct<name:string,age:int,sex:string>);

sid和sname是基本数据类型，grade是复杂数据类型Array,info是结构数据，id是map，grade是数组array

　　查看表结构，

desc student;

Hive数据模型

内部表

• 与数据库中的table在概念上是类似的
• 每一个table在hive中都有一个相对应的目录存储数据
• 所有的table数据(不包括外部表)都保存在这个目录中
• 删除表时，元数据和数据都会被删除

分区表

• partition对应于数据库的partition列的密集索引
• 在hive中，表中的一个partition对应于表下的一个目录，所有的partition的数据都存储在对应的目录中

外部表

• 外部表 是一个过程，加载数据和创建表同时完成，并不会移动到数据仓库目录中，只是与外部数据建立一个连接。当删除一个外部表，就是删除该连接

桶表

• 桶表是对数据进行哈希取值，然后放在不同文件中进行存储

视图

• 视图是一种虚表，是一个逻辑概念；可以跨越多个表
• 视图简历在已有表的基础上，视图赖以建立的这些表，成为基表
• 视图可以简化复杂的查询