https://cwiki.apache.org/confluence/display/Hive/LanguageManual
一、创建表
create table student(id int, name string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'; describe formatted student; load data local inpath '/opt/datas/student.txt' into table test.student;
二、函数
show functions;
describe function extended upper;
select id, upper(name) from test.student;
三、设置
cat .hiverc set hive.cli.print.header=true; set hive.cli.print.current.db=true;
hive --hiveconf hive.root.logger=INFO,console
四、hive数据仓库位置配置
默认位置 /user/hive/warehouse
注意:
在仓库目录下,没有对默认的数据库default创建文件夹;
如果某张表属于default数据库,直接在数据仓库目录下创建一个文件夹,目录名称为表名;
在hive中使用dfs命令: dfs -rm -R /user/hive/warehouse/bf_log;
查看设置 set system:user.name;
执行设置 set system:user.name=beifeng;
此种方式进行设置,仅仅在当前session生效。
五、hive的几种交互方式
1. hive -e "select * from test.student;"
2. hive -f <filename>
hive -f hivef.sql > result.txt
3. hive -i <filename>
在hive cli命令窗口如何查看hdfs文件系统:
dfs -ls /
在hive cli命令窗口如何查看本地文件系统:
!ls /
六、数据类型
datatype:
1. primitive_type:
(1)Numeric Types:
TINYINT,SMALLINT,INT,BIGINT,FLOAT,DOUBLE,DECIMAL
(2)Date/Time Types
TIMESTARMP,DATE
(3)String Types
STRING,VARCHAR,CHAR
(4)Misc Types
BOOLEAN, BINARY
(5)Complex Types
arrays,maps,structs,union
2. array_type
3. map_type
4. struct_type
5. union_type
python
>> content
<< ip, req_url, http_ref
使用脚本语言
1)table,load E
2) select, python T
3) sub table L
七、表类型
1. MANAGED_TABLE
2. EXTERNAL_TABLE
3. 分区表
分区表实际上就是对应一个HDFS系统上的独立的文件夹,该文件夹下是该分区所有的数据文件。Hive中的分区就是分目录,把一个大的数据集根据业务需要分割成更小的数据集。
在查询时通过where子句中的表达式来选择查询所需要的指定的分区,这样的查询效率会提高很多。
create table dept_partition
(
deptno int,
deptname string,
loc string
)
partitioned by (event_month string)
row format delimited fileds terminated by '\t';
msck repair table dept_partition;
alter table dept_partition add partition(day='20160720');
show partitions dept_partition;
八、导入数据的六大方式
1. 加载本地文件到hive表
load data local inpath 'filepath' into table default.emp;
2. 加载hdfs文件到hive中
load data inpath 'filepath' into table default.emp;
3. 加载数据覆盖表中已有的数据
load data inpath 'filepath' overwrite into table default.emp;
4. 创建表时通过insert加载
create table default.emp_cli like emp;
insert into table default.emp_cli select * from default.emp;
5. 创建表时通过select 加载
6. 创建表时通过location指定加载
九、导出数据的几种方式
1.
insert overwrite local directory '/opt/datas/hive_exp_emp' select * from default.emp;
2.
insert overwrite local directory '/opt/datas/hive_exp_emp3' ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' COLLECTION ITEMS TERMINATED BY '\n' select * from default.emp;
3.
hive -e "select * from default.emp" > /opt/datas/exp_res.txt
4.
insert overwrite directory '/user/hive/warehouse/hive_exp_emp4' select * from default.emp;
十、Hive常见查询
1. 常见select
select t.empno, t.ename, t.deptno from emp t;
select * from emp limit 5;
select t.empno, t.ename, t.deptno from emp t where t.sal between 800 and 1500;
select t.empno, t.ename, t.deptno from emp t where t.comm is null;
2. max/min/count/sum/avg
desc function extended max;
select count(*) cnt from emp;
select max(sal) max_sal from emp;
select sum(sal) from emp;
select avg(sal) from emp;
3. group by / having 分组
(1)每个部门的平均工资
select t.deptno, avg(t.sal) as avg_sal from emp t group by t.deptno;
(2)每个部门中每个岗位的最高薪水
select t.deptno, t.job, avg(t.sal) as avg_sal from emp t group by t.deptno, t.job;
(3)having
where 是针对单条记录进行筛选
having 是针对分组结果进行筛选
(4)求每个部门的平均薪水大于2000的部门
select deptno, avg(sal) avg_sal from emp group by deptno having avg_sal > 2000;
4. join
(1)
等值join
m n
m表中一条记录和n表中的一条记录组成一条记录
join ...on
select e.empno, e.ename, e.deptno, d.dname from emp e join dept d on e.deptno = d.deptno;
(2)左连接
select e.empno, e.ename, e.deptno, d.dname from emp e left join dept d on e.deptno = d.deptno;
(3)右连接
select e.empno, e.ename, e.deptno, d.dname from emp e right join dept d on e.deptno = d.deptno;
十一、导入导出
1. EXPORT:
导出,将Hive表中的数据,导出到外部;
EXPORT TABLE tablename TO 'export_target_path'
export_target_path: HDFS上的路径
EXPORT TABLE default.emp to '/user/hive/warehouse/export/emp_exp';
2. IMPORT:
导入,将外部数据导入Hive表中;
IMPORT [EXTENAL] TABLE new_orginal
create table db_hive_01.emp like default.emp;
import table db_hive_01.emp from '/user/hive/warehouse/export/emp_exp';
十二、order by、sort by、distribute by、cluster by
1. order by
全局排序,一个Reduce
select * from emp order by empno desc;
2. sort by
每个reduce内部进行排序,全局结果集不是排序
select * form emp sort by empno asc;
set mapreduce.job.reduces=3;
insert overwrite local directory '/opt/datas/sortby-res' select * from emp sort by empno asc;
3. distribute by
类似MR中partition,进行分区,结合sort by使用
insert overwrite local directory '/opt/datas/distbyby-res' select * from emp distribute by deptno sort by empno asc;
注意事项:
distribute by必须要在sort by 之前
4. cluster by
当distribute by和sort by字段相同时,可以使用cluster by;
insert overwrite local directory '/opt/datas/clusterby-res' select * from emp cluster by empno;
十三、Hive中自带Function使用和自定义UDF编程及使用
来源:https://www.cnblogs.com/yeahwell/p/5680874.html