数据仓库Hive

• Hive产生背景
• Hive概述
• HIve体系架构
• Hive部署架构
• Hive和RDBMS区别
• Hive部署以及快速入门
• HIve DDL详解
• Hive DML详解

---

1. MapReduce编程的不便性
2. 传统RDBMS人员的需求

1. 由Facebook开源，用于解决海量结构化日志的数据统计问题
2. 构建在Hadoop之上的数据仓库（Hive的数据存放在HDFS之上，可以通过MapReduce计算，并且提交到YARN上运行）
3. Hive提供的SQL查询语言：HQL
4. 底层支持多种不同的执行引擎（MR / Tez / Spark）

为什么要使用Hive

1. 简单，容易上手
2. 为超大数据集设计的计算/扩展能力
3. 统一的元数据管理 （Hive数据是存放在HDFS上，元数据信息是存放在MySQL中）

image.png

• 
  
  image.png

Command-line shell: 命令行
Thrift/JDBC：server/client WebUI（HUE/Zeppelin 一组WEB应用，用于和MRS大数据组件进行交互）

MetaStore：元数据管理
----- database：name、location、owner
----- table：name、location、owner、column、name/type

Diver：

• 
  
  image.png

• 
  主要用于离线处理

1. 下载
2. 解压
3. 添加HIVE_HOME到系统环境变量
4. 修改配置 hive-env.sh hive-site.xml(元数据存储的地方)
5. 拷贝MySQL驱动包到$HIVE_HOME/lib
6. 前提是要安装一个MySQL数据库

• 
  Hive Data Definition Laanguage
  https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL

HIve数据抽象/结构
database HDFS一个目录
===table HDFS一个目录
=====data 文件
=====partition 分区表
=========bucket 分桶

CREATE [REMOTE] (DATABASE|SCHEMA) [IF NOT EXISTS] database_name
  [COMMENT database_comment]
  [LOCATION hdfs_path]
  [MANAGEDLOCATION hdfs_path]
  [WITH DBPROPERTIES (property_name=property_value, ...)];

/user/hive/warehouse是Hive默认的存储在HDFS上的路径

• 
  https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DML

LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)]
 
LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)] [INPUTFORMAT 'inputformat' SERDE 'serde'] (3.0 or later)

LOACL: 本地系统，如果没有local就指的是HDFS路径
OVERWRITE:数据覆盖，如果没有就是追加