Hive 常用配置、操作、数据类型 及DDL语句。

Hive 常见属性配置

1.Hive数据仓库位置配置

1.Default数据仓库的最原始位置是在hdfs上的：/user/hive/warehouse路径下

2.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。

3.修改default数据仓库原始位置（将hive-default.xml.template如下配置信息拷贝到hive-site.xml文件中）

hive.metastore.warehouse.dir
/user/hive/warehouse111
location of default database for the warehouse

配置同组用户有执行权限
hdfs dfs -mkdir /user/hive/warehouse111
bin/hdfs dfs -chmod g+w /user/hive/warehouse111

查询后信息显示配置

1.在hive-site.xml文件中添加如下配置信息，就可以实现显示当前数据库，以及查询表的头信息配置。

	hive.cli.print.header
	true



	hive.cli.print.current.db
	true

2.重新启动hive，对比配置前后差异
1.配置前

2.配置后

将本地文件导入Hive案例

需求：将本地 /opt/module/hiveTest/student.txt 这个目录下的数据导入到 hive 的 student(id int, name string) 表中。
1.数据准备：在 /opt/module/hiveTest/student.txt 这个目录下准备数据

（1）在 /opt/module/ 目录下创建 hiveTest
[root@bigdata111 module]# mkdir hiveTest

（2）在/opt/module/hiveTest/目录下创建student.txt文件并添加数据
[root@bigdata111 hiveTest]# touch student.txt
[root@bigdata111 hiveTest]# vi student.txt
1001,zhangsan
1002,lisi
1003,wangwu
注意以 , 键间隔。(英文逗号）

2.Hive实际操作

（1）启动hive
[root@bigdata111 hiveTest]# hive

（2）显示数据库
hive>show databases;

（3）使用default数据库
hive>use default;

（4）显示default数据库中的表
hive>show tables;

（5）删除已创建的student表
hive> drop table student;

（6）创建student表, 并声明文件分隔符’,’
hive> create table student(id int, name string) ROW FORMAT DELIMITED FIELDS TERMINATED BY ‘,’;

（7）加载/opt/module/datas/student.txt 文件到student数据库表中。
hive>load data local inpath ‘/opt/module/hiveTest/student.txt’ into table student;

（8）Hive查询结果
hive> select * from student;

本地加载数据（数据不匹配（分隔符和数据类型）的时候，查看表中数据是 NULL）。

Hive 常用交互命令

[root@bigdata111 hiveTest]# hive -help

usage: hive
 -d,--define           Variable subsitution to apply to hive
                                  commands. e.g. -d A=B or --define A=B
    --database      Specify the database to use
 -e          SQL from command line
 -f                     SQL from files
 -H,--help                        Print help information
    --hiveconf    Use value for given property
    --hivevar          Variable subsitution to apply to hive
                                  commands. e.g. --hivevar A=B
 -i                     Initialization SQL file
 -S,--silent                      Silent mode in interactive shell
 -v,--verbose                     Verbose mode (echo executed SQL to the
                                  console)

“-e”不进入hive的交互窗口执行sql语句
hive -e "select id from student;"

“-f”执行脚本中sql语句
（1）在/opt/module/hiveTest目录下创建hivef.sql文件
touch hivef.sql
文件中写入正确的sql语句
select *from student;
（2）执行文件中的sql语句
hive -f /opt/module/hiveTest/hivef.sql
（3）执行文件中的sql语句并将结果写入文件中(注：可能含有其他的表信息，如表头)
hive -f /opt/module/hiveTest/hivef.sql > /opt/module/hiveTest/hive_result.txt

Hive其他命令操作

1.退出hive窗口：
hive(default)>exit;
hive(default)>quit;
在新版的oracle中没区别了，在以前的版本是有的：
exit:先隐性提交数据，再退出；
quit:不提交数据，退出；

2.在hive cli命令窗口中如何查看hdfs文件系统
hive(default)>dfs -ls /;

3.在hive cli命令窗口中如何查看hdfs本地系统（标准Linux命令）
hive(default)>! ls /opt/module/datas;

4.查看在hive中输入的所有历史命令
（1）进入到当前用户的根目录/root或/home/root
（2）查看. hivehistory文件

Hive参数配置方式

1.查看当前所有的配置信息
hive>set;

2.参数的配置三种方式
（1）配置文件方式
默认配置文件：hive-default.xml
用户自定义配置文件：hive-site.xml
注意：用户自定义配置会覆盖默认配置。另外，Hive也会读入Hadoop的配置，因为Hive是作为Hadoop的客户端启动的，Hive的配置会覆盖Hadoop的配置。配置文件的设定对本机启动的所有Hive进程都有效。

（2）命令行参数方式
启动Hive时，可以在命令行添加-hiveconf param=value来设定参数。
例如：
bin/hive -hiveconf mapred.reduce.tasks=10;
注意：仅对本次hive启动有效
查看参数设置：
hive (default)> set mapred.reduce.tasks;
显示为：mapred.reduce.tasks=10
默认mapred.reduce.tasks=-1

（3）参数声明方式
可以在HQL中使用SET关键字设定参数
例如：
hive (default)> set mapred.reduce.tasks=10;
注意：仅对本次hive启动有效。
查看参数设置
hive (default)> set mapred.reduce.tasks;
上述三种设定方式的优先级依次递增。即配置文件<命令行参数<参数声明。注意某些系统级的参数，例如 log4j 相关的设定，必须用前两种方式设定，因为那些参数的读取在会话建立以前已经完成了。

配置文件中修改（永久）
Hive交互窗口中修改（临时，针对本窗口）
Hive在命令行中修改（临时，针对本窗口）

Hive数据类型

基本数据类型

Hive数据类型	Java数据类型	长度	例子
TINYINT	byte	1byte有符号整数	20
SMALINT	short	2byte有符号整数	20
INT	int	4byte有符号整数	20
BIGINT	long	8byte有符号整数	20
BOOLEAN	boolean	布尔类型，true或者false	TRUE FALSE
FLOAT	float	单精度浮点数	3.14159
DOUBLE	double	双精度浮点数	3.14159
STRING	String	字符系列。可以指定字符集。可以使用单引号或者双引号。	‘now is the time’ “for all good men”
TIMESTAMP		时间类型
BINARY		字节数组

对于Hive的String类型相当于数据库的varchar类型，该类型是一个可变的字符串，不过它不能 其中最多能存储多少个字符，理论上它可以存储2GB的字符数。

集合数据类型

数据类型	描述	语法示例
STRUCT	和c语言中的struct类似，都可以通过“点”符号访问元素内容。例如，如果某个列的数据类型是STRUCT{first STRING, last STRING},那么第1个元素可以通过字段.first来引用。	struct()
MAP	MAP是一组键-值对元组集合，使用数组表示法可以访问数据。例如，如果某个列的数据类型是MAP，其中键->值对是’first’->’John’和’last’->’Doe’，那么可以通过字段名[‘last’]获取最后一个元素	map()
ARRAY	数组是一组具有相同类型和名称的变量的集合。这些变量称为数组的元素，每个数组元素都有一个编号，编号从零开始。例如，数组值为[‘John’, ‘Doe’]，那么第2个元素可以通过数组名[1]进行引用。	Array()

Hive有三种复杂数据类型ARRAY、MAP 和 STRUCT。ARRAY和MAP与Java中的Array和Map类似，而STRUCT与C语言中的Struct类似，它封装了一个命名字段集合，复杂数据类型允许任意层次的嵌套。

实例操作

假设某表有如下一行，我们用JSON格式来表示其数据结构。在Hive下访问的格式为

{
    "name": "songsong",
    "friends": ["bingbing" , "lili"] ,       //列表Array, 
    "children": {                      //键值Map,
        "xiao song": 18 ,
        "xiaoxiao song": 17  
  }
    "address": {                      //结构Struct,
        "street": "hai dian qu" ,
        "city": "beijing" 
    }
}

基于上述数据结构，我们在Hive里创建对应的表，并导入数据。
创建本地测试文件test.txt

songsong,bingbing_lili,xiao song:18_xiaoxiao song:17,hai dian qu_beijing
yangyang,caicai_susu,xiao yang:18_xiaoxiao yang:19,chao yang_beijing

注意，MAP，STRUCT和ARRAY里的元素间关系都可以用同一个字符表示，这里用“_”。

Hive上创建测试表test*

create table test(
name string,
friends array,
children map,
address struct
)
row format delimited fields terminated by ','
collection items terminated by '_'
map keys terminated by ':'
lines terminated by '\n';

字段解释

字段	解释
row format delimited fields terminated by ‘,’	– 列分隔符
collection items terminated by ‘_’	–MAP STRUCT 和 ARRAY 的分隔符(数据分割符号)
map keys terminated by ‘:’	– MAP中的key与value的分隔符
lines terminated by ‘\n’;	– 行分隔符

导入文本数据到测试表
hive (default)> load data local inpath ‘/opt/module/hiveTest/test.txt’ into table test;

访问三种集合列里的数据，以下分别是ARRAY，MAP，STRUCT的访问方式

如果起别名：select friends[1] as pengyou from test where name=“songsong”;

DDL数据定义

数据库模式定义语言DDL(Data Definition Language)，是用于描述数据库中要存储的现实世界实体的语言。

创建数据库

创建一个数据库，数据库在HDFS上的默认存储路径是/user/hive/warehouse/*.db。
hive (default)> create database db_hive;
可能出现的报错：
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. MetaException(message:For direct MetaStore DB connections, we don’t support retries at the client level.)
解决办法：https://blog.csdn.net/mo_ing/article/details/81219533

避免要创建的数据库已经存在错误，增加 if not exists 判断。（标准写法）

创建一个数据库，指定数据库在HDFS上存放的位置
hive (default)> create database db_hive2 location ‘/db_hive2.db’;

修改数据库

用户可以使用ALTER DATABASE命令为某个数据库的DBPROPERTIES设置键-值对属性值，来描述这个数据库的属性信息。数据库的其他元数据信息都是不可更改的，包括数据库名和数据库所在的目录位置。
hive (default)> alter database db_hive set dbproperties(‘createtime’=‘20190912’);
在mysql中查看修改结果
hive> desc database extended db_hive;

显示数据库

显示数据库
hive> show databases;
过滤显示查询的数据库
hive> show databases like 'db_hive*';
OK
db_hive
db_hive_1

切换当前数据库

hive (default)> use db_hive;

删除数据库

1.删除空数据库
hive>drop database db_hive2;

2.如果删除的数据库不存在，最好采用 if exists判断数据库是否存在
drop database if exists db_hive2;

3.如果数据库不为空，可以采用cascade命令，强制删除
drop database db_hive cascade;

创建表

1.建表语法
CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name
[(col_name data_type [COMMENT col_comment], …)]
[COMMENT table_comment]
[PARTITIONED BY (col_name data_type [COMMENT col_comment], …)]
[CLUSTERED BY (col_name, col_name, …)
[SORTED BY (col_name [ASC|DESC], …)] INTO num_buckets BUCKETS]
[ROW FORMAT row_format]
[STORED AS file_format]
[LOCATION hdfs_path]

2.字段解释说明：
（1）CREATE TABLE 创建一个指定名字的表。如果相同名字的表已经存在，则抛出异常；用户可以用 IF NOT EXISTS选项来忽略这个异常。
（2）EXTERNAL关键字可以让用户创建一个外部表，在建表的同时指定一个指向实际数据的路径（LOCATION），Hive创建内部表时，会将数据移动到数据仓库指向的路径；若创建外部表，仅记录数据所在的路径，不对数据的位置做任何改变。在删除表的时候，内部表的元数据和数据会被一起删除，而外部表只删除元数据，不删除数据。
（3）COMMENT：为表和列添加注释。
（4）PARTITIONED BY 创建分区表
（5）CLUSTERED BY 创建分桶表
（6）SORTED BY 不常用（全局排序）
（7）ROW FORMAT （格式化分隔符）
DELIMITED [FIELDS TERMINATED BY char] [COLLECTION ITEMS TERMINATED BY char]
[MAP KEYS TERMINATED BY char] [LINES TERMINATED BY char]
| SERDE serde_name [WITH SERDEPROPERTIES (property_name=property_value, property_name=property_value, …)]
用户在建表的时候可以自定义SerDe或者使用自带的SerDe。如果没有指定ROW FORMAT 或者ROW FORMAT DELIMITED，将会使用自带的SerDe。在建表的时候，用户还需要为表指定列，用户在指定表的列的同时也会指定自定义的SerDe，Hive通过SerDe确定表的具体的列的数据。
（8）STORED AS指定存储文件类型
常用的存储文件类型：SEQUENCEFILE（二进制序列文件）、TEXTFILE（文本）、RCFILE（列式存储格式文件）
如果文件数据是纯文本，可以使用STORED AS TEXTFILE。如果数据需要压缩，使用 STORED AS SEQUENCEFILE。
（9）LOCATION ：指定表在HDFS上的存储位置。
（10）LIKE允许用户复制现有的表结构，但是不复制数据。

管理表（内部表）

理论
默认创建的表都是所谓的管理表，有时也被称为内部表。因为这种表，Hive会（或多或少地）控制着数据的生命周期。Hive默认情况下会将这些表的数据存储在由配置项hive.metastore.warehouse.dir(例如，/user/hive/warehouse)所定义的目录的子目录下。 当我们删除一个管理表时，Hive也会删除这个表中数据。管理表不适合和其他工具共享数据。
案例实操

（1）普通创建表
create table if not exists student2(
id int, name string
)
row format delimited fields terminated by ‘\t’
stored as textfile
location ‘/user/hive/warehouse/student2’;

（2）根据查询结果创建表（查询的结果会添加到新创建的表中）
create table if not exists student3
as select id, name from student;

（3）根据已经存在的表结构创建表
create table if not exists student4 like student;

（4）查询表的类型
hive (default)> desc formatted student2;

外部表

理论
因为表是外部表，所以Hive并非认为其完全拥有这份数据。删除该表并不会删除掉这份数据，不过描述表的元数据信息会被删除掉。

管理表和外部表的使用场景：
每天将收集到的网站日志定期流入 HDFS 文本文件。在外部表（原始日志表）的基础上做大量的统计分析，用到的中间表、结果表使用内部表存储，数据通过 SELECT+INSERT 进入内部表。