• Hive基本操作与案例


    1. 创建数据库,切换数据库

    create database testdb2;
    use testdb2; 

    2. 创建管理表

    create table emp(
    empno int,
    empname string,
    job string,
    mgr int,
    hiredate string,
    salary double,
    comm double,
    deptno int)
    row format delimited
    fields terminated by '	';
     
    加载数据
    load data local inpath '/opt/test/emp.txt' overwrite into table emp; 

     
    3. 创建外部表
    创建外部表时直接指定表位置
    上传数据文件到指定路径  

    hdfs dfs -mkdir /user/hive/warehouse/testdb2.db/emp_ext
    hdfs dfs -put emp.txt /user/hive/warehouse/testdb2.db/emp_ext/ 

     
    在hive中创建数据表指定location

    create external table emp_ext(
    empno int,
    empname string,
    job string,
    mgr int,
    hiredate string,
    salary double,
    comm double,
    deptno int)
    row format delimited
    fields terminated by '	'
    location '/user/hive/warehouse/testdb2.db/emp_ext/'; 

     
    4. 创建分区表

    create table emp_part(
    empno int,
    empname string,
    job string,
    mgr int,
    hiredate string,
    salary double,
    comm double,
    deptno int)
    partitioned by (year string, month string)
    row format delimited
    fields terminated by '	'; 

    注:分区字段不能与表中其他字段重复,否则报错
    FAILED: SemanticException [Error 10035]: Column repeated in partitioning columns
     
    加载数据
    从本地拷贝emp.txt到分区表目录中

    load data local inpath '/opt/test/emp.txt' into table emp_part partition (year='2016', month='3');
    load data local inpath '/opt/test/emp.txt' into table emp_part partition (year='2016', month='4'); 

    用hdfs中指定位置的数据,增加分区表中数据,此操作不会移动数据文件到分区表目录中

    alter table emp_part add partition (year='2016', month='5') location '/data'; 


    把hdfs中指定位置的数据移动到分区表目录中,增加数据

    load data inpath '/emp.txt' into table emp_part partition (year='2016', month='6'); 

     
    5.其他创建表的方式
    (1) create-as

    create table emp3  
    as
    select * from emp; 


    (2) create-like

    create table emp4 like emp;
    load data local inpath '/opt/test/emp.txt' overwrite into table emp4; 


    (3)插入数据

    insert overwrite table emp4 select * from emp; 

     
    6.指定表存储格式与压缩格式
    (1) 指定orc格式

    create table emp_orc(
    empno int,
    empname string,
    job string,
    mgr int,
    hiredate string,
    salary double,
    comm double,
    deptno int)
    stored as orc; 

    指定为非文本格式时无需再指定row format delimited fields terminated by ' '

    插入数据
    insert into table emp_orc select * from emp; 

     
    可以利用已有的ORC存储格式的表创建新的ORC表

    create table emp_orc2 like emp_orc;
    插入数据
    insert overwrite table emp_orc2 select * from emp; 

     
    (2) 指定orc+snappy格式
    a)先创建表,再插入数据

    create table emp_orc_snappy(
    empno int,
    empname string,
    job string,
    mgr int,
    hiredate string,
    salary double,
    comm double,
    deptno int)
    stored as orc tblproperties("orc.compression"="snappy");
    插入数据
    insert overwrite table emp_orc_snappy select * from emp; 


    b)利用已有的orc表格式创建orc+snappy格式表

    create table emp_orc_snappy2 like emp_orc tblproperties ("orc.compression"="snappy");
    insert overwrite table emp_orc_snappy2 select * from emp; 


    c)利用非压缩表直接创建orc+snappy表并导入数据

    create table emp_orc_snappy3
    stored as orc tblproperties("orc.compression"="snappy")
    as select * from emp; 


    7.hive执行参数-e,-f,--hiveconf
    (1)命令行直接执行hql语句

    hive -e "select * from db_hive01.emp" 


    (2)执行hql文件中的语句

    hive -f emp.hql 


    (3)打开调试模式

    hive --hiveconf hive.root.logger=DEBUG,console 


    8.数据导出
    (1)导出数据到本地
    a)insert

    insert overwrite local directory '/opt/test/local'  
    row format delimited fields terminated by '	'
    select * from emp; 

    如果不指定row format delimited fields terminated by ' ',字段间默认没有分割符    
     
    b)

    hive -e 'select * from testdb2.emp'  >> ./emp_export.txt 

     
    (2)导出到hdfs
    a)

    insert overwrite directory '/export_data'  
    select * from emp; 

    hive 0.13.1版本还不支持导出数据到hdfs时指定分隔符row format delimited fields terminated by ' '
     
    b)

    export table emp to '/export_data'; 

    导出后会在会生成/export_data/data目录, emp.txt存放在此目录中,即/export_data/data/emp.txt
     
    9. 排序
    (1)order by 全局排序

    insert overwrite local directory '/opt/test/local'  
    row format delimited fields terminated by '	'
    select * from emp order by empno; 


    (2)sort by 与 distributed by
    类似MR中partition,进行分区,结合sort by使用
    每个reduce内部进行排序,全局不是排序, distribute by 一定是放在sort by 前面,
    且必须要指定mapreduce.job.reduces数量,否则导出结果还是在一个文件中  

    set mapreduce.job.reduces=3;
    insert overwrite local directory '/opt/test/local'  
    row format delimited fields terminated by '	'
    select * from emp distribute by deptno sort by empno; 


    (3)cluster by
    当distributed by和sort by 字段一样的时候,直接使用cluster by
     
    10.常用函数

    select upper(empname) from emp;
    select unix_timestamp(trackTime) from bflog limit 3 ;
    select year(hiredate) from emp ;
    select month(hiredate) from emp ;
    select hour(hiredate) from emp ;
    select substr(hiredate,1,4) from .emp ;
    select split(hiredate,'-')[1] from emp ;
    select reverse(hiredate) from emp ;
    select concat(empno,'-',empname) from emp ;
    
    case when 条件1  then  ...
         when 条件2  then  ...
         else  end  

    可以使用desc function substr 查看函数说明, substr第二个参数为index 从1技术,第三个参数为length
     
    11. 自定义UDF

    add jar /opt/test/mylower.jar ;
    CREATE TEMPORARY FUNCTION mylower AS 'org.gh.hadoop.hive.MyLower'; 

     
    12. 使用正则表达式加载数据字段

    create table beifenglog(
    remote_addr string,
    remote_user string,
    time_local string,
    request string,
    status string,
    body_bytes_sent string,
    request_body string,
    http_referer string,
    http_user_agent string,
    http_x_forwarded_for string,
    host string)
    row format serde 'org.apache.hadoop.hive.contrib.serde2.RegexSerDe'
    with serdeproperties(
    "input.regex" = "(\"[\d\.]+\") (\"[^ ]+\") (\".*?\") (\".*?\") (\"\d+\") (\"\d+\") ([^ ]+) (\"[^ ]+\") (\".*?\") (\"[^ ]+\") (\"[^ ]+\")"
    )
    stored as textfile;
     
    加载原表数据
    load data local inpath '/opt/test/beifenglog.data' overwrite into table beifenglog; 

    可以使用工具调试正则:http://tool.chinaz.com/regex
     
     
    13.注意点
    (1)在创建表(无论管理表还是外部表)时,如果没有指定location,可以使用load data加载数据
    a) 指定本地目录中的数据,会上传数据文件到hdfs中
    b) 指定hdfs中数据文件,如果指定的路径与表所在的目录不一致,则移动数据文件到表目录中
     

    create external table emp_ext2 like emp;
    load data inpath '/emp.txt' into table emp_ext2;
    会把/emp.txt移动到/user/hive/warehouse/testdb2.db/emp_ext2/目录中 
    create table emp2 like emp;
    load data inpath '/emp.txt' into table emp2;
    会把/emp.txt移动到/user/hive/warehouse/testdb2.db/emp2/目录中 

     
    (2)create-like时不能指定stored as为其他格式,否则报错
    以下操作会报错 FAILED: ParseException line 1:31 missing EOF at 'stored' near 'emp'

    create table emp_orc2 like emp stored as orc; 



  • 相关阅读:
    sysaux 过大如何清理释放空间
    oracle获取当前时间前半小时和整点的时间
    在Mac OS 下 npm install 报权限不足的错误
    基于 NPOI + 反射的Excel导入帮助类
    从零开始 MongoDB 集群(ReplSet)搭建 之一 MongoDB的安装
    使用Swagger导入cvs文件出现乱码的解决办法
    基于DynamicExpresso的自定义表达式计算
    从零开始 MongoDB 集群(ReplSet)搭建 之二 群集搭建
    halcon视觉入门钢珠识别
    纯前端如何在网页端播放摄像头的实时画面
  • 原文地址:https://www.cnblogs.com/guanhao/p/5641675.html
Copyright © 2020-2023  润新知