Hive 學習筆記一

hive支援以下資料型別：

有符號整數： bigint(8 位元組)，int(4位元組)，smallint(2位元組)、tinyint(1位元組)

浮點數：float 、 double

boolean：flase、true

string

map：無序鍵值對。鍵的型別必須是原子的，值可以是任意型別，同乙個對映的鍵的型別必須相同，值的型別也必須相同

array: 有序列表，所有元素都必須是相同型別

struct：複雜型別，欄位的型別可以不同

hive提供了普通的sql操作，包括關係操作、算數操作以及邏輯操作。

hive也提供了很多內建函式，可以通過命令 show functions; 檢視。這些函式可以分成幾大類，包括數學和統計函式、字串函式、日期函式、條件函式、聚集函式以及處理xml和json的函式。

如果想知道某個函式的功用，可以通過命令查詢，如上。

hive的表在邏輯上有儲存的資料和描述表中資料形式的相關元資料組成。資料一般儲存在hdfs中，元資料存放在關係型資料庫中。

ps：一般翻譯為託管表和外部表

在hive中建立表時，預設情況下hive負責管理資料。這意味著hive把資料移入它的「倉庫目錄」。另一種選擇是建立乙個「外部表」。這會讓hive到倉庫目錄以外的位置訪問資料。

建立託管表：

create
table users(id int,name string)；
load data inpath '/user/hive/users' overwrite into
table users ;

建立表users，並把資料移動到 warehouse目錄下。

丟棄表：

drop
table users;

這個表的元資料和資料，會被一起刪除。

load 載入操作是檔案系統中的檔案移動或者檔案重新命名。hive並不檢查表目錄中的檔案是否符合未表所宣告的模式，如果有資料和模式不匹配，只有在查詢是才會知道。通常查詢時返回null時，表示字段缺失或者不匹配。

建立外部表：

create external table users(id int,name string) row format delimited fields terminated by ','location '/user/hive/users' ; load data inpath '/user/hadoop/users.txt' into table users ;

使用external 關鍵字，表示建立外部表。並且在建立時，hive並不會檢查這一外部位置是否存在。drop外部表時，hive只會刪除元資料。

使用分割槽可以加快資料分片的查詢速度。表或分割槽可以進一步分為bucket，可以未資料提供額外的結構以獲取更高效的查詢處理。

partition

以日誌檔案舉例：日誌檔案中每條記錄包含乙個時間戳。如果根據日期進行分割槽，那麼同一日期的記錄就會被存放在同乙個分割槽中。優點: 對於限制到某個或某些特定日期的查詢，處理將會更加高效。乙個表可以以多個維度進行分割槽。

分割槽是建立表時使用 partitioned by 定義。

create external table ifnot exists logs_static ( ip string, status int) partitioned by (year int, month int, day int) row format delimited fields terminated by '\t' location '/user/hadoop/logs/logs_static';

檢視表的描述：

在hdfs中，會建立如下檔案

查詢：

bucket

把錶或者分割槽組織成桶有個理由。第乙個理由是獲得更高的查詢處理效率。第二個理由是可以使取樣（sampling）操作更加高效。

clustered by 定義如何劃分桶以及桶的個數。

create
table bucketed_users (id int, name string)
clustered by (id) sorted by (id asc) into
4 buckets;

這裡，使用id確定如何分桶(hive對值進行雜湊並將結果除以桶的個數取語數)。桶中的資料可以根據乙個或者多個列另外進行排序。這樣對每個桶的連線成了高效的歸併排序，因此可以進一步提公升map端連線的效率。

將users表中的資料灌入分桶表：

insert overwrite table bucketed_users select * from users;

分桶完成後，hive會在hdfs上建立4個資料檔案。

查詢:

select * from bucketed_users tablesample(bucket 2 out of
2on id);

tablesample 表示對錶進行取樣。桶的個數從2開始計數，返回表中約1/2的資料行。因為查詢只需要讀取和tablesample 子句匹配的桶，所以取樣分桶表是非常高效的操作。如果使用rand() 函式對沒有劃分成桶的表進行取樣，即使只需要讀取很小一部分樣本，也要燒麥整個輸入資料集。

select * from users tablesample (bucket 1 out of
4on rand());

Hive 學習筆記一

Hive學習筆記 Hive 引數

Hive學習筆記 Hive概述

hive學習筆記

Hive 學習筆記 一

Hive學習筆記 Hive 引數

Hive學習筆記 Hive概述

hive學習筆記

相關推薦

Hive 學習筆記一