大数据处理技术导论（6） | Datawhale组队学习46期
文章目录
项目地址 ，感谢项目团队的付出。
本次主要学习 hive 相关内容。 1. hive 概述
hive 是建立在 之上的数仓工具。它将 上存储的结构化、半结构化数据文件映射为表，使得可以通过 （HQL）对存储于 上的大型数据文件进行访问与分析。
hive 本身并不存储数据，它只是提供了用户与 系统文件之前的连接通道。其核心是将 HQL 翻译成 任务，然后提交至 集群中进行执行，并给用户返回处理结果。
hive 大幅降低了普通业务人员或者说数据开发（不了解 java 编程）进行大数据分析的门槛。
hive 适合对海量数据进行离线分析，不适合对数据进行实时处理。前边学过的 HBase 适合数据的实时处理。
2. hive 与传统关系型数据库的对比
在使用方面，hive 和传统关系型数据库基本相同，由于其文件系统为 HDFS，hive 与传统关系型数据库还是由不少区别，详见下表对比情况。
对比内容Hive传统关系型数据库
数据存储
HDFS
本地文件系统
索引
基本不支持
支持复杂索引
分区
支持
支持
执行引擎
、Tez、Spark
自身的执行引擎
执行延迟
高(T+1)
低
扩展性
好
有限
数据规模
大
小
3. hive 数据类型
hive 支持以下几种数据类型：
大类类型
（整型）
：1字节的有符号整数；
：2字节的有符号整数；
INT：4字节的有符号整数；
：8字节的有符号整数
（布尔型）
：TRUE/FALSE
point （浮点型）
FLOAT：单精度浮点型；
：双精度浮点型
Fixed point （定点数）
：用户自定义精度定点数，比如 (7,2)
types（字符串）
：指定字符集的字符序列；
：具有最大长度限制的字符序列；
CHAR：固定长度的字符序列
Date and time types（日期时间类型）
：时间戳；
WITH LOCAL TIME ZONE：本地时区时间戳，纳秒精度；
DATE：日期类型
types（二进制类型）
：字节序列
4. hive 数据模型
自上而下，hive 分为库、表、分区、分桶 4种数据模型。
hive 内部表和外部表的差异总结如下：
对比内容内部表外部表
数据存储位置
内部表数据存储的位置由 hive-site.xml 中的hive...dir参数指定，
默认情况下，表的数据存储在HDFS的/user/hive//数据库名.db/表名/目录下
外部表数据的存储位置创建表时由参数指定
导入数据
在导入数据到内部表，内部表将数据移动到自己的数据仓库目录下，
数据的生命周期由Hive来进行管理
外部表不会将数据移动到自己的数据仓库目录下，
只是在元数据中存储了数据的位置
删除表
删除元数据（）和 HDFS 数据文件
只删除元数据（）
安全性
低（容易误删数据）
高
5. hive 实战
由于我的 hive 运行环境之前已经部署好了，这里不再赘述，详情可以参考 hive安装部署和管理
好久不用了，试了下，居然报错了
: java.lang.: to org...hive.ql..
报错的意思是说无法实例化 hive 元数据客户端，重新初始化之后也是不行。最终通过如下命令解决
cd /opt/module/hive/bin
./hive --service metastore &./hive
该命令的含义是在后台启动了 hive 元数据服务。
5.1 创建表
hive 创建表的语法如下，实际操作时按需选择操作符即可
CREATE [TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS] [db_name.]table_name -- 表名[(col_name data_type [COMMENT col_comment],... [constraint_specification])] -- 列名 列数据类型[COMMENT table_comment] -- 表描述[PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)] -- 分区表分区规则[CLUSTERED BY (col_name, col_name, ...) [SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] -- 分桶表分桶规则[SKEWED BY (col_name, col_name, ...) ON ((col_value, col_value, ...), (col_value, col_value, ...), ...) [STORED AS DIRECTORIES] ] -- 指定倾斜列和值[[ROW FORMAT row_format] [STORED AS file_format]| STORED BY 'storage.handler.class.name' [WITH SERDEPROPERTIES (...)] ] -- 指定行分隔符、存储文件格式或采用自定义存储格式[LOCATION hdfs_path] -- 指定表的存储位置[TBLPROPERTIES (property_name=property_value, ...)] -- 指定表的属性[AS select_statement]; -- 从查询结果创建表
使用 like 语句可以复制一张表的表结构
CREATE [TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS] [db_name.]table_name -- 创建表的表名LIKE existing_table_or_view_name -- 被复制表的表名[LOCATION hdfs_path]; -- 存储位置
加载 HDFS 路径数据文件到表的命令如下：
-- 加载数据到 emp 表中
load data local inpath "/home/omc/emp.txt" into table emp;
5.2 修改表
ALTER TABLE table_name RENAME TO new_table_name;
ALTER TABLE TO ;
ALTER TABLE table_name [PARTITION partition_spec] CHANGE [COLUMN] col_old_name col_new_name column_type[COMMENT col_comment] [FIRST|AFTER column_name] [CASCADE|RESTRICT];
修改 表中的字段属性，命令如下
-- 修改字段名和类型
ALTER TABLE whaleMart CHANGE goods_id goods_code STRING;-- 修改字段 goods_code 的名称并将其放置到 goods_name 字段后
ALTER TABLE whaleMart CHANGE goods_code goods_id STRING AFTER goods_name;-- 为字段增加注释
ALTER TABLE whaleMart CHANGE goods_id goods_id STRING COMMENT '商品编号';
可以看到，添加的中文注释并未正常显示。这是因为 hive 元数据库创建，默认编码是 ，需要登录当前 hive 运行环境的 mysql 数据库，修改 mysql 配置文件 /etc/f 内容，确保包含如下内容（缺少的添加）：
[mysqld]
character-set-server=utf8mb4
collation-server=utf8mb4_general_ci[client]
default-character-set=utf8mb4[mysql]
default-character-set=utf8mb4
修改后重启 mysql
systemctl stop mysqld
systemctl start mysqld
hive 表重新插入注释，即可正常显示中文
5.3 清空表、删除表
-- 清空整个表或表指定分区中的数据
TRUNCATE TABLE table_name [PARTITION (partition_column = partition_col_value, ...)];
需要注意的是：只有内部表才支持 命令，对外部表执行 操作时会报错。
DROP TABLE [IF EXISTS] table_name [PURGE];
5.4 其他命令
DESCRIBE|Desc DATABASE [EXTENDED] db_name; -- EXTENDED 是否显示额外属性DESCRIBE|Desc [EXTENDED|FORMATTED] table_name; -- FORMATTED 以友好的展现方式查看表详情-- 查看视图列表
SHOW VIEWS-- 查看表的分区列表
SHOW PARTITIONS table_name;-- 查看表或者视图的创建语句
SHOW CREATE TABLE ([db_name.]table_name|view_name);
