这篇文章主要为大家展示了“hive是干什么的”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“hive是干什么的”这篇文章吧。
Hive是啥？
Hive是建立在hadoop上的数据仓库基础框架，主要用于分析与统计数据。他也是一个Sql解析引擎，将Sql语句转换成mr程序来运行，从而得到统计数据。他的语法大部分遵循Sql99，所以对有着数据库经验的人来说很友好。他们不用写繁琐的MR程序，通过sql语句即可得到所需的数据。Hive中的表就是hdfs上的目录，一个表名对应一个目录名，数据以文件形式存放在目录下。因为hive存储基于hdfs，所以依赖于hadoop，在没有hadoop的环境下hive是跑不了的。它并没有专门的存储格式，却有着存储结构，比如数据库，表，视图之类。
Hive的系统架构。
首先对外提供了三种用户接口，CLI，JDBC/ODBC,WebUI，所以用户可通过三种形式来操作hive。用户访问了，必然执行sql语句，所以hive要有编译器，解释器，优化器，执行器。接着生成了MR任务，也就是执行计划，去访问ResourceManger和NameNode来处理程序。其中hive的MetaStore，也就是元数据存储依赖于数据库。默认是自带的derby数据库，可是这个数据库只支持一个会话，所以可通过更改配置将其更改为用MySql存储。
Hive中sql的执行过程
首先用户通过接口向hive提交了sql语句，接着发给驱动来解析语句，然后交给编译器编译语句，再找metastore查询涉及到的元数据，生成执行计划交还给驱动，驱动把计划交给执行引擎执行，执行引擎如果发现这是类似于ddl语句，则要往metastore写入元数据，如果是涉及到计算的语句，如count（*）之类的则要交给resourcemanger来执行mr程序，如果是查询字段之类的，则直接找namenode拿到所需数据即可。等到程序执行完或者数据拿到，则将执行结果交换执行引擎，执行引擎给用户接口。
Hive三种用户接口之CLI
其实也就是命令行模式，直接执行hive，或者执行hive --service cli。这样就可打开hive命令行。你可以输入show tables；或者create table语句来验证是否成功。（注意，上面说到hive表其实就是hdfs的目录，该目录的路径是由你的配置文件项hive.metastore.warehouse.dir所指定的）。在你启动hive的时候，你可以加一些参数，来多功能的使用。比如你用 hive -d name=xiaoming，则就等于设置了一个name变量，变量值为xiaoming，在hive中可以调用该变量${name}。或者说你就想执行一条语句，并不想进入hive命令行，你可以 hive -e “show tables”。或者你想把执行结果写入文件中，则hive -e “show tables”> a.txt。举例如下
$>hive -e "" 不用进入hive界面，在双引号里使用hql语句即可执行，省略了开启hive的时间。不过执行完还在linux界面
$>hive -e "">aaa 同上，不过就是把执行的结果写入aaa中
$>hive -S -e "">aaa 同上，加了个静默模式，就是少了一些日志提示，比如执行的时间什么的，大量操作的话，可以省略部分时间。
$>hive -f file File用一个写入了hql语句的文件的位置代替，然后就执行了。
$>hive -i /home/my/hive-init.sql 就是执行完过后不是回到了linux界面，而使留在了hive界面
hive>source file 跟-f差不多，不过是在hive界面执行。
你也可以用 hive --hiveconf 加上要指定的配置文件项来在当前会话中使用你指定的配置，如
hive --hiveconf hive.cli.print.current.db=true;
你也可以在hive命令行下使用set命令来完成与hiveconf相同的功能，如set hive.cli.print.current.db=true;
如果你觉得这样配置好麻烦，想一启动的时候就自动应用这些配置，那么你可以在你操作系统的用户目录下，也就是你用cd命令到的目录下，建立文件.hiverc(不要忘记.)。文件内容就是set命令内容。
hive用户接口之JDBC
用这种当时的时候，注意看自己的hive是1版本还是2版本，可以通过hive下的bin看是hiveserver还是hiveserver2来确定。
运行代码之前需要在命令行中启动服务，hive --service hiveserver2,代码如下
package com.shixin.hivejdbc;
import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.ResultSet;
import java.sql.SQLException;
import java.sql.Statement;
public class Hivetest {
public static Connection getConnection(){
Connection con=null;
try {
//若是1版本，则为org.apache.hadoop.hive.jdbc.HiveDriver
Class.forName("org.apache.hive.jdbc.HiveDriver");
//注意这里是hive2
con=DriverManager.getConnection("jdbc:hive2://115.28.138.100:10000/default", "hadoop", "hadoop");
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
return con;
}
public static void main(String[] args) {
Connection con=getConnection();
Statement sta=null;
if(con!=null){
try {
sta=con.createStatement();
ResultSet rs=sta.executeQuery("show tables");
while(rs.next()){
System.out.println(rs.getString(1));
}
} catch (SQLException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
}
}hive之复合数据类型
hive中的基本数据类型与mysql大致形同，主要是多出了三种复合数据类型。分别为Array，Struct，Map。如何使用请看例子。
建表
create table t8(
id int,
info struct<name:string,age:int>,
subject array<int>,
scores map<string,float>)
row format delimited
fields terminated by '\t'
collection items terminated by ','
map keys terminated by ':'
;
（field那句表示字段分隔符，collection表示复合数据类型中内部分隔符，map表示map类型的键值对分隔符）
导入数据
load data local inpath '/home/hadoop/a.txt' into table t8;
其中a.txt数据为
1 sx,21 23,45,32,45 english:94.2,math:99
2 shuainan,22 43,21,32 english:95.2,math:96
查看数据
select * from t8;
t8.id t8.info t8.subject t8.scores
1 {"name":"sx","age":21} [23,45,32,45] {"english":94.2,"math":99.0}
2 {"name":"shuainan","age":22} [43,21,32] {"english":95.2,"math":96.0}
如果分别查询符合数据类型某个值的话，语句为
select info from t8;
select info.sx from t8;
select info.name from t8;
select subject from t8;
select subject[2] from t8;
select subject[3] from t8;
select scores from t8;
select scores['english'] from t8;
7.hive中的一些ddl语句
数据库定义，create database。。。（注意一点，hive启动时默认是default数据库）
表定义，create table。。。。，当然除了这个基础语句，还有create table t2 like t1；只复制t1的表结构，不复制数据。
列定义，其实也就是列的修改
hive>ALTER TABLE t3 CHANGE COLUMN old_name new_name String COMMENT '...' AFTER column2;
ALTER TABLE t3 ADD COLUMNS(gender int);
replace（没有删除列，不过可以试试replace，不过不建议，因为他就等于重新建立表结构，比如你原有两个字段，Replace一个字段，replace过后你就只剩一个字段）
8.外部表与内部表
上述的表的定义，是内部表的定义。那么外部表如何定义的呢？
create external table t11 (id int,name string) row format delimited fields terminated by '\t';
对，仅仅加了个external，查看对应的hdfs的目录，多了个t11目录。接着加载数据
load data local inpath '/home/hadoop/aaa' into table t11;
用select查看，可以查看到数据,看hdfs对应的t11目录下，多了个aaa文件。这一切好像都和内部表一样啊。那么他们两个的区别是什么？我们对内部表和外部表都用drop table操作，结果发现，内部表的hdfs上的表目录消失，而外部表的表目录数据依旧存在。所以，我们可知 删除外部表只删除metastore的元数据，不删除hdfs中的表数据（就是warehouse目录下的）。
当表的定义语句是这样的
hive> create external table exter_table(
> id int,
> name string,
> age int,
> tel string)
> location '/home/wyp/external';
也就是说你加了location，指定了表的存放路径，此时不论有没有external（也就是说不论是内部表还是外部表），他会在指定路径创建指定文件夹，而不是说像原来一样在warehouse下以表名为目录创建。此时如果你用load命令导入数据，数据文件会存放到你指定的路径下。
9.分区表
分区表也就是把数据分类，分组，类似于groupby，将不同的分区以不同的文件夹形式表现出来。它的意义就是优化查询。查询时如果用分区字段，则会加快查询速度。
创建分区表
create table t12 (id int,name string) partitioned by (date string) row format delimited fields terminated by '\t';
添加分区
alter table t12 add partition(data='20160103');
alter table t12 add partition(date='20160102');
此时，t12目录下多出了data=20160102和 data=20160103文件夹。
加载数据
load data local inpath '/home/hadoop/aaa' into table t12 partition(date='20160103');
10.视图和索引
hive中也可以像mysql一样创建视图和索引
create view v1 AS select t1.name from t1;
创建索引
create index t1_index on table t1(name)as 'org.apache.hadoop.hive.ql.index.compact.CompactIndexHandler' with deferred rebuild in table t1_index_table; （ as指定索引器）
重建索引
alter index t1_index on t1 rebuild;（当数据有更改时，需要重建索引）
显示索引
show formatted index on t1;
删除索引
drop index if exists t1_index on t1;
11.装载数据的方式
从文件中装载数据
hive>LOAD DATA [LOCAL] INPATH '...' [OVERWRITE] INTO TABLE t2 [PARTITION (province='beijing')];（不加local则从hdfs上面取，overwrite是覆盖的意思，如果是分区表则要加上partition）
通过查询表装载数据
hive>INSERT OVERWRITE TABLE t2 PARTITION (province='beijing') SELECT * FROM xxx
WHERE xxx （同样，如果你是分区表，分区信息加上，他会把select查询的数据以文件的形式存放到t2对应的目录下，你的select语句所查询的属性要能和t2对的上）
hive>FROM t4
INSERT OVERWRITE TABLE t3 PARTITION (...) SELECT ...WHERE...
INSERT OVERWRITE TABLE t3 PARTITION (...) SELECT ...WHERE...
INSERT OVERWRITE TABLE t3 PARTITION (...) SELECT ...WHERE... （上面的升级版）
还有一种动态分区加载
hive>INSERT OVERWRITE TABLE t3 PARTITION(province='bj', city)
SELECT t.province, t.city FROM temp t WHERE t.province='bj';
（你的city分区字段属性要对得上，然后执行后就会在province=bj下创建city=t.city的目录分区。其中province的值可以不存 在，他会新建。这种情况是不开启动态分区的时候支持的）
如果你的语句是这样的
hive>INSERT OVERWRITE TABLE t3 PARTITION(province, city)
此时要开启动态分区支持
hive>set hive.exec.dynamic.partition=true;
hive>set hive.exec.dynamic.partition.mode=nostrict;
hive>set hive.exec.max.dynamic.partitions.pernode=1000;
12. hive中的函数
hive中有像mysql中的函数，比如max（），min（）等。hive中也可以自定义函数，你把所需要的功能用java代码编好，打jar包即可。具体步奏如下
a）把程序打包放到目标机器上去；
b）进入hive客户端，添加jar包：hive>add jar /run/jar/udf_test.jar;
c）创建临时函数：hive>CREATE TEMPORARY FUNCTION add_example AS 'hive.udf.Add';
（add_example是你要取得函数名字，‘’里面的是你的类路径，比如com.shixin.hive.MyUp）
udf代码如下（小小的转换大写功能）
package com.shixin.hive;
import org.apache.hadoop.hive.ql.exec.UDF;
public class MyUp extends UDF{
public String evaluate(String word){
if(word==null||word.equals("")){
return null;
}else{
return word.toUpperCase();
}
}
}
以上是“hive是干什么的”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注亿速云行业资讯频道！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
