Hive

Hive 是建立在 Hadoop 基础上的数据仓库基础构架。它提供了一系列的工具，可以用来进行数据提取转化加载（ETL），这是一种可以存储、查询和分析存储在 Hadoop 中的大规模数据的机制。Hive 定义了简单的类 SQL 查询语言，称为 QL ，它允许熟悉 SQL 的用户查询数据。同时，这个语言也允许熟悉 MapReduce 开发者的开发自定义的 mapper 和 reducer 来处理内建的 mapper 和 reducer 无法完成的复杂的分析工作。 Hive 是SQL解析引擎，它将SQL语句转译成Map/Reduce Job然后在Hadoop执行。Hive的表其实就是HDFS的目录，按表名把文件夹分开。如果是分区表，则分区值是子文件夹，可以直接在Map/Reduce Job里使用这些数据。

HIve安装

（1）解压： tar -zvxf hive-0.9.0.tar.gz ，重命名：mv hive-0.9.0 hive

（2）加入环境变量配置文件中：vim /etc/profile

export HIVE_HOME=/usr/local/hive

export PATH=.:$HADOO{P}_{H}OME/bin:$HIVE_HOME/bin:$PI{G}_{H}OME/bin:$HBASE_HOME/bin:$ZOOKEEPE{R}_{H}OME/bin:$JAVA_HOME/bin:$PATH

环境变量生效：source /etc/profile

（3）简单配置Hive：进入$HIVE_HOME/conf目录下，修改默认模板 Step 2.3.1：

在目录$HIV{E}_{H}OME/conf/下，执行命令mvhive-default.xml.templatehive-site.xml进行重命名在目录$HIVE_HOME/conf/下，执行命令mv hive-env.sh.template hive-env.sh进行重命名

Step 2.3.2：

修改hadoop的配置文件hadoop-env.sh，修改内容如下： 　　export HADOOP_CLASSPATH=.:$CLASSPATH:$HADOOP_CLASSPATH:$HADOOP_HOME/bin

在目录$HIVE_HOME/bin下面，修改文件hive-config.sh，增加以下内容： 　　export JAVA_HOME=/usr/local/jdk 　　export HIVE_HOME=/usr/local/hive 　　export HADOOP_HOME=/usr/local/hadoop

（4）简单安装MySQL

Step 2.4.1：

删除Linux上已经安装的mysql相关库信息: rpm -e xxxxxxx --nodeps

执行命令 rpm -qa |grep mysql 检查是否删除干净

Step 2.4.2：

执行命令 rpm -i MySQL-server-5.5.31-2.el6.i686.rpm 安装mysql服务端

启动 mysql 服务端，执行命令 mysqld_safe &

Step 2.4.3：

执行命令 rpm -i MySQL-client-5.5.31-2.el6.i686.rpm 安装mysql客户端

执行命令 mysql_secure_installation 设置root用户密码

（5）使用 MySQL 作为 Hive 的 metastore：

Step 2.5.1:

把mysql的jdbc驱动放置到hive的lib目录下：cp mysql-connector-java-5.1.10.jar /usr/local/hive/lib

Step 2.5.2:

修改hive-site.xml文件，修改内容如下：

　　javax.jdo.option.ConnectionURL 　　jdbc:mysql://hadoop-master:3306/hive?createDatabaseIfNotExist=true 　　javax.jdo.option.ConnectionDriverName 　　com.mysql.jdbc.Driver 　　javax.jdo.option.ConnectionUserName 　　root 　　javax.jdo.option.ConnectionPassword 　　admin

启动Hadoop

HDFS和Mapreduce是Hive架构的根基。因此，我们得先启动Hadoop，才能正确使用Hive。　

Hive的CLI命令行接口

（1）内部表：与数据库中的 Table 在概念上是类似，每一个 Table 在 Hive 中都有一个相应的目录存储数据。例如，一个表 test，它在 HDFS 中的路径为：/ warehouse/test。 warehouse是在 hive-site.xml 中由 ${hive.metastore.warehouse.dir} 指定的数据仓库的目录；

创建表

hive>CREATE TABLE t1(id int); // 创建内部表t1，只有一个int类型的id字段

hive>CREATE TABLE t2(id int, name string) ROW FORMAT DELIMITED FIELDS TERMINATED BY ‘\t’; // 创建内部表t2，有两个字段，它们之间通过tab分隔

加载数据 hive>LOAD DATA LOCAL INPATH ‘/root/id’ INTO TABLE t1; // 从本地文件加载 hive>LOAD DATA INPATH ‘/root/id’ INTO TABLE t1; // 从HDFS中加载

查看数据

hive>select * from t1; // 跟SQL语法类似

hive>select count(*) from t1; // hive也提供了聚合函数供使用

删除表

hive>drop table t1;

（2）分区表：所谓分区（Partition） 对应于数据库的 Partition 列的密集索引。在 Hive 中，表中的一个 Partition 对应于表下的一个目录，所有的 Partition 的数据都存储在对应的目录中。例如：test表中包含 date 和 city 两个 Partition，则对应于date=20130201, city = bj 的 HDFS 子目录为：/warehouse/test/date=20130201/city=bj。而对应于date=20130202, city=sh 的HDFS 子目录为：/warehouse/test/date=20130202/city=sh。

创建表

hive>CREATE TABLE t3(id int) PARTITIONED BY (day int);

加载表 hive>LOAD DATA LOCAL INPATH ‘/root/id’ INTO TABLE t1 PARTITION (day=22);

（3）桶表（Hash 表）：桶表是对数据进行哈希取值，然后放到不同文件中存储。数据加载到桶表时，会对字段取hash值，然后与桶的数量取模。把数据放到对应的文件中。

（4）外部表：它和 内部表 在元数据的组织上是相同的，而实际数据的存储则有较大的差异。外部表主要指向已经在 HDFS 中存在的数据，可以创建 Partition。

（5）视图操作：和关系数据库中的视图一个概念，可以向用户集中展现一些数据，屏蔽一些数据，提高数据库的安全性。

创建视图

hive> create view v1 as select * from t1;

查询视图

hive> select * from v1;

（6）查询操作：在Hive中，查询分为三种：基于Partition的查询、LIMIT Clause查询、Top N查询。

①基于Partition的查询：一般 SELECT 查询是全表扫描。但如果是分区表，查询就可以利用分区剪枝（input pruning）的特性，类似“分区索引“”，只扫描一个表中它关心的那一部分。Hive 当前的实现是，只有分区断言（Partitioned by）出现在离 FROM 子句最近的那个WHERE 子句中，才会启用分区剪枝。例如，如果 page_views 表（按天分区）使用 date 列分区，以下语句只会读取分区为‘2008-03-01’的数据。

SELECT page_views.* FROM page_views WHERE page_views.date >= ‘2013-03-01’ AND page_views.date <= ‘2013-03-01’

②LIMIT Clause查询：Limit 可以限制查询的记录数。查询的结果是随机选择的。下面的查询语句从 t1 表中随机查询5条记录：

SELECT * FROM t1 LIMIT 5

③Top N查询：和关系型数据中的Top N一样，排序后取前N个显示。下面的查询语句查询销售记录最大的 5 个销售代表：

SET mapred.reduce.tasks = 1 SELECT * FROM sales SORT BY amount DESC LIMIT 5

（7）连接操作：和关系型数据库中的各种表连接操作一样，在Hive中也可以进行表的内连接、外连接一类的操作：

导入ac信息表 hive> create table acinfo (name string,acip string) row format delimited fields terminated by ‘\t’ stored as TEXTFILE;

hive> load data local inpath ‘/home/acinfo/ac.dat’ into table acinfo;

内连接 select b.name,a.* from dim_ac a join acinfo b on (a.ac=b.acip) limit 10;

左外连接 select b.name,a.* from dim_ac a left outer join acinfo b on a.ac=b.acip limit 10;

Hive的Java API接口

（1）准备工作

①在服务器端启动Hive外部访问服务（不是在hive命令行模式下，而是普通模式下）：hive --service hiveserver >/dev/null 2>/dev/null & 　　 　　②导入Hive的相关jar包集合 　　 （2）第一个Hive程序：读取我们刚刚创建的内部表t1