6. 部署Hive数据仓库
6.1 部署Hive
进入先电大数据平台主界面，点击左侧的动作按钮，添加Hive服务
# mysql -uroot -pbigdata
MariaDB [(none)]> create database hive;
MariaDB [(none)]> grant all privileges on hive.* to 'hive'@'localhost' identified by 'bigdata';
MariaDB [(none)]> grant all privileges on hive.* to 'hive'@'%' identified by 'bigdata';
注意：如果使用master节点的MariaDB作为Hive的元数据存储数据库，需要将Hive MetaStore安装在master节点。
6.2 Hive用户指南
6.2.1测试验证
启动hive客户端
# su hive
$ hive
6.2.2 hive命令参数
usage: hive
-d，--define <key=value> Variable subsitution to apply to hive
commands. e.g. -d A=B or --define A=B
--database <databasename> Specify the database to use
-e <quoted-query-string> SQL from command line
-f <filename> SQL from files
-H，--help Print help information
--hiveconf <property=value> Use value for given property
--hivevar <key=value> Variable subsitution to apply to hive
commands. e.g. --hivevar A=B
-i <filename> Initialization SQL file
-S，--silent Silent mode in interactive shell
-v，--verbose Verbose mode (echo executed SQL to the
console)
1.hive交互模式
hive> show tables; #查看所有表名
hive> show tables 'ad*' #查看以'ad'开头的表名
hive> set 命令 #设置变量与查看变量；
hive> set -v #查看所有的变量
hive> set hive.stats.atomic #查看hive.stats.atomic变量
hive> set hive.stats.atomic=false #设置hive.stats.atomic变量
hive> dfs -ls #查看hadoop所有文件路径
hive> dfs -ls /user/hive/warehouse/ #查看hive所有文件
hive> dfs -ls /user/hive/warehouse/ptest #查看ptest文件
hive> source file <filepath> #在client里执行一个hive脚本文件
hive> quit #退出交互式shell
hive> exit #退出交互式shell
hive> reset #重置配置为默认值
hive> !ls #从Hive shell执行一个shell命令
2.操作及函数
查看函数：
hive> show functions;
正则查看函数名：
show functions 'xpath.*';
查看具体函数内容：
describe function xpath; | desc function xpath;
3.字段类型
Hive支持基本数据类型和复杂类型，基本数据类型主要有数值类型(INT、FLOAT、DOUBLE)、布尔型和字符串，复杂类型有三种:ARRAY、MAP 和 STRUCT。
4.基本数据类型
TINYINT: 1个字节
SMALLINT: 2个字节
INT: 4个字节
BIGINT: 8个字节
BOOLEAN: TRUE/FALSE
FLOAT: 4个字节，单精度浮点型
DOUBLE: 8个字节，双精度浮点型STRING 字符串
5.复杂数据类型
ARRAY: 有序字段
MAP: 无序字段
STRUCT: 一组命名的字段
6.2.3 表类型
hive表大致分为普通表、外部表、分区表三种。
1.普通表
创建表
hive> create table tb_person(id int, name string);
创建表并创建分区字段ds
hive> create table tb_stu(id int, name string) partitioned by(ds string);
查看分区
hive> show partitions tb_stu;
显示所有表
hive> show tables;
按正则表达式显示表，
hive> show tables 'tb_*';
表添加一列
hive> alter table tb_person add columns (new_col int);
添加一列并增加列字段注释
hive> alter table tb_stu add columns (new_col2 int comment 'a comment');
更改表名
hive> alter table tb_stu rename to tb_stu;
删除表(hive只能删分区，不能删记录或列 )
hive> drop table tb_stu;
对于托管表，drop 操作会把元数据和数据文件删除掉，对于外部表，只是删除元数据。如果只要删除表中的数据，保留表名可以在 HDFS 上删除数据文件:
hive> dfs -rmr /user/hive/warehouse/mutill1/*
将本地/home/hadoop/ziliao/stu.txt文件中的数据加载到表中， stu.txt文件数据如下：
1 zhangsan
2 lisi
3 wangwu
将文件中的数据加载到表中
hive> load data local inpath '/home/hadoop/ziliao/stu.txt' overwrite into table tb_person;
加载本地数据，同时给定分区信息
hive> load data local inpath '/home/hadoop/ziliao/stu.txt' overwrite into table tb_stu partition (ds='2008-08-15');
备注：如果导入的数据在 HDFS 上，则不需要 local 关键字。托管表导入的数据文件可在数据仓库目录“user/hive/warehouse/<tablename>”中看到。
查看数据
hive> dfs -ls /user/hive/warehouse/tb_stu
hive> dfs -ls /user/hive/warehouse/tb_person
2.外部表
external关键字可以让用户创建一个外部表，在建表的同时指定一个指向实际数据的路径(location)，hive创建内部表时，会将数据移动到数据仓库指向的路径；若创建外部表，仅记录数据所在的路径，不对数据的位置做任何改变。在删除表的时候，内部表的元数据和数据会被一起删除，而外部表只删除元数据，不删除数据。
eg. 创建外部表：
hive> create external table tb_record(col1 string， col2 string) row format delimited fields terminated by '\t' location '/user/hadoop/input';
这样表tb_record的数据就是hdfs://user/hadoop/input/* 的数据了。
3.分区表
分区是表的部分列的集合， 可以为频繁使用的数据建立分区， 这样查找分区中的数据时就不需要扫描全表， 这对于提高查找效率很有帮助。
创建分区：create table log(ts bigint，line string) partitioned by(name string);
插入分区：insert overwrite table log partition(name='xiapi') select id from userinfo where name='xiapi';
查看分区：show partitions log;
删除分区: alter table ptest drop partition (name='xiapi')
备注:通常情况下需要先预先创建好分区，然后才能使用该分区。还有分区列的值要转化为文件夹的存储路径，所以如果分区列的值中包含特殊值，如 '%'， ':'， '/'， '#'，它将会被使用%加上 2 字节的 ASCII 码进行转义。
6.2.4sql操作及桶
1.创建表
首先建立三张测试表:
userinfo表中有两列，以tab键分割，分别存储用户的id和名字name;
classinfo表中有两列，以tab键分割，分别存储课程老师teacher和课程名classname;
choice表中有两列，以tab键分割，分别存储用户的userid和选课名称classname(类似中间表)。
创建测试表:
hive> create table userinfo(id int，name string) row format delimited fields terminated by '\t';
hive> create table classinfo(teacher string，classname string) row format delimited fields terminated by '\t';
hive> create table choice(userid int，classname string) row format delimited fields terminated by '\t';
注意：'\t'相当于一个tab键盘。
显示刚才创建的数据表:
hive> show tables;
2.导入数据
建表后，可以从本地文件系统或 HDFS 中导入数据文件，导入数据样例如下:
userinfo.txt内容如下(数据之间用tab键隔开)：
1 xiapi
2 xiaoxue
3 qingqing
classinfo.txt内容如下(数据之间用tab键隔开)：
jack math
sam china
lucy english
choice.txt内容如下(数据之间用tab键隔开)：
1 math
1 china
1 english
2 china
2 english
3 english
首先在本地“/home/hadoop/ziliao”下按照上面建立三个文件， 并添加如上的内容信息。
3.按照下面导入数据
hive> load data local inpath '/home/hadoop/ziliao/userinfo.txt' overwrite into table userinfo;
hive> load data local inpath '/home/hadoop/ziliao/classinfo.txt' overwrite into table classinfo;
hive> load data local inpath '/home/hadoop/ziliao/choice.txt' overwrite into table choice;
查询表数据
hive> select * from userinfo;
hive> select * from classinfo;
hive> select * from choice;
4.分区
创建分区
hive> create table ptest(userid int) partitioned by (name string) row format delimited fields terminated by '\t';
准备导入数据
xiapi.txt内容如下(数据之间用tab键隔开)：
1
导入数据
hive> load data local inpath '/home/hadoop/ziliao/xiapi.txt' overwrite into table ptest partition (name='xiapi');
查看分区
hive> dfs -ls /user/hive/warehouse/ptest/name=xiapi;
查询分区
hive> select * from ptest where name='xiapi';
显示分区
hive> show partitions ptest;
对分区插入数据(每次都会覆盖掉原来的数据):
hive> insert overwrite table ptest partition(name='xiapi') select id from userinfo where name='xiapi';
删除分区
hive> alter table ptest drop partition (name='xiapi')
5.桶
可以把表或分区组织成桶， 桶是按行分开组织特定字段， 每个桶对应一个 reduce 操作。在建立桶之前， 需要设置“hive.enforce.bucketing”属性为 true， 使 Hive 能够识别桶。在表中分桶的操作如下:
hive> set hive.enforce.bucketing=true;
hive> set hive.enforce.bucketing;
hive.enforce.bucketing=true;
hive> create table btest2(id int， name string) clustered by(id) into 3 buckets row format delimited fields terminated by '\t';
向桶中插入数据， 这里按照用户 id 分了三个桶， 在插入数据时对应三个 reduce 操作，输出三个文件。
hive> insert overwrite table btest2 select * from userinfo;
查看数据仓库下的桶目录，三个桶对应三个目录。
hive> dfs -ls /user/hive/warehouse/btest2;
Hive 使用对分桶所用的值进行 hash，并用 hash 结果除以桶的个数做取余运算的方式来分桶，保证了每个桶中都有数据，但每个桶中的数据条数不一定相等，如下所示。
hive>dfs -cat /user/hive/warehouse/btest2/*0_0;
hive>dfs -cat /user/hive/warehouse/btest2/*1_0;
hive>dfs -cat /user/hive/warehouse/btest2/*2_0;
分桶可以获得比分区更高的查询效率，同时分桶也便于对全部数据进行采样处理。下面是对桶取样的操作。
hive>select * from btest2 tablesample(bucket 1 out of 3 on id);
6.多表插入
多表插入指的是在同一条语句中， 把读取的同一份元数据插入到不同的表中。只需要扫描一遍元数据即可完成所有表的插入操作， 效率很高。多表操作示例如下。
hive> create table mutill as select id，name from userinfo; #有数据
hive> create table mutil2 like mutill; #无数据，只有表结构
hive> from userinfo insert overwrite table mutill
select id，name insert overwrite table mutil2 select count(distinct id)，name group by name;
7.连接
连接是将两个表中在共同数据项上相互匹配的那些行合并起来， HiveQL 的连接分为内连接、左向外连接、右向外连接、全外连接和半连接 5 种。
a. 内连接(等值连接)
内连接使用比较运算符根据每个表共有的列的值匹配两个表中的行。
例如， 检索userinfo和choice表中标识号相同的所有行。
hive> select userinfo.*， choice.* from userinfo join choice on(userinfo.id=choice.userid);
b. 左连接
左连接的结果集包括“LEFT OUTER”子句中指定的左表的所有行， 而不仅仅是连接列所匹配的行。如果左表的某行在右表中没有匹配行， 则在相关联的结果集中右表的所有选择列均为空值。
hive> select userinfo.*， choice.* from userinfo left outer join choice on(userinfo.id=choice.userid);
c. 右连接
右连接是左向外连接的反向连接，将返回右表的所有行。如果右表的某行在左表中没有匹配行，则将为左表返回空值。
hive> select userinfo.*， choice.* from userinfo right outer join choice on(userinfo.id=choice.userid);
d. 全连接
全连接返回左表和右表中的所有行。当某行在另一表中没有匹配行时，则另一个表的选择列表包含空值。如果表之间有匹配行，则整个结果集包含基表的数据值。
hive> select userinfo.*， choice.* from userinfo full outer join choice on(userinfo.id=choice.userid);
e. 半连接
半连接是 Hive 所特有的， Hive 不支持 IN 操作，但是拥有替代的方案; left semi join， 称为半连接， 需要注意的是连接的表不能在查询的列中，只能出现在 on 子句中。
hive> select userinfo.* from userinfo left semi join choice on (userinfo.id=choice.userid);
8.子查询
标准 SQL 的子查询支持嵌套的 select 子句，HiveQL 对子查询的支持很有限，只能在from 引导的子句中出现子查询。如下语句在 from 子句中嵌套了一个子查询(实现了对教课最多的老师的查询)。
hive>select teacher，MAX(class_num) from (select teacher,count(classname) as class_num from classinfo group by teacher) subq group by teacher;
9.视图操作
目前，只有 Hive0.6 之后的版本才支持视图。
Hive 只支持逻辑视图， 并不支持物理视图， 建立视图可以在 MySQL 元数据库中看到创建的视图表， 但是在 Hive 的数据仓库目录下没有相应的视图表目录。
当一个查询引用一个视图时， 可以评估视图的定义并为下一步查询提供记录集合。这是一种概念的描述， 实际上， 作为查询优化的一部分， Hive 可以将视图的定义与查询的定义结合起来，例如从查询到视图所使用的过滤器。
在视图创建的同时确定视图的架构，如果随后再改变基本表(如添加一列)将不会在视图的架构中体现。如果基本表被删除或以不兼容的方式被修改，则该视图的查询将被无效。
视图是只读的，不能用于 LOAD/INSERT/ALTER。
视图可能包含 ORDER BY 和 LIMIT 子句，如果一个引用了视图的查询也包含这些子句，那么在执行这些子句时首先要查看视图语句，然后返回结果按照视图中的语句执行。
以下是创建视图的例子:
hive> create view teacher_classsum as select teacher, count(classname) from classinfo group by teacher;
删除视图：
hive>drop view teacher_classnum;
10.函数
创建函数
hive> create temporary function function_name as class_name
该语句创建一个由类名实现的函数。在 Hive 中用户可以使用 Hive 类路径中的任何类，用户通过执行 add files 语句将函数类添加到类路径，并且可持续使用该函数进行操作。
删除函数
注销用户定义函数的格式如下:
hive> drop temporary function function_na
