第1页 / 共62页
第2页 / 共62页
第3页 / 共62页
第4页 / 共62页
第5页 / 共62页
第6页 / 共62页
第7页 / 共62页
第8页 / 共62页
hive用户指南.doc
1.HIVE结构
1.1HIVE架构
1.2Hive 和 Hadoop 关系
1.3Hive 和普通关系数据库的异同
1.4HIVE元数据库
1.4.1DERBY
1.4.2Mysql
1.5HIVE的数据存储
1.6其它HIVE操作
2.HIVE 基本操作
2.1create table
2.1.1总述
2.1.2语法
2.1.3基本例子
2.1.4创建分区
2.1.5其它例子
2.2Alter Table
2.2.1Add Partitions
2.2.2Drop Partitions
2.2.3Rename Table
2.2.4Change Column
2.2.5Add/Replace Columns
2.3Create View
2.4Show
2.5Load
2.6Insert
2.6.1Inserting data into Hive Tables from queries
2.6.2Writing data into filesystem from queries
2.7Cli
2.7.1Hive Command line Options
2.7.2Hive interactive Shell Command
2.7.3Hive Resources
2.7.4调用python、shell等语言
2.8DROP
2.9其它
2.9.1Limit
2.9.2Top k
2.9.3REGEX Column Specification
3.Hive Select
3.1Group By
3.2Order /Sort By
4.Hive Join
5.HIVE参数设置
6.HIVE UDF
6.1基本函数
6.1.1关系操作符
6.1.2代数操作符
6.1.3逻辑操作符
6.1.4复杂类型操作符
6.1.5内建函数
6.1.6数学函数
6.1.7集合函数
6.1.8类型转换
6.1.9日期函数
6.1.10条件函数
6.1.11字符串函数
6.2UDTF
6.2.1Explode
7.HIVE 的MAP/REDUCE
7.1JOIN
7.2GROUP BY
7.3DISTINCT
8.使用HIVE注意点
8.1字符集
8.2压缩
8.3count(distinct)
8.4JOIN
8.5DML操作
8.6HAVING
8.7子查询
8.8Join中处理null值的语义区别
8.9分号字符
8.10Insert
8.10.1新增数据
8.10.2插入次序
8.10.3初始值
9.优化
9.1HADOOP计算框架特性
9.2优化的常用手段
9.3全排序
9.3.1例1
9.3.2例2
9.4怎样做笛卡尔积
9.5怎样写exist/in子句
9.6怎样决定reducer个数
9.7合并MapReduce操作
9.8Bucket 与 sampling
9.9Partition
9.10JOIN
9.10.1JOIN原则
9.10.2Map Join
9.11数据倾斜
9.11.1空值数据倾斜
9.11.2不同数据类型关联产生数据倾斜
9.11.3大表Join的数据偏斜
9.12合并小文件
9.13Group By
10.HIVE FAQ
11.常用参考资料路径
Hive 用户指南 v1.0
1
目录
1.4.1
1.4.2
1.
2.
3.
4.
2.2.1
2.2.2
2.2.3
2.2.4
2.2.5
HIVE 结构 ....................................................................................................................................5
1.1
HIVE 架构 ......................................................................................................................5
Hive 和 Hadoop 关系 ..................................................................................................6
1.2
Hive 和普通关系数据库的异同 ..................................................................................7
1.3
1.4
HIVE 元数据库 ............................................................................................................... 8
DERBY................................................................................................................. 8
Mysql .................................................................................................................. 9
HIVE 的数据存储 ....................................................................................................... 10
1.5
1.6 其它 HIVE 操作 .......................................................................................................... 10
HIVE 基本操作 ........................................................................................................................ 11
create table....................................................................................................................11
2.1
2.1.1 总述 .................................................................................................................. 11
2.1.2 语法 .................................................................................................................. 11
2.1.3 基本例子 ..........................................................................................................13
2.1.4 创建分区 ..........................................................................................................14
2.1.5 其它例子 ..........................................................................................................15
Alter Table....................................................................................................................16
Add Partitions..............................................................................................16
Drop Partitions............................................................................................16
Rename Table..................................................................................................16
Change Column................................................................................................17
Add/Replace Columns....................................................................................17
Create View ..................................................................................................................17
Show............................................................................................................................. 18
Load..............................................................................................................................18
Insert............................................................................................................................. 20
Inserting data into Hive Tables from queries................................. 20
Writing data into filesystem from queries....................................... 21
Cli ................................................................................................................................. 22
Hive Command line Options........................................................................22
2.7.1
Hive interactive Shell Command..............................................................23
2.7.2
Hive Resources..............................................................................................24
2.7.3
2.7.4 调用 python、shell 等语言 ..........................................................................25
2.8
DROP.............................................................................................................................. 26
2.9 其它 .............................................................................................................................. 26
Limit................................................................................................................26
Top k................................................................................................................26
REGEX Column Specification......................................................................26
Hive Select ................................................................................................................................ 27
3.1
Group By...................................................................................................................... 27
3.2
Order /Sort By..........................................................................................................28
Hive Join....................................................................................................................................28
2.9.1
2.9.2
2.9.3
2.6.1
2.6.2
2.2
2.3
2.4
2.5
2.6
2.7
2
6.2
7.
5.
6.
6.2.1
HIVE 参数设置 ......................................................................................................................... 31
HIVE UDF ...................................................................................................................................32
6.1 基本函数 ...................................................................................................................... 32
6.1.1 关系操作符......................................................................................................32
6.1.2 代数操作符......................................................................................................34
6.1.3 逻辑操作符......................................................................................................35
6.1.4 复杂类型操作符..............................................................................................35
6.1.5 内建函数 ..........................................................................................................35
6.1.6 数学函数 ..........................................................................................................35
6.1.7 集合函数 ..........................................................................................................35
6.1.8 类型转换 ..........................................................................................................35
6.1.9 日期函数 ..........................................................................................................35
6.1.10 条件函数 ..........................................................................................................36
6.1.11 字符串函数......................................................................................................36
UDTF............................................................................................................................38
Explode............................................................................................................39
HIVE 的 MAP/REDUCE.............................................................................................................40
7.1
JOIN...............................................................................................................................40
7.2
GROUP BY..................................................................................................................... 41
7.3
DISTINCT ....................................................................................................................... 41
8. 使用 HIVE 注意点 .................................................................................................................... 42
8.1 字符集 .......................................................................................................................... 42
8.2 压缩 .............................................................................................................................. 42
8.3
count(distinct)........................................................................................................42
8.4
JOIN.............................................................................................................................. 42
8.5
DML 操作 ....................................................................................................................... 43
8.6
HAVING.......................................................................................................................... 43
8.7 子查询 .......................................................................................................................... 43
8.8
Join 中处理 null 值的语义区别 ...............................................................................43
9. 优化与技巧.............................................................................................................................. 46
9.1 全排序 .......................................................................................................................... 46
9.1.1 例 1................................................................................................................... 47
9.1.2 例 2................................................................................................................... 50
9.2 怎样做笛卡尔积 ..........................................................................................................53
9.3 怎样写 exist/in 子句 ................................................................................................53
9.4 怎样决定 reducer 个数 ..............................................................................................54
9.5 合并 MapReduce 操作 ..................................................................................................54
9.6
Bucket 与 sampling.................................................................................................... 55
9.7
Partition ........................................................................................................................ 56
9.8
JOIN...............................................................................................................................57
JOIN 原则 ......................................................................................................... 57
9.8.1
Map Join........................................................................................................... 57
9.8.2
9.8.3 大表 Join 的数据偏斜..................................................................................... 59
9.9 合并小文件 .................................................................................................................. 61
3
9.10 Group By....................................................................................................................... 61
HIVE FAQ： .......................................................................................................................61
10.
4
1. HIVE 结构
Hive 是建立在 Hadoop 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。
1.1HIVE 架构
Hive 的结构可以分为以下几部分：
用户接口：包括 CLI, Client, WUI
元数据存储。通常是存储在关系数据库如 mysql, derby 中
5
解释器、编译器、优化器、执行器
Hadoop：用 HDFS 进行存储，利用 MapReduce 进行计算
1、 用户接口主要有三个：CLI，Client 和 WUI。其中最常用的是 CLI，Cli 启动的时候，
会同时启动一个 Hive 副本。Client 是 Hive 的客户端，用户连接至 Hive Server。
在启动 Client 模式的时候，需要指出 Hive Server 所在节点，并且在该节点启动 Hive
Server。 WUI 是通过浏览器访问 Hive。
2、 Hive 将元数据存储在数据库中，如 mysql、derby。Hive 中的元数据包括表的名字，
表的列和分区及其属性，表的属性（是否为外部表等），表的数据所在目录等。
3、 解释器、编译器、优化器完成 HQL 查询语句从词法分析、语法分析、编译、优化以及
查询计划的生成。生成的查询计划存储在 HDFS 中，并在随后有 MapReduce 调用执行。
4、 Hive 的数据存储在 HDFS 中，大部分的查询由 MapReduce 完成（包含 * 的查询，比
如 select * from tbl 不会生成 MapRedcue 任务）。
1.2Hive 和 Hadoop 关系
Hive 构建在 Hadoop 之上，
HQL 中对查询语句的解释、优化、生成查询计划是由 Hive 完成的
所有的数据都是存储在 Hadoop 中
查询计划被转化为 MapReduce 任务，在 Hadoop 中执行（有些查询没有 MR 任
务，如：select * from table）
Hadoop 和 Hive 都是用 UTF-8 编码的
6
1.3Hive 和普通关系数据库的异同
Hive
RDBMS
查询语言
HQL
SQL
数据存储
HDFS
Raw Device or Local FS
索引
执行
无
有
MapReduce Excutor
执行延迟
高
处理数据规模 大
低
小
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. 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。
3. 数据格式。Hive 中没有定义专门的数据格式，数据格式可以由用户指定，用户定义数
据格式需要指定三个属性：列分隔符（通常为空格、”\t”、”\x001″）、行分隔符
（”\n”）以及读取文件数据的方法（Hive 中默认有三个文件格式 TextFile，
SequenceFile 以及 RCFile）。由于在加载数据的过程中，不需要从用户数据格式到
Hive 定义的数据格式的转换，因此，Hive 在加载的过程中不会对数据本身进行任何修
改，而只是将数据内容复制或者移动到相应的 HDFS 目录中。而在数据库中，不同的数
据库有不同的存储引擎，定义了自己的数据格式。所有数据都会按照一定的组织存储，
因此，数据库加载数据的过程会比较耗时。
4. 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 中不支持对数据的改写和添加，所有的数据都是在加载的时候中确定好的。
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。
5. 索引。之前已经说过，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。
6. 执行。Hive 中大多数查询的执行是通过 Hadoop 提供的 MapReduce 来实现的（类似
select * from tbl 的查询不需要 MapReduce）。而数据库通常有自己的执行引擎。
7
7. 执行延迟。之前提到，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。
8. 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 Yahoo!，2009 年的规模在 4000 台
节点左右）。而数据库由于 ACID 语义的严格限制，扩展行非常有限。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。
9. 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。
1.4HIVE 元数据库
Hive 将元数据存储在 RDBMS 中,一般常用的有 MYSQL 和 DERBY。
1.4.1 DERBY
启动 HIVE 的元数据库
进入到 hive 的安装目录
Eg:
1、启动 derby 数据库
/home/admin/caona/hive/build/dist/
运行 startNetworkServer -h 0.0.0.0
2、连接 Derby 数据库进行测试
查看/home/admin/caona/hive/build/dist/conf/hive-default.xml。
找到
javax.jdo.option.ConnectionURL
jdbc:derby://hadoop1:1527/metastore_db;create=true
JDBC connect string for a JDBC metastore
进入 derby 安装目录
/home/admin/caona/hive/build/dist/db-derby-10.4.1.3-bin/bin
输入./ij
Connect 'jdbc:derby://hadoop1:1527/metastore_db;create=true';
3、元数据库数据字典
表名
BUCKETING_COLS
说明
关联键
COLUMNS
Hive 表字段信息(字段注释，字段名，字段类型，字段序号) SD_ID
8
相关推荐
2023年江西萍乡中考道德与法治真题及答案.doc
2012年重庆南川中考生物真题及答案.doc
2013年江西师范大学地理学综合及文艺理论基础考研真题.doc
2020年四川甘孜小升初语文真题及答案I卷.doc
2020年注册岩土工程师专业基础考试真题及答案.doc
2023-2024学年福建省厦门市九年级上学期数学月考试题及答案.doc
2021-2022学年辽宁省沈阳市大东区九年级上学期语文期末试题及答案.doc
2022-2023学年北京东城区初三第一学期物理期末试卷及答案.doc
2018上半年江西教师资格初中地理学科知识与教学能力真题及答案.doc
2012年河北国家公务员申论考试真题及答案-省级.doc
2020-2021学年江苏省扬州市江都区邵樊片九年级上学期数学第一次质量检测试题及答案.doc
2022下半年黑龙江教师资格证中学综合素质真题及答案.doc
