大数据之路week07--day07 （Hive结构设计以及Hive语法）

Hive架构流程（十分重要，结合图进行记忆理解）当客户端提交请求，它先提交到Driver,Driver拿到这个请求后,先把表明，字段名拿出来，去数据库进行元数据验证，也就是Metasore，如果有，返回有，Driver再返回给Complier编译器，进行HQL解析到MR任务的转化过程，执行完之后提交回给Driver一个MR任务，然后提交到Hadoop集群，交给YRAN进行接收请求并处理，产生结果，把结果再返回给Driver， Driver再把结果返回给客户端进行显示。

当写了一串非常复杂的SQL语句的时候，编译器会把这个SQL语句转化成N多个操作符，把这些操作符拼接起来之后变成MR任务
1、编译器将一个Hive SQL转化为操作符
2、操作符是Hive最小的处理单元
3、每个操作符代表HDFS的一个操作或者是一个mapreduce作业

客户端有，CLI ，Client ，WUI

========================================================================================================================================

Hive的基本数据类型

基本数据类型

　　整型 TINYINT — 微整型，只占用1个字节，只能存储0-255的整数。

　　SMALLINT– 小整型，占用2个字节，存储范围–32768 到 32767。

　　INT– 整型，占用4个字节，存储范围-2147483648到2147483647。

　　BIGINT– 长整型，占用8个字节，存储范围-2^63到2^63-1。

　　布尔型BOOLEAN — TRUE/FALSE

　　浮点型FLOAT– 单精度浮点数。

　　DOUBLE– 双精度浮点数。

　　字符串型STRING– 不设定长度。

日期类型：

　　1，Timestamp 格式“YYYY-MM-DD HH：MM：SS.fffffffff”（9位小数位精度）

　　2，Date DATE值描述特定的年/月/日，格式为YYYY-MM-DD。

复杂数据类型： Structs，Maps，Arrays

A $ B 按位与 只有当两位都是1的时候才是1
A^B 按位异或 有且只有一位是1的时候才是1

复杂数据类型：

在Hive中如何使用符合数据结构  maps，array，structs
 
1 Array的使用
 
创建数据库表，以array作为数据类型
create table  person(name string,work_locations array<string>)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
COLLECTION ITEMS TERMINATED BY ',';
 
数据
biansutao beijing,shanghai,tianjin,hangzhou
linan changchu,chengdu,wuhan
 
入库数据
LOAD DATA LOCAL INPATH '/home/Hadoop/person.txt' OVERWRITE INTO TABLE person;
 
查询
hive> select * from person;
biansutao       ["beijing","shanghai","tianjin","hangzhou"]
linan   ["changchu","chengdu","wuhan"]
Time taken: 0.355 seconds
 
hive> select name from person;
linan
biansutao
Time taken: 12.397 seconds
 
hive> select work_locations[0] from person;
changchu
beijing
Time taken: 13.214 seconds
 
hive> select work_locations from person;
["changchu","chengdu","wuhan"]
["beijing","shanghai","tianjin","hangzhou"]
Time taken: 13.755 seconds
 
hive> select work_locations[3] from person;
NULL
hangzhou
Time taken: 12.722 seconds
 
hive> select work_locations[4] from person;
NULL
NULL
Time taken: 15.958 seconds

2 Map的使用
 
创建数据库表 
create table score(name string, score map<string,int>)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
COLLECTION ITEMS TERMINATED BY ','
MAP KEYS TERMINATED BY ':';
 
数据
biansutao '数学':80,'语文':89,'英语':95
jobs '语文':60,'数学':80,'英语':99
 
入库数据
LOAD DATA LOCAL INPATH '/home/hadoop/score.txt' OVERWRITE INTO TABLE score;
 
查询
hive> select * from score;
biansutao       {"数学":80,"语文":89,"英语":95}
jobs    {"语文":60,"数学":80,"英语":99}
Time taken: 0.665 seconds
 
hive> select name from score;
jobs
biansutao
Time taken: 19.778 seconds
 
hive> select t.score from score t;
{"语文":60,"数学":80,"英语":99}
{"数学":80,"语文":89,"英语":95}
Time taken: 19.353 seconds

hive> select t.score['语文'] from score t;
60
89
Time taken: 13.054 seconds
 
hive> select t.score['英语'] from score t;
99
95
Time taken: 13.769 seconds
 
3 Struct的使用
 
创建数据表
CREATE TABLE test(id int,course struct<course:string,score:int>)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
COLLECTION ITEMS TERMINATED BY ',';
 
数据
1 english,80
2 math,89
3 chinese,95
 
入库
LOAD DATA LOCAL INPATH '/home/hadoop/test.txt' OVERWRITE INTO TABLE test;
 
查询
hive> select * from test;
OK
1       {"course":"english","score":80}
2       {"course":"math","score":89}
3       {"course":"chinese","score":95}
Time taken: 0.275 seconds
 
hive> select course from test;
{"course":"english","score":80}
{"course":"math","score":89}
{"course":"chinese","score":95}
Time taken: 44.968 seconds
 
select t.course.course from test t; 
english
math
chinese
Time taken: 15.827 seconds
 
hive> select t.course.score from test t;
80
89
95
Time taken: 13.235 seconds
 
4 数据组合（不支持组合的复杂数据类型）
 
LOAD DATA LOCAL INPATH '/home/hadoop/test.txt' OVERWRITE INTO TABLE test;

create table test1(id int,a MAP<STRING,ARRAY<STRING>>)
row format delimited fields terminated by '\t' 
collection items terminated by ','
MAP KEYS TERMINATED BY ':';
 
1 english:80,90,70
2 math:89,78,86
3 chinese:99,100,82
 
LOAD DATA LOCAL INPATH '/home/hadoop/test1.txt' OVERWRITE INTO TABLE test1;

=============================================================================================================

DDL编程：

创建数据库 create database xxxxx;

查看数据库 show databases；

删除数据库 drop database tmp;

强制删除数据库：drop database tmp cascade;

查看表：SHOW TABLES；

查看表的元信息：

　　desc test_table;

　　describe extended test_table;

　　describe formatted test_table;（使用这个居多，因为这个查看是最详细的）

查看建表语句：show create table table_XXX

重命名表： alter table test_table rename to new_table;

修改列数据类型：alter table lv_test change column colxx string;

增加、删除分区：

　　　　　　　　alter table test_table add partition (pt=xxxx)

　　　　　　　　alter table test_table drop if exists partition(...);

===========================================================================================================================

Hive去加载数据的时候不会去校验格式，只有在查询的时候去校验。
Hive中默认是没有事务的非常弱化，可以当作没有，一边进行写数据，一边读数据，

将HDFS上的数据加载到Hive中去（注意这里是移动，加载过去后，原来HDFS的路径下的文件没有了）
load data inpath '/usr/test/dianxin_data' into table dianxin_1 partition(province='zhejiang');

也可以从本地进行加载,(注意，从本地加载是复制)
load data local inpath '/usr/local/soft/data/shujia006_hive/dianxin_data' into table dianxin_1 partition(province='nanjing');

表对表进行加载数据（注意，这里是复制，查询到的结果进行生成一张表）
方式一：create table dianxin_test1 as select * from danxin_1 limit 10;

方式二：insert [overwrite] into table dianxin_test2 select * from dianxin_test;

===========================================================================================================================
外部表和内部表的区别
删除表后，内部表数据文件和表信息都删除。

外部表仅删除表信息
CREATE EXTERNAL TABLE IF NOT EXISTS dianxin_like LIKE dianxin_503;

加了EXTERNAL就是外部表，没加就是内部表

create [EXTERNAL] table vv_stat_fact
(
userid string,
stat_date string,
tryvv int,
sucvv int,
ptime float
)
PARTITIONED BY ( 非必选；创建分区表dt string)
clustered by (userid) into 3000 buckets // 非必选；分桶子
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' // 必选;指定列之间的分隔符
STORED AS rcfile // 非必选；指定文件的读取格式，默认textfile格式
location '/testdata/'; //非必选；指定文件在hdfs上的存储路径，如果已经有文件，会自动加载 ，默认在hive的warehouse下

====================================================================
建表1：
create table user_bh
(
phone string,
jw string,
city_id string,
area_id string,
stay_time string,
start_time string,
end_time string,
date_time string
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'

注意：默认数据存储位置在 /user/hive/warehouse/

====================================================================
建表2：
create table user_bh_rc
(
phone string,
jw string,
city_id string,
area_id string,
stay_time string,
start_time string,
end_time string,
date_time string
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
STORED AS rcfile

文件存储格式是rcfile，不能直接加载文本数据。一般是从其他表加载数据。

====================================================================
建表3：
create table user_bh_loc
(
phone string,
jw string,
city_id string,
area_id string,
stay_time string,
start_time string,
end_time string,
date_time string
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
location '/testdata/';

hive表会加载在存储目录下所有可以加载的数据。要求hive对应的hdfs目录下所有的文件格式、字段个数、分隔符要完全一致。
hive是读时模式，就是当读取查询的时候才会校验文件格式。存储的时候不会校验。当格式不统一，比如字段个数不一致，分隔符不一致，查选的
时候会有异常，出现null。
====================================================================
建表4：
create table t1 as select * from user_bh;
create table t2 like user_bh;(只是复制表结构，不复制数据)

外部表和内部表的区别：
1 删除表，内部表（普通表）会将元信息以及数据目录删除。外部表仅仅删除元信息，不删除原始数据
2 一般使用外部表，可以避免误删
3 可以作为临时表（hdfs上的数据是已经存在的，但是数据很重要）

====================================================================
(创建一个外部表 external)
create EXTERNAL table user_bh_ext
(
phone string,
jw string,
city_id string,
area_id string,
stay_time string,
start_time string,
end_time string,
date_time string
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'

====================================================================
分区表：实际上是就是在原表的基础上，增加一个分区字段，用于区分数据。放到不同的子目录中。
create table dianxin_1
(
phone string,
jw string,
city_id string,
area_id string,
stay_time string,
start_time string,
end_time string,
date_time string
)partitioned by (province string)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'

增加一个分区：表必须在建表的时候定义它是一个分区表，并且指定分区字段。
alter table user_bh_part add partition(provience="shandong");
====================================================================
公司中最常用的分区是按照日期进行分区。partitioned by (dt string)
可以创建多级分区：一般最多两级分区，分区太多，影响查询效率
create table dianxin_3
(
phone string,
jw string,
city_id string,
area_id string,
stay_time string,
start_time string,
end_time string,
date_time string
)partitioned by (province string,dt string)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'

alter table user_bh_part2 add partition(provience="anhui",dt="20191220");
====================================================================
分区特点：建表的时候要定义好，避免全表扫描，提高查询效率。
用法：通过分区字段去过滤，或者裁剪数据。
分区字段在sql中用起来和普通字段一样。

开启动态分区支持

　　hive>set hive.exec.dynamic.partition=true;

　　hive>set hive.exec.dynamic.partition.mode=nostrict;

　　hive>set hive.exec.max.dynamic.partitions.pernode=1000;

加大动态分区数

操作语句 insert into table anhui_air partition (dt) select part,pm25,date_time from anhui_air2;

开启后，查询的语句中最后的对应的字段作为动态分区的字段，会按照这个字段进行分区，相同的值会放到同一个分区

动态分区：适用于将原始非分区表数据，进行动态自动分区到指定的分区表。

create table user_bh_city
(
phone string,
jw string,
city_id string,
area_id string,
stay_time string,
start_time string,
end_time string,
date_time string
)partitioned by (city string)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'

insert into user_bh_city partition(city) select phone,jw,city_id,area_id,stay_time,start_time,end_time,date_time,city_id from user_bh_loc;

====================================================================

去重
select distinct ename from emp limit 10;

连接
concat_ws()
====================================================================

创建结构化的
create table t(id struct<id1:int,id2:int,id3:int>,name array<string>,xx map<int,string>)
row format delimited
fields terminated by '\t'
collection items terminated by ','
map keys terminated by ':'
lines terminated by '\n'

文本数据准备：
1,2,3 1,2,3,4,5 05:李智恩,06:王友虎

注意：

ROW FORMAT DELIMITED 必须在其它分隔设置之前，也就是分隔符设置语句的最前

LINES TERMINATED BY必须在其它分隔设置之后，也就是分隔符设置语句的最后，否则会报错

（下面的写法回报错）

hive> create table t (id struct<id1:int,id2:int,id3:int>,name array<string>,xx map<int,string>) 
    > row format delimited
    > fields terminated by '\t'
    > lines terminated by '\n'
    > collection items terminated by ','
    > map keys terminated by ':';
FAILED: ParseException line 5:0 missing EOF at 'collection' near ''\n''