尚硅谷大数据---06---hive01

文件：warehouse指的是仓库。

hive官方文档：https://hive.apache.org/

hadoop入门：https://www.jianshu.com/p/0d4a365ef350

hive的介绍：

一、Hive的介绍
1. Hive是一个数据仓库软件
        Hive可以使用SQL来促进对已经存在在分布式设备中的数据进行读，写和管理等操作！
        Hive在使用时，需要对已经存储的数据进行结构的投影(映射)
        Hive提供了一个命令行和JDBC的方式，让用户可以连接到hive！
        
        注意：Hive只能分析结构化的数据！
              Hive在Hadoop之上，使用hive的前提是先要安装Hadoop
              
              
2. Hive的特点
        ①Hive并不是一个关系型数据库,不是关系型数据库，hive只是分析更多的是查询的操作。
        ②不是基于OLTP(在线事务处理)设计
            OLTP设计的软件： 侧重点在事务的处理，和在线访问。一般RDMS都是基于OLTP设计  
        ③Hive无法做到实时查询，不支持行级别更新(update,delete)，hive是不支持随机写的，是存在hdfs上的，可以insert。 
        
        ④Hive要分析的数据存储在HDFS，hive为数据创建的表结构(schema)，存储在RDMS
        ⑤Hive基于OLAP(在线分析处理)设计
                OLAP设计的软件：侧重点在数据的分析上，不追求分析的效率！
        ⑥Hive使用类SQL，称为HQL对数据进行分析
        ⑦Hive容易使用，可扩展，有弹性

---02---

---03---

和数据库的对比：

---04---

hive查询wordCount：

3. WordCount
        如何用hive实现wordcount?
源文件：
hadoop    hive    hadoop
hadoop    hive
...

将源文件转为结构化的数据，交给etl
hadoop    1
hive    1
hadoop    1
...

①建表
        表需要根据存储的数据的结构创建！
        表要映射到数据的结构上
        create table a(word string,totalCount int) 
    
②写HQL： 
        select  word,sum(totalCount)
        from a 
        group by word

---05---

etl作用：https://blog.csdn.net/qq_41946557/article/details/102996488

hive和hadoop安装在192.168.244.133这台机器上。

安装hive。

不支持更新和删除的：

---06---

三部分：Hive hadoop 关系型数据库

分析的数据是存储在hdfs中的：

http://192.168.244.133:50070/dfshealth.html#tab-overview

http://192.168.244.133:8088/cluster

hive在hadoop的默认路径：/user/hive/warehouse/students

我们插入一条数据之后：

我们再建一个person1这个表：

插入一条数据则：

插入数据：

看下文件在那里：

---

我们编辑一个文件上传到hadoop，注意语句是如何写的：

库和表都是文件夹，数据是文件。

1.Hive要分析的数据是存储在HDFS上
			hive中的库的位置，在hdfs上就是一个目录！
			hive中的表的位置，在hdfs上也是一个目录，在所在的库目录下创建了一个子目录！
			hive中的数据，是存在在表目录中的文件！

我自己的练习：

看下hdfs的网页：

我们在hive查询下：

这个是因为没有指定分割符的原因。

如何修改呢？

在编辑模式不是插入模式，先按ctrl+v 再按crtl+a

查询：

为什么是null，是因为没有分隔符的。

分隔符，注意主要有几个分隔符：

总结：

1.Hive要分析的数据是存储在HDFS上
            hive中的库的位置，在hdfs上就是一个目录！
            hive中的表的位置，在hdfs上也是一个目录，在所在的库目录下创建了一个子目录！
            hive中的数据，是存在在表目录中的文件！
            
2. 在hive中，存储的数据必须是结构化的数据，而且
        这个数据的格式要和表的属性紧密相关！
        表在创建时，有分隔符属性，这个分隔符属性，代表在执行MR程序时，使用哪个分隔符去分割每行中的字段！
        
        hive中默认字段的分隔符： ctrl+A, 进入编辑模式，ctrl+V 再ctrl+A

---07---

注意文件里面是不存储字段信息的，只是存储数据。

元数据的存储：

实验，首先退出quit

再次启动找不到表了。

mysql主要是帮助hive去存储元数据的信息的，所以我们用mysql解决，我们首先要看下是不是有和mysql冲突的包：

卸载：

---08---

mysql安装
修改hive的配置，让其元数据配置到mysql中去。

按照文档倒入jar包和修改xml，此时我们在hive再创建一个数据库：

可以看到：

再次观察：

继续观察：

总结：

3. hive中的元数据(schema)存储在关系型数据库
        默认存储在derby中！
        derby是使用Java语言编写的一个微型，常用于内嵌在Java中的数据库！
        derby同一个数据库的实例文件不支持多个客户端同时访问！        
4. 将hive的元数据的存储设置存储在Mysql中！
        Mysql支持多用户同时访问一个库的信息！
        
        注意事项： ①metastore库的字符集必须是latin1
                   ②5.5mysql，改 binlog_format=mixed | ro w
                                默认为statement
            mysql的配置文件： /etc/my.cnf
        
①安装MySQL
        卸载时： 使用rpm -e卸载后，需要删除 /var/lib/mysql目录！
        检查：
        

5. 元数据的结构
        表的信息都存储在tbls表中，通过db_id和dbs表中的库进行外键约束！
        库的信息都存储在dbs表中！
        字段信息存在在column_v2表中，通过CD_ID和表的主键进行外键约束！

---9---

HiveJDBC的访问：用JDBC访问要有服务端和客户端的。

服务端：

再换一个窗口，客户端：

进入beeline：

查询：

写程序访问：

代码：

package com.atguigu.hive.jdbc;

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.PreparedStatement;
import java.sql.ResultSet;

public class HiveJdbc {
	
	public static void main(String[] args) throws Exception {
		
		//①加载驱动
		//Class.forName("org.apache.hive.jdbc.HiveDriver");
		
		//②创建连接
		Connection connection = DriverManager.getConnection("jdbc:hive2://hadoop102:10000", "atguigu", "");
		
		// ③准备SQL
		String sql="select * from default.person";
		
		// ④预编译sql
		PreparedStatement ps = connection.prepareStatement(sql);
		
		// ⑤执行sql
		ResultSet resultSet = ps.executeQuery();
		
		while(resultSet.next()) {
			
			System.out.println("name:"+resultSet.getString("name")+"---->age:"+
			resultSet.getInt("age"));
			
		}
		
		
	}

}

这段代码是可以查到的：

---11---

修改下默认的仓库：

再次进入hive。

再次建表：

---12---

---13---

mysql的一些操作

hive的日志在哪里------------------没看？

---14---

第一个参数配置：设置参数启动

第二个参数配置：指定启动之后连接哪个数据库的。

连接：

第三个参数配置：

第四个参数配置：读取文件

第一步：新建一个文件

第二步：

第五个参数配置：

第六个参数配置，不退出cli：

第七个参数配置：

第八个参数配置：

总结：

6. hive常用的交互参数

usage: hive
 -d,--define           Variable subsitution to apply to hive
                                  commands. e.g. -d A=B or --define A=B
				定义一个变量，在hive启动后，可以使用${变量名}引用变量	  
			 				
    --database      Specify the database to use
				指定使用哪个库
 
 -e          SQL from command line
				指定命令行获取的一条引号引起来的sql，执行完返回结果后退出cli!
				
 -f                     SQL from files
				执行一个文件中的sql语句！执行完返回结果后退出cli!
				
 -H,--help                        Print help information
    --hiveconf    Use value for given property
			在cli运行之前，定义一对属性！
			
	hive在运行时，先读取 hadoop的全部8个配置文件，读取之后，再读取hive-default.xml
	再读取hive-site.xml， 如果使用--hiveconf，可以定义一组属性，这个属性会覆盖之前读到的参数的值！
	
	
    --hivevar          Variable subsitution to apply to hive
                                  commands. e.g. --hivevar A=B
				作用和-d是一致的！
 -i                     Initialization SQL file
				先初始化一个sql文件，之后不退出cli
 -S,--silent                      Silent mode in interactive shell
				不打印和结果无关的信息
 -v,--verbose                     Verbose mode (echo executed SQL to the
                                  console)

---15---没看-----

其他的命令：

操作linux里面的东西：

---16---

hive的数据类型：

struct相当于java的对象，是那种只有属性的对象。

建表看文档。

如何查询：

---17---

数据转换看文档。

---18---

如何操作hive：

建立数据库语句：

对库可以修改的东西：

总结：

一、库的常见操作

1.增
  CREATE (DATABASE|SCHEMA) [IF NOT EXISTS] database_name
  [COMMENT database_comment]  // 库的注释说明
  [LOCATION hdfs_path]        // 库在hdfs上的路径
  [WITH DBPROPERTIES (property_name=property_value, ...)]; // 库的属性

  
  create database  if not exists mydb2 
  comment 'this is my db' 
  location 'hdfs://hadoop101:9000/mydb2' 
  with dbproperties('ownner'='jack','tel'='12345','department'='IT');
2.删
		drop database 库名： 只能删除空库
		drop database 库名 cascade： 删除非空库



3.改
		use 库名： 切换库
		
		dbproperties: alter database mydb2 set dbproperties('ownner'='tom','empid'='10001');
				同名的属性值会覆盖，之前没有的属性会新增

4.查
		show databases: 查看当前所有的库
		show tables in database: 查看库中所有的表
		desc database 库名： 查看库的描述信息
		desc database extended 库名： 查看库的详细描述信息

---19---

表的操作：

查看表：

总结：

一、表操作

1.增
CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name 
[(col_name data_type [COMMENT col_comment], ...)]   //表中的字段信息
[COMMENT table_comment] //表的注释

[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]  // 表中数据每行的格式，定义数据字段的分隔符，集合元素的分隔符等

[STORED AS file_format] //表中的数据要以哪种文件格式来存储，默认为TEXTFILE（文本文件）
					可以设置为SequnceFile或 Paquret,ORC等
[LOCATION hdfs_path]  //表在hdfs上的位置

①建表时，不带EXTERNAL，创建的表是一个MANAGED_TABLE(管理表，内部表)
	建表时，带EXTERNAL，创建的表是一个外部表！
	
	外部表和内部表的区别是： 
			内部表(管理表)在执行删除操作时，会将表的元数据(schema)和表位置的数据一起删除！
			外部表在执行删除表操作时，只删除表的元数据(schema)
			
	在企业中，创建的都是外部表！
		在hive中表是廉价的，数据是珍贵的！
			
	建表语句执行时： 
			hive会在hdfs生成表的路径；
			hive还会向MySQl的metastore库中掺入两条表的信息(元数据)
			
	管理表和外部表之间的转换：
		将表改为外部表：	alter table p1 set tblproperties('EXTERNAL'='TRUE');
				
		将表改为管理表：	alter table p1 set tblproperties('EXTERNAL'='FALSE');
		
		注意：在hive中语句中不区分大小写，但是在参数中严格区分大小写！


2.删
		drop table 表名：删除表

3.改

4.查
		desc  表名： 查看表的描述
		desc formatted 表名： 查看表的详细描述

如何显示建标语句：

---20---

这里明天说

---21---

Hive和mysql：https://blog.csdn.net/seaReal1/article/details/80073931