Hive概述及HQL之DDL、DML（1）
文章目录
- 前言
- 一、数据仓库介绍
- 1.1 数据仓库概念
- 1.2 数据仓库特点
- 1.3 数据仓库基础架构
- 二、Hive基本概念
- 2.1 Hive是什么
- 2.2 Hive的优缺点
- 2.3 Hive和数据库比较
- 2.3.1 查询语言
- 2.3.2 数据存储位置
- 2.3.3 数据更新
- 2.3.4 索引
- 2.3.5 执行
- 2.3.6 执行延迟
- 2.3.7 可扩展性
- 2.3.8 数据规模
- 三、Hive的架构原理
- 1．用户接口：Client
- 2．元数据：Metastore
- 3．Hadoop
- 4．驱动器：Driver
- 四、Hive安装部署
- 4.1 Hive安装地址
- 4.2 Hive安装部署
- 1．Hive安装及配置
- 2．Hadoop集群配置
- 3．Hive基本操作
- 4.3 将本地文件导入Hive案例
- 3．遇到的问题
- 4.4 MySQL安装（使用root用户）
- 4.4.1 安装包准备
- 4.4.2 安装MySQL服务器
- 4.4.3 安装MySQL客户端（使用root用户）
- 4.4.4 MySQL中user表中主机配置
- 4.5 Hive元数据配置到MySql
- 4.5.1 驱动拷贝
- 4.5.2 配置Metastore到MySQL
- 4.5.3 多窗口启动Hive测试
- 4.6 Hive常用交互命令
- 4.7 Hive其他命令操作
- 4.8 Hive常见属性参数配置
- 4.8.1 Hive数据仓库位置配置
- 4.8.2 查询后信息显示配置
- 4.8.3 Hive运行日志信息配置
- 五、 Hive数据类型
- 5.1 基本数据类型
- 5.2 类型转化
- 六、 DDL数据定义
- 6.1 创建数据库
- 6.2 查询数据库
- 6.2.1 显示数据库
- 6.2.2 查看数据库详情
- 6.3.3 切换当前数据库
- 6.3 删除数据库
- 6.4 创建表
- 6.4.1 管理表
- 6.4.2 外部表
- 6.5 分区表
- 6.6.1 分区表基本操作
- 6.5.2 分区表注意事项
- 6.6 修改表
- 6.6.1 重命名表
- 6.6.2 增加/修改列信息
- 6.7 删除表
- 七、 DML数据操作
- 7.1 数据导入
- 7.1.1 向表中装载数据（Load）
- 7.1.2 通过查询语句向表中插入数据（Insert）
- 7.1.3 查询语句中创建表并加载数据（As Select）
- 7.1.4 创建表时通过location指定加载数据路径
- 7.2 数据导出
- 7.2.1 Insert导出
- 7.2.2 Hadoop命令导出到本地
- 7.2.3 Hive Shell 命令导出到本地
- 7.3 清除表中数据（Truncate）
- ❤ღ( ´･ᴗ･` )比心
前言
你们好我是啊晨
今儿更新hive技术
废话不多说，内容很多选择阅读，详细。
请：
一、数据仓库介绍
1.1 数据仓库概念
首先是数据仓库大体的一个简单介绍认知，知晓可跳过
数据仓库是一个支持管理决策的数据集合。数据是面向主题的、集成的、不易丢失的并且是时变的。数据仓库是所有操作环境和外部数据源的快照集合。
1.2 数据仓库特点
面向主题：数据仓库都是基于某个明确主题，仅需要与该主题相关的数据，其他的无关细节数据将被排除掉。
集成的：从不同的数据源采集数据到同一个数据源，此过程会有一些ETL操作。
随时间变化：关键数据隐式或显式的基于时间变化。
信息本身相对稳定：数据装入以后一般只进行查询操作，没有传统数据库的增删改操作。
1.3 数据仓库基础架构
图12-1 数据仓库架构图
数据采集：数据采集层的任务就是把数据从各种数据源中采集和存储到数据存储上，期间有可能会做一些ETL操作。
数据源种类可以有多种：
日志：所占份额最大，存储在备份服务器上
业务数据库：如Mysql、Oracle
来自HTTP/FTP的数据：合作伙伴提供的接口
其他数据源：如Excel等需要手工录入的数据
数据存储与分析：HDFS是大数据环境下数据仓库/数据平台最完美的数据存储解决方案。
对于离线数据分析与计算，也就是对实时性要求不高的部分，Hive是不错的选择。Hadoop框架自然而然也提供了MapReduce接口，也可以使用MapReduce来做离线分析与计算。另外也使用Spark生态体系技术完成离线和实时计算分析。
数据共享：前面使用Hive、MR、Spark析和计算的结果，还是在HDFS上，但大多业务和应用不可能直接从HDFS上获取数据，那么就需要一个数据共享的地方，使得各业务和产品能方便的获取数据。这里的数据共享，其实指的是前面数据分析与计算后的结果存放的地方，其实就是关系型数据库和NOSQL数据库。
数据应用：
报表：报表所使用的数据，一般也是已经统计汇总好的，存放于数据共享层。
接口：接口的数据都是直接查询数据共享层即可得到。
即席查询：即席查询通常是现有的报表和数据共享层的数据并不能满足需求，需要从数据存储层直接查询。一般都是通过直接操作SQL得到。
二、Hive基本概念
2.1 Hive是什么
Hive：由Facebook开源用于解决海量结构化日志的数据统计的工具。Hive基于Hadoop来完成工作。
Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能，所提供的类SQL查询语言叫做HQL。
Hive的本质是一个翻译工具，将HQL语句转化为MapReduce程序在Hadoop平台执行，Hive使用MapReduce完成数据计算，数据存储在Hdfs之上，所以可以认为Hive是Hadoop的一个客户端。
2.2 Hive的优缺点
优点：
1)操作接口采用类SQL语法，提供快速开发的能力（简单、容易上手）。
2)避免了写MapReduce，减少开发人员的学习成本。
3)Hive的执行延迟比较高，因此Hive常用于数据分析，对实时性要求不高的场合。
4)Hive优势在于处理大数据，对于处理小数据没有优势，因为Hive的执行延迟比较高。
5)Hive支持用户自定义函数，用户可以根据自己的需求来实现自己的函数。
缺点：
1)迭代式算法无法表达
2)数据挖掘方面不擅长
3)Hive的效率比较低
4)Hive自动生成的MapReduce作业，通常情况下不够智能化
5)Hive调优比较困难，粒度较粗
6)Hive的HQL表达能力有限
2.3 Hive和数据库比较
由于 Hive 采用了类似SQL 的查询语言 HQL(Hive Query Language)，因此很容易将 Hive 理解为数据库。其实从结构上来看，Hive 和数据库除了拥有类似的查询语言，再无类似之处。本文将从多个方面来阐述 Hive 和数据库的差异。数据库可以用在 Online（在线） 的应用中，但是Hive 是为数据仓库而设计的，清楚这一点，有助于从应用角度理解 Hive 的特性。
2.3.1 查询语言
由于SQL被广泛的应用在数据仓库中，因此，专门针对Hive的特性设计了类SQL的查询语言HQL。熟悉SQL开发的开发者可以很方便的使用Hive进行开发。
2.3.2 数据存储位置
Hive 是建立在 Hadoop 之上的，所有 Hive 的数据都是存储在 HDFS 中的。而数据库则可以将数据保存在块设备或者本地文件系统中。
2.3.3 数据更新
由于Hive是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive中不建议对数据的改写，所有的数据都是在加载的时候确定好的。而数据库中的数据通常是需要经常进行修改的，因此可以使用 INSERT INTO … VALUES 添加数据，使用 UPDATE … SET修改数据。
2.3.4 索引
Hive在加载数据的过程中不会对数据进行任何处理，甚至不会对数据进行扫描，因此也没有对数据中的某些Key建立索引。Hive要访问数据中满足条件的特定值时，需要暴力扫描整个数据，因此访问延迟较高。由于 MapReduce 的引入， Hive 可以并行访问数据，因此即使没有索引，对于大数据量的访问，Hive 仍然可以体现出优势。数据库中，通常会针对一个或者几个列建立索引，因此对于少量的特定条件的数据的访问，数据库可以有很高的效率，较低的延迟。由于数据的访问延迟较高，决定了 Hive 不适合在线数据查询。
2.3.5 执行
Hive中大多数查询的执行是通过 Hadoop 提供的 MapReduce 来实现的。而数据库通常有自己的执行引擎。
2.3.6 执行延迟
Hive 在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟较高。另外一个导致 Hive 执行延迟高的因素是 MapReduce框架。由于MapReduce 本身具有较高的延迟，因此在利用MapReduce 执行Hive查询时，也会有较高的延迟。相对的，**数据库的执行延迟较低。**当然，这个低是有条件的，即数据规模较小，当数据规模大到超过数据库的处理能力的时候，Hive的并行计算显然能体现出优势。
2.3.7 可扩展性
由于Hive是建立在Hadoop之上的，因此Hive的可扩展性是和Hadoop的可扩展性是一致的（世界上最大的Hadoop 集群在 百度!，2015年的规模在1.3万 台节点左右）。而数据库由于 ACID 语义的严格限制，扩展性非常有限。目前最先进的并行数据库 Oracle 在理论上的扩展能力也只有100台左右。
2.3.8 数据规模
由于Hive建立在集群上并可以利用MapReduce进行并行计算，因此可以支持很大规模的数据；对应的，数据库可以支持的数据规模较小。
三、Hive的架构原理
1．用户接口：Client
CLI（hive shell）、JDBC/ODBC(java访问hive)、WEBUI（浏览器访问hive）
2．元数据：Metastore
元数据包括：表名、表所属的数据库（默认是default）、表的拥有者、列/分区字段、表的类型（是否是外部表）、表的数据所在目录等；
默认存储在自带的derby数据库中，推荐使用MySQL存储Metastore
3．Hadoop
使用HDFS进行存储，使用MapReduce进行计算。
4．驱动器：Driver
（1）解析器（SQL Parser）：将SQL字符串转换成抽象语法树AST，这一步一般都用第三方工具库完成，比如antlr；对AST进行语法分析，比如表是否存在、字段是否存在、SQL语义是否有误。
（2）编译器（Physical Plan）：将AST编译生成逻辑执行计划。
（3）优化器（Query Optimizer）：对逻辑执行计划进行优化。
（4）执行器（Execution）：把逻辑执行计划转换成可以运行的物理计划。对于Hive来说，就是MR/Spark。
简单来说：Hive通过给用户提供的一系列交互接口，接收到用户的指令(SQL)，使用自己的Driver，结合元数据(MetaStore)，将这些指令翻译成MapReduce，提交到Hadoop中执行，最后，将执行返回的结果输出到用户交互接口。
四、Hive安装部署
4.1 Hive安装地址
1．Hive官网地址
http://hive.apache.org/
2.下载地址
http://archive.apache.org/dist/hive/
4.2 Hive安装部署
1．Hive安装及配置
（1）把apache-hive-1.2.1-bin.tar.gz上传到linux的/opt/software目录下
（2）解压apache-hive-1.2.1-bin.tar.gz到/opt/module/目录下面
[hadoop@hadoop101 software]$ tar -zxvf apache-hive-1.2.1-bin.tar.gz -C /opt/module/
（3）修改apache-hive-1.2.1-bin.tar.gz的名称为hive
[hadoop@hadoop101 module]$ mv apache-hive-1.2.1-bin/ hive
（4）修改/opt/module/hive/conf目录下的hive-env.sh.template名称为hive-env.sh
[hadoop@hadoop101 conf]$ mv hive-env.sh.template hive-env.sh
（5）配置hive-env.sh文件
（a）配置HADOOP_HOME路径
export HADOOP_HOME=/opt/module/hadoop-2.7.2
（b）配置HIVE_CONF_DIR路径
export HIVE_CONF_DIR=/opt/module/hive/conf
2．Hadoop集群配置
（1）必须启动hdfs和yarn
[hadoop@hadoop101 hadoop-2.7.2]$ sbin/start-dfs.sh
[hadoop@hadoop102 hadoop-2.7.2]$ sbin/start-yarn.sh
在HDFS上创建/tmp和/user/hive/warehouse两个目录并修改他们的同组权限可写：
[root@hadoop101 hadoop-2.7.2]$ bin/hadoop fs -mkdir /tmp
[root@hadoop101 hadoop-2.7.2]$ bin/hadoop fs -mkdir -p /user/hive/warehouse
[root@hadoop101 hadoop-2.7.2]$ bin/hadoop fs -chmod g+w /tmp
[root@hadoop101 hadoop-2.7.2]$ bin/hadoop fs -chmod g+w /user/hive/warehouse
或者在配置文件中关闭权限检查。在hadoop 的hdfs-site.xml 中：
dfs.permissions.enable
false
3．Hive基本操作
（1）启动hive
[root@hadoop101 hive]$ bin/hive
（2）查看数据库
hive> show databases;
（3）打开默认数据库
hive> use default;
（4）显示default数据库中的表
hive> show tables;
（5）创建一张表
hive> create table student(id int, name string);
（6）显示数据库中有几张表
hive> show tables;
（7）查看表的结构
hive> desc student;
（8）向表中插入数据
hive> insert into student values(1000,"ss");
（9）查询表中数据
hive> select * from student;
（10）退出hive
hive> quit/exit;
4.3 将本地文件导入Hive案例
需求：
将本地/opt/module/datas/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/datas这个目录下准备数据
（1）在/opt/module/目录下创建datas
[root@hadoop101 module]$ mkdir datas
（2）在/opt/module/datas/目录下创建student.txt文件并添加数据
[root@hadoop101 datas]$ touch student.txt
[root@hadoop101 datas]$ vim student.txt
1001 zhangshan
1002 lishi
1003 zhaoliu
注意以tab键间隔。
2．Hive实际操作
（1）启动hive
[root@hadoop101 hive]$ bin/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’\t’
hive> create table student(id int, name string) ROW FORMAT DELIMITED FIELDS TERMINATED
BY '\t';
（7）加载/opt/module/datas/student.txt 文件到student数据库表中。
hive> load data local inpath '/opt/module/datas/student.txt' into table student;
（8）Hive查询结果
hive> select * from student;
OK
1001 zhangshan
1002 lishi
1003 zhaoliu
Time taken: 0.266 seconds, Fetched: 3 row(s)
3．遇到的问题
再打开一个客户端窗口启动hive，会产生java.sql.SQLException异常。
Exception in thread "main" java.lang.RuntimeException: java.lang.RuntimeException:
Unable to instantiate
org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient
at org.apache.hadoop.hive.ql.session.SessionState.start(SessionState.java:522)
at org.apache.hadoop.hive.cli.CliDriver.run(CliDriver.java:677)
at org.apache.hadoop.hive.cli.CliDriver.main(CliDriver.java:621)
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
at java.lang.reflect.Method.invoke(Method.java:606)
at org.apache.hadoop.util.RunJar.run(RunJar.java:221)
at org.apache.hadoop.util.RunJar.main(RunJar.java:136)
Caused by: java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient
at org.apache.hadoop.hive.metastore.MetaStoreUtils.newInstance(MetaStoreUtils.java:1523)
at org.apache.hadoop.hive.metastore.RetryingMetaStoreClient.(RetryingMetaStoreClient.java:86)
at org.apache.hadoop.hive.metastore.RetryingMetaStoreClient.getProxy(RetryingMetaStoreClient.java:132)
at org.apache.hadoop.hive.metastore.RetryingMetaStoreClient.getProxy(RetryingMetaStoreClient.java:104)
at org.apache.hadoop.hive.ql.metadata.Hive.createMetaStoreClient(Hive.java:3005)
at org.apache.hadoop.hive.ql.metadata.Hive.getMSC(Hive.java:3024)
at org.apache.hadoop.hive.ql.session.SessionState.start(SessionState.java:503)
... 8 more
原因是，Metastore默认存储在自带的derby数据库中，推荐使用MySQL存储Metastore。
4.4 MySQL安装（使用root用户）
4.4.1 安装包准备
1．查看mysql是否安装，如果安装了，卸载mysql
（1）查看
[root@hadoop101 桌面]# rpm -qa|grep mysql
mysql-libs-5.1.73-7.el6.x86_64
（2）卸载
[root@hadoop101 桌面]# rpm -e --nodeps mysql-libs-5.1.73-7.el6.x86_64
2．解压mysql-libs.zip文件到当前目录
[root@hadoop101 software]# unzip mysql-libs.zip
[root@hadoop101 software]# ls
mysql-libs.zip
mysql-libs
3．进入到mysql-libs文件夹下
[root@hadoop101 mysql-libs]# ll
总用量 76048
-rw-r--r--. 1 root root 18509960 3月 26 2015 MySQL-client-5.6.24-1.el6.x86_64.rpm
-rw-r--r--. 1 root root 3575135 12月 1 2013 mysql-connector-java-5.1.27.tar.gz
-rw-r--r--. 1 root root 55782196 3月 26 2015 MySQL-server-5.6.24-1.el6.x86_64.rpm
4.4.2 安装MySQL服务器
1．安装MySQL服务端
[hadoop@hadoop101 mysql-libs]# rpm -ivh MySQL-server-5.6.24-1.el6.x86_64.rpm
报错需要安装MySQL的依赖。
安装MySQL的依赖库：
yum install perl
yum install net-tools
2．查看产生的随机密码
[root@hadoop101 mysql-libs]# cat /root/.mysql_secret
OEXaQuS8IWkG19Xs
3．查看mysql状态
[root@hadoop101 mysql-libs]# service mysql status
4．启动mysql
[root@hadoop101 mysql-libs]# service mysql start
4.4.3 安装MySQL客户端（使用root用户）
1．安装MySQL客户端
[root@hadoop101 mysql-libs]# rpm -ivh MySQL-client-5.6.24-1.el6.x86_64.rpm
2．连接MySQL
[hadoop@hadoop101 mysql-libs]# mysql -uroot -pOEXaQuS8IWkG19Xs
3．修改密码
mysql>SET PASSWORD=PASSWORD('000000'); (大小写均可)
4．退出mysql
mysql>exit;
4.4.4 MySQL中user表中主机配置
配置：只要是root用户+密码，在任何主机上都能登录MySQL数据库（可远程访问）。
1．进入mysql
[root@hadoop101 mysql-libs]# mysql -uroot -p000000
2．显示数据库
mysql>show databases;
3．使用mysql数据库
mysql>use mysql;
4．展示mysql数据库中的所有表
mysql>show tables;
5．展示user表的结构
mysql>desc user;
6．查询user表
mysql>select user, host, password from user; (大小写均可)
7．修改user表，把Host字段内容修改为%
mysql>update user set host='%' where host='localhost';
8．删除root用户的其他host
mysql>delete from user where Host='hadoop101';
mysql>delete from user where Host='127.0.0.1';
mysql>delete from user where Host='::1';
9．刷新
mysql>flush privileges;
10．退出
mysql>quit;
4.5 Hive元数据配置到MySql
4.5.1 驱动拷贝
1．在/opt/software/mysql-libs目录下解压mysql-connector-java-5.1.27.tar.gz驱动包
[hadoop@hadoop101 mysql-libs]# tar -zxvf mysql-connector-java-5.1.27.tar.gz
2.拷贝/opt/software/mysql-libs/mysql-connector-java-5.1.27目录下的
mysql-connector-java-5.1.27-bin.jar到/opt/module/hive/lib/
[root@hadoop101 mysql-connector-java-5.1.27]# cp mysql-connector-java-5.1.27-bin.jar /opt/module/hive/lib/
4.5.2 配置Metastore到MySQL
1．在/opt/module/hive/conf目录下创建一个hive-site.xml
[root@hadoop101 conf]$ touch hive-site.xml
[root@hadoop101 conf]$ vi hive-site.xml
2．根据官方文档配置参数，拷贝数据到hive-site.xml文件中(第一句复制会报错)
https://cwiki.apache.org/confluence/display/Hive/AdminManual+MetastoreAdmin
javax.jdo.option.ConnectionURL
jdbc:mysql://hadoop101:3306/metastore?createDatabaseIfNotExist=true
JDBC connect string for a JDBC metastore
javax.jdo.option.ConnectionDriverName
com.mysql.jdbc.Driver
Driver class name for a JDBC metastore
javax.jdo.option.ConnectionUserName
root
username to use against metastore database
javax.jdo.option.ConnectionPassword
000000
password to use against metastore database
3．配置完毕后，如果启动hive异常，可以重新启动虚拟机。（重启后，别忘了启动hadoop集群）
4.5.3 多窗口启动Hive测试
1．先启动MySQL
[hadoop@hadoop101 mysql-libs]$ mysql -uroot -p000000
查看有几个数据库：
mysql> show databases;
+--------------------+
| Database |
+--------------------+
| information_schema |
| mysql |
| performance_schema |
| test |
+--------------------+
2．再次打开多个窗口，分别启动hive
[hadoop@hadoop101 hive]$ bin/hive
3．启动hive后，回到MySQL窗口查看数据库，显示增加了metastore数据库
mysql> show databases;
+--------------------+
| Database |
+--------------------+
| information_schema |
| metastore |
| mysql |
| performance_schema |
| test |
+--------------------+
4.6 Hive常用交互命令
[hadoop@hadoop101 hive]$ bin/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)
1．“-e”不进入hive的交互窗口执行sql语句
[hadoop@hadoop101 hive]$ bin/hive -e "select id from student;"
2．“-f”执行脚本中sql语句
（1）在/opt/module/datas目录下创建hivef.sql文件
[hadoop@hadoop101 datas]$ 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
[hadoop@hadoop101 hive]$ bin/hive -f /opt/module/datas/hivef.sql
（3）执行文件中的sql语句并将结果写入文件中
[hadoop@hadoop101 hive]$ bin/hive -f /opt/module/datas/hivef.sql > /opt/module/datas/hive_result.txt
4.7 Hive其他命令操作
1．退出hive窗口：
hive(default)>exit;
或者
hive(default)>quit;
2．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
（2）查看. hivehistory文件
[bigdata@hadoop102 ~]$ cat .hivehistory
4.8 Hive常见属性参数配置
4.8.1 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/warehouse
location of default database for the warehouse
配置同组用户有执行权限：
bin/hdfs dfs -chmod g+w /user/hive/warehouse
4.8.2 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，如图所示:
图12-1 配置前
（2）配置后，如图所示:
图12-2 配置后
4.8.3 Hive运行日志信息配置
1．Hive的log默认存放在/tmp/root/hive.log目录下（当前用户名下）
2．修改hive的log存放日志到/opt/module/hive/logs
（1）修改/opt/module/hive/conf/hive-log4j.properties.template文件名称为
hive-log4j.properties
[hadoop@hadoop101 conf]$ pwd
/opt/module/hive/conf
[hadoop@hadoop101 conf]$ mv hive-log4j.properties.template hive-log4j.properties
（2）在hive-log4j.properties文件中修改log存放位置
hive.log.dir=/opt/module/hive/logs
五、 Hive数据类型
5.1 基本数据类型
表12-1 Hive基本数据类型
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，不过它不能声明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。
5.2 类型转化
Hive的原子数据类型是可以进行隐式转换的，类似于Java的类型转换，例如某表达式使用INT类型，TINYINT会自动转换为INT类型，但是Hive不会进行反向转化。例如，某表达式使用TINYINT类型，INT不会自动转换为TINYINT类型，它会返回错误。
隐式类型转换规则如下：
（1）任何整数类型都可以隐式地转换为一个范围更广的类型，如TINYINT可以转换成INT，INT可以转换成BIGINT。
（2）所有整数类型、FLOAT和STRING类型都可以隐式地转换成DOUBLE。
（3）TINYINT、SMALLINT、INT都可以转换为FLOAT。
（4）BOOLEAN类型不可以转换为任何其它的类型。
六、 DDL数据定义
6.1 创建数据库
ddl 数据定义语言：影响到数据库和表的结构上的变化，create alter drop
dml 数据操作语言：不影响数据库和表的结构上的变化，但是会赢到数据内容，insert update delete
dql 数据查询语言：不影响结构，也不影响数据的变化，供查看使用
1）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;
2）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）
hive (default)> create database db_hive;
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. Database db_hive already exists
hive (default)> create database if not exists db_hive;
3）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';
6.2 查询数据库
6.2.1 显示数据库
1．显示数据库
hive> show databases;
2．过滤显示查询的数据库
hive> show databases like 'db_hive*';
OK
db_hive
db_hive_1
6.2.2 查看数据库详情
1．显示数据库信息
hive> desc database db_hive;
OK
db_hive hdfs://hadoop102:9000/user/hive/warehouse/db_hive.db bigdataUSER
6.3.3 切换当前数据库
hive (default)> use db_hive;
6.3 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
hive> drop database db_hive;
FAILED: SemanticException [Error 10072]: Database does not exist: db_hive
hive> 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
hive> drop database db_hive;
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. InvalidOperationException(message:Database db_hive is not empty. One or more tables exist.)
hive> drop database db_hive cascade;
6.4 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hdfs数据会被一起删除，而外部表只删除元数据，不删除hdfs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
（7）ROW FORMAT
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。
SerDe是Serialize/Deserilize的简称，目的是用于序列化和反序列化。
（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。
6.4.1 管理表
1．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(元数据和表数据都会删除掉)。管理表不适合和其他工具共享数据。
2．案例实操
（1）普通创建表
create table if not exists student3(
id int, name string
)
row format delimited fields terminated by '\t'
stored as textfile
location '/user/hive/warehouse/student3';
（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;
hive (default)> create table if not exists student33 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;
Table Type: MANAGED_TABLE
6.4.2 外部表
1．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。
2．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。
3．案例实操
分别创建部门和员工外部表，并向表中导入数据。
（1）原始数据
dept.txt
10 ACCOUNTING 1700
20 RESEARCH 1800
30 SALES 1900
40 OPERATIONS 1700
emp.txt
7369 SMITH CLERK 7902 1980-12-17 800.00 20
7499 ALLEN SALESMAN 7698 1981-2-20 1600.00 300.00 30
7521 WARD SALESMAN 7698 1981-2-22 1250.00 500.00 30
7566 JONES MANAGER 7839 1981-4-2 2975.00 20
7654 MARTIN SALESMAN 7698 1981-9-28 1250.00 1400.00 30
7698 BLAKE MANAGER 7839 1981-5-1 2850.00 30
7782 CLARK MANAGER 7839 1981-6-9 2450.00 10
7788 SCOTT ANALYST 7566 1987-4-19 3000.00 20
7839 KING PRESIDENT 1981-11-17 5000.00 10
7844 TURNER SALESMAN 7698 1981-9-8 1500.00 0.00 30
7876 ADAMS CLERK 7788 1987-5-23 1100.00 20
7900 JAMES CLERK 7698 1981-12-3 950.00 30
7902 FORD ANALYST 7566 1981-12-3 3000.00 20
7934 MILLER CLERK 7782 1982-1-23 1300.00 10
（2）建表语句
创建部门表：
create external table if not exists dept(
deptno int,
dname string,
loc int
)
row format delimited fields terminated by '\t';
创建员工表：
create external table if not exists emp(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int)
row format delimited fields terminated by '\t';
（3）查看创建的表
hive (default)> show tables;
OK
tab_name
dept
emp
（4）向外部表中导入数据
导入数据：
hive (default)> load data local inpath '/opt/module/datas/dept.txt' into table default.dept;
hive (default)> load data local inpath '/opt/module/datas/emp.txt' into table default.emp;
查询结果：
hive (default)> select * from emp;
hive (default)> select * from dept;
（5）查看表格式化数据
hive (default)> desc formatted dept;
Table Type: EXTERNAL_TABLE
6.5 分区表
分区表实际上就是对应一个HDFS文件系统上的独立的文件夹，该文件夹下是该分区所有的数据文件。Hive中的分区就是分目录，把一个大的数据集根据业务需要分割成小的数据集。在查询时通过WHERE子句中的表达式选择查询所需要的指定的分区，这样的查询效率会提高很多。
6.6.1 分区表基本操作
1．引入分区表（需要根据日期对日志进行管理）
/user/hive/warehouse/log_partition/20180702/20180702.log
/user/hive/warehouse/log_partition/20180703/20180703.log
/user/hive/warehouse/log_partition/20180704/20180704.log
2．创建分区表语法
hive (default)> create table dept_partition(
deptno int, dname string, loc string
)
partitioned by (month string)
row format delimited fields terminated by '\t';
3．加载数据到分区表中
hive (default)> load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition partition(month='201809');
hive (default)> load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition partition(month='201808');
hive (default)> load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition partition(month='201807’);
两个作用：上传数据、创建分区关系
4．查询分区表中数据
单分区查询：
hive (default)> select * from dept_partition where month='201809';
多分区联合查询：
hive (default)> select * from dept_partition where month='201809'
union
select * from dept_partition where month='201808'
union
select * from dept_partition where month='201807';
_u3.deptno _u3.dname _u3.loc _u3.month
10 ACCOUNTING NEW YORK 201807
10 ACCOUNTING NEW YORK 201808
10 ACCOUNTING NEW YORK 201809
20 RESEARCH DALLAS 201807
20 RESEARCH DALLAS 201808
20 RESEARCH DALLAS 201809
30 SALES CHICAGO 201807
30 SALES CHICAGO 201808
30 SALES CHICAGO 201809
40 OPERATIONS BOSTON 201807
40 OPERATIONS BOSTON 201808
40 OPERATIONS BOSTON 201809
5．增加分区
创建单个分区：
hive (default)> alter table dept_partition add partition(month='201806') ;
同时创建多个分区，用空格分开：
hive (default)> alter table dept_partition add partition(month='201805') partition(month='201804');
6．删除分区
删除单个分区：
hive (default)> alter table dept_partition drop partition (month='201804');
同时删除多个分区，用逗号分开：
hive (default)> alter table dept_partition drop partition (month='201805'), partition (month='201806');
7．查看分区表有多少分区
hive> show partitions dept_partition;
8．查看分区表结构
hive> desc formatted dept_partition;
#Partition Information
#col_name data_type comment
month string
6.5.2 分区表注意事项
1．创建二级分区表
hive (default)> create table dept_partition2(
deptno int, dname string, loc string
)
partitioned by (month string, day string)
row format delimited fields terminated by '\t';
2．正常的加载数据
（1）加载数据到二级分区表中
hive (default)> load data local inpath '/opt/module/datas/dept.txt' into table
default.dept_partition2 partition(month='201809', day='13');
（2）查询分区数据
hive (default)> select * from dept_partition2 where month='201809' and day='13';
3．把数据直接上传到分区目录上，让分区表和数据产生关联的三种方式
（1）方式一：上传数据后修复
上传数据：
hive (default)> dfs -mkdir -p
/user/hive/warehouse/dept_partition2/month=201809/day=12;
hive (default)> dfs -put /opt/module/datas/dept.txt /user/hive/warehouse/dept_partition2/month=201809/day=12;
查询数据（查询不到刚上传的数据）：
hive (default)> select * from dept_partition2 where month='201809' and day='12';
执行修复命令：
hive> msck repair table dept_partition2;
再次查询数据：
hive (default)> select * from dept_partition2 where month='201809' and day='12';
（2）方式二：上传数据后添加分区
上传数据：
hive (default)> dfs -mkdir -p
/user/hive/warehouse/dept_partition2/month=201809/day=11;
hive (default)> dfs -put /opt/module/datas/dept.txt /user/hive/warehouse/dept_partition2/month=201809/day=11;
执行添加分区：
hive (default)> alter table dept_partition2 add partition(month='201809',
day='11');
查询数据：
hive (default)> select * from dept_partition2 where month='201809' and day='11';
（3）方式三：上传数据后load数据到分区
创建目录：
hive (default)> dfs -mkdir -p
/user/hive/warehouse/dept_partition2/month=201809/day=10;
上传数据：
hive (default)> load data local inpath '/opt/module/datas/dept.txt' into table
dept_partition2 partition(month='201809',day='10');
查询数据：
hive (default)> select * from dept_partition2 where month='201809' and day='10';
6.6 修改表
6.6.1 重命名表
1．语法
ALTER TABLE table_name RENAME TO new_table_name
2．实操案例
hive (default)> alter table dept_partition2 rename to dept_partition3;
6.6.2 增加/修改列信息
1．语法
更新列
ALTER TABLE table_name CHANGE [COLUMN] col_old_name col_new_name column_type [COMMENT col_comment]
增加列
ALTER TABLE table_name ADD COLUMNS (col_name data_type [COMMENT col_comment], ...)
注：ADD是代表新增一字段，字段位置在所有列后面
2．实操案例
（1）查询表结构
hive> desc dept_partition;
（2）添加列
hive (default)> alter table dept_partition add columns(deptdesc string);
（3）查询表结构
hive> desc dept_partition;
（4）更新列
hive (default)> alter table dept_partition change column deptdesc desc int;
（5）查询表结构
hive> desc dept_partition;
6.7 删除表
hive (default)> drop table dept_partition;
七、 DML数据操作
7.1 数据导入
7.1.1 向表中装载数据（Load）
1．语法
hive> load data [local] inpath '/opt/module/datas/student.txt' [overwrite] into table student
（1）load data:表示加载数据
（2）local:表示从本地加载数据到hive表（复制）；否则从HDFS加载数据到hive表（移动）
（3）inpath:表示加载数据的路径
（4）overwrite into:表示覆盖表中已有数据，否则表示追加
（5）into table:表示加载到哪张表
（6）student:表示具体的表
2．实操案例
（0）创建一张表
hive (default)> create table student(id string, name string) row format delimited fields terminated by '\t';
（1）加载本地文件到hive
hive (default)> load data local inpath '/opt/module/datas/student.txt' into table default.student;
（2）加载HDFS文件到hive中
上传文件到HDFS
[root@hadoop102 hadoop-2.7.2]# hadoop fs -mkdir -p /user/root/hive
hive (default)> dfs -put /opt/module/datas/student.txt /user/root/hive;
加载HDFS上数据
hive (default)> load data inpath '/user/root/hive/student.txt' into table default.student;
（3）加载数据覆盖表中已有的数据
上传文件到HDFS
hive (default)> dfs -put /opt/module/datas/student.txt /user/root/hive;
加载数据覆盖表中已有的数据
hive (default)> load data inpath '/user/root/hive/student.txt' overwrite into table default.student;
7.1.2 通过查询语句向表中插入数据（Insert）
1．创建一张表
hive (default)> create table student(id int, name string) row format delimited fields terminated by '\t';
2．基本插入数据
hive (default)> insert into table student values(1,'wangwang');
7.1.3 查询语句中创建表并加载数据（As Select）
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;
7.1.4 创建表时通过location指定加载数据路径
1．创建表，并指定在hdfs上的位置
hive (default)> create table if not exists student4(
id int, name string
)
row format delimited fields terminated by '\t'
location '/user/hive/warehouse/student4';
2．上传数据到hdfs上
hive (default)> dfs -put /opt/module/datas/student.txt
/user/hive/warehouse/student4;
3．查询数据
hive (default)> select * from student4;
7.2 数据导出
7.2.1 Insert导出
1．将查询的结果导出到本地
hive (default)> insert overwrite local directory '/opt/module/datas/export/student'
select * from student;
2．将查询的结果格式化导出到本地
hive(default)>insert overwrite local directory '/opt/module/datas/export/student1'
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' select * from student;
3．将查询的结果导出到HDFS上(没有local)
hive (default)> insert overwrite directory '/user/bigdata/student2'
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
select * from student;
7.2.2 Hadoop命令导出到本地
hive (default)> dfs -get /user/hive/warehouse/student/month=201809/student.txt
/opt/module/datas/export/student3.txt;
7.2.3 Hive Shell 命令导出到本地
基本语法：（hive -f/-e 执行语句或者脚本 > file）
[hadoop@hadoop101 hive]$ bin/hive -e 'select * from default.student;' >
/opt/module/datas/export/student4.txt;
7.3 清除表中数据（Truncate）
注意：Truncate只能删除管理表，不能删除外部表中数据
hive (default)> truncate table student;
❤ღ( ´･ᴗ･` )比心
未完，有些多但是都是干货，一定敲敲敲着去理解，一起加油！下篇继续更新，谢谢点赞支持