一、hive概述
（一）hive简介
1.Hive是2007年8月由Facebook开源用于解决海量结构化日志的数据统计工具
2.2008年 6月成为Hadoop的第一个SQL框架，并且成为Hadoop的子项目
3.2010年9月脱离Hadoop成为Apache顶级项目。
4.Hive是基于Hadoop的一个数据仓库管理工具，
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。
5.其本质是将SQL转换为MapReduce的任务进行运算，
底层由HDFS来提供数据的存储
6.hive可以理解为一个将SQL转换为MapReduce的任务的工具，
甚至更进一步可以说hive就是一个MapReduce的客户端
总结：
为什么要使用hive？
1.采用类SQL语法去操作数据，提供快速开发的能力
2.避免了去写MapReduce，减少开发人员的学习成本
3.功能扩展很方便
（二） hive的特点
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.避免了去写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.Hive的HQL表达能力有限
2.迭代式算法无法表达
3.数据挖掘方面不擅长，由于MapReduce数据处理流程的限制，
效率更高的算法却无法实现
4.Hive的本身效率比较低
5.Hive自动生成的MapReduce作业，通常情况下不够智能化
6.Hive调优比较困难，粒度较粗
（三） hive架构
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，将执行结果返回输出到用户交互接口
用户接口：Client
CLI（command-line interface）
JDBC/ODBC(jdbc访问hive)
WEBUI（浏览器访问hive）
元数据：Metastore
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**
基于Hadoop
使用HDFS进行存储，使用MapReduce进行计算。
驱动器：Driver
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
编译器（Physical Plan）:
将AST编译生成逻辑执行计划
优化器（Query Optimizer）：
对逻辑执行计划进行优化
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
（四） 与RDBMS对比
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
数据库可以用在 Online 的应用中，但是Hive 是为数据仓库而设计的
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
2.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.hive 不支持update
3.执行延迟
Hive 在查询数据的时候，Hive支持索引，但是Hive的索引与关系型数据库中的索引
并不相同，一般需要扫描整个表，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
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
4.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
总结：
hive具有sql数据库的表面上看着相似，但应用场景完全不同，
hive只适合用来做批量数据统计分析。
二 .安装部署
hive的基础命令:
[ningxw@node-01 ~]$ hive -help
"-e"不进入hive的交互窗口执行sql语句
hive -e "select * from student;"
"-f"执行脚本中sql语句
vim hivef.sql
select * from student;
hive -f hivef.sql
退出hive窗口
hive(default)>exit;
hive(default)>quit;
在hive cli命令窗口中如何查看hdfs文件系统
hive(default)>dfs -ls /;
查看在hive中输入的所有历史命令
[ningxw@ningxw-01 ~]$ cat .hivehistory
参数配置方式:
配置文件方式:
默认配置文件：hive-default.xml
用户自定义配置文件：hive-site.xml
注意：用户自定义配置会覆盖默认配置
另外，Hive也会读入Hadoop的配置，因为Hive是作为Hadoop的客户端启动的，
Hive的配置会覆盖Hadoop的配置
命令行参数方式
启动Hive时，可以在命令行添加-hiveconf param=value来设定参数
[ningxw@node-01 ~]$ hive -hiveconf mapred.reduce.tasks=10;
注意：仅对本次hive启动有效
查看参数设置：
hive> set mapred.reduce.tasks;
mapred.reduce.tasks=10 //实现查询结果
参数声明方式
可以在HQL中使用SET关键字设定参数
hive> set mapred.reduce.tasks=100;
仅对本次hive启动有效
hive> set mapred.reduce.tasks;
上述三种设定方式的优先级依次递增。即配置文件<命令行参数<参数声明
三、Hive数据类型
（一）原生数据类型
针对千变万化的业务，mysql有属于自己的多种数据类型，那么hive也不例外
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。
（二）复合数据类型
（三）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，除非使用cast操作。
1.隐式类型转换
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
所有整数类型、float和string类型都可以隐式地转换成double
tinyint、smallint、int都可以转换为float。
boolean类型不可以转换为任何其它的类型
2.CAST函数操强制数据类型转换
例如：
CAST('1' AS INT)将把字符串'1' 转换成整数1，如果强制类型转换时报败，
如执行CAST('X' AS INT)，表达式返回空值 NULL
四、HQL（hive SQL）
MySQL时，有以下几种分类：
DQL：（数据查询语言 Data Query Language）
查询语句，凡是 select 语句都是 DQL
DML：（数据操纵语言 Data Manipulation Language）
insert、delete、update，即对表中的数据进行增删改
DDL：（数据定义语言 Data Definition Language）
create、drop、alter，即对表的结构的增删改
TCL：（事务控制语言 Transaction Control Language）
commit 提交事务，rollback 回滚事务；savepoint 保存点
DCL：（数据控制语言 Data Control Language）
grant 授权， revoke 撤销权限等
（一）DDL数据定义语言
1、库相关：
（1）创建库
语法：
create (database|schema) [if not exists] database_name
[comment database_comment]
[location hdfs_path]
[with dbproperties (property_name=property_value, ...)];
说明：
在hive所有相关数据库的的命令里面database都可以被替换成schema
comment，为database增加一个描述信息
location，默认的情况下，hive数据库中的表的数据存储在hive.metastore.warehouse.dir
指定的目录下 ：
<property>
<name>hive.metastore.warehouse.dir</name>
<value>/user/hive/warehouse</value>
</property>
with dbproperties,用于为数据库增加一些和其相关的键值对属性信息，
例如创建的时间，作者等
示例：
--创建数据库db01
0: jdbc:hive2://bd-offcn-01:10000> create database db01
. . . . . . . . . . comment '测试库01'
. . . . . . . . . . location '/test-hive/'
. . . . . . . . . . with dbproperties('actuor'='kitty','date'='2099-9-19');
（2）查询库
语法：
show (databases|schemas) [like 'identifier_with_wildcards'];
describe|desc database [extended] database_name
说明：
like关键字可以进行模糊匹配
extended，会显示在创建数据库时指定的dbproperties信息，不使用则不包含
0: jdbc:hive2://bd-offcn-01:10000> show databases;
0: jdbc:hive2://bd-offcn-01:10000> show databases like 'db*';
0: jdbc:hive2://bd-offcn-01:10000> describe database db01;
0: jdbc:hive2://bd-offcn-01:10000> describe database extended db01;
（3）修改库
语法：
alter (database|schema) database_name set dbproperties (proName =proVal,...);
说明：
hive只支持对dbproperties和owner的更改，不支持对数据库其它元数据信息的修改
示例：
alter database db01 set dbproperties ('user'='hadoop','date'='1990-05-20');
（4）删除库
语法：
drop (database|schema) [if exists] database_name [restrict|cascade];
说明：
cascade：默认的情况下，hive不允许删除一个含有表的数据库，
用户在删除数据库的时候，要么先删除数据库中所有的表，然后删除数据库；
要么在删除的命令后面加上cascade，这样hive会自行先删除数据库中所有的表
restrict:和默认值是一样的，就是必须先手动删除数据库中的所有的表，
然后才能删除数据库
示例：
drop database db01 cascade;
2、表相关
说明：
create [temporary] [external] table [if not exists] table_name
[(col_name data_type [comment col_comment],..)]--指定表的名称和表的具体列信息。
[comment table_comment] --表的描述信息。
[partitioned by (col_name data_type [comment col_comment],..)] --表的分区信息。
[clustered by (col_name, col_name, ..) --对表中的一个或多个列分桶。
[sorted by (col_name [asc|desc], ...)] into num_buckets buckets] --桶内排序。
[row format row_format] --表的数据分割信息，格式化信息。
[stored as file_format] --表数据的存储序列化信息。
[location hdfs_path] --数据存储的文件夹地址信息。
2.1内部表（管理表）
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以及元数据。
管理表不适合和其他工具共享数据。
--创建数据库
create database ningxw;
--使用数据库
use ningxw;
--创建内部表：
create table if not exists managed_emp(
id int, name string
)row format delimited fields terminated by '\t';
准备数据：
vim emp.txt
01 hadoop
02 hive
03 hbase
上传文件到表目录下
hadoop fs -put emp.txt /user/hive/warehouse/ningxw.db/managed_emp
0: jdbc:hive2://node-01:10000> select * from managed_emp;
根据查询语句创建表（查询结果会存在新建表中）
0:jdbc:hive2://node-01:10000> create table emp01 as select * from managed_emp;
0: jdbc:hive2://node-01:10000> select * from emp01;
Like:根据已存在的表结构创建表（无数据）
0: jdbc:hive2://node-01:10000> create table if not exists emp02 like managed_emp;
0: jdbc:hive2://node-01:10000> select * from emp02;
2.2外部表(external)
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
create external table if not exists external_emp(
id int, name string
)row format delimited fields terminated by '\t';
hadoop fs -put emp.txt /user/hive/warehouse/ningxw.db/external_emp
0: jdbc:hive2://node-01:10000> select * from external_emp;
根据查询语句创建表（查询结果会存在新建表中）
create external table emp03 as select * from managed_emp;
!!!!!!!!!会报错！！！！！
外部表不可以用select查询创建
根据已存在的表结构创建表（无数据）
create external table if not exists emp04 like managed_emp;
select * from emp04；
2.3临时表（temporary）
临时表的功能，表只对当前session有效，session退出后，表自动删除
如果创建的临时表表名已存在，那么当前session引用到该表名时实际用的是临时表
只有drop或rename临时表名才能使用原始表。
临时表可以存储在内存或SSD，
使用hive.exec.temporary.table.storage参数进行配置，
该参数有三种取值：memory、ssd、default(memory)
临时表限制：不支持分区字段和创建索引。
use ningxw;
create temporary table if not exists temporary_emp(
id int, name string
)row format delimited fields terminated by '\t';
重启beeline客户端查看表是否存在
--创建同名临时表
create temporary table managed_emp(
id int, name string
)row format delimited fields terminated by '\t';
--创建同名临时表
create temporary table managed_emp(
id int, name string
)row format delimited fields terminated by '\t';
--插入数据
0: jdbc:hive2://node-01:10000> insert into managed_emp values(4,"spark");
--查看表数据
0: jdbc:hive2://node-01:10000> select * from managed_emp;
发现数据只有一条，说明插入数据的表是临时表
2.4管理表与外部表的互相转换
--内部表->外部表
alter table managed_emp set tblproperties('EXTERNAL'='TRUE');
--外部表->内部表
alter table external_emp set tblproperties('EXTERNAL'='FALSE');
--查看managed_emp详细信息
desc formatted managed_emp;
desc formatted external_emp;
2.5分区表
针对大数据的处理方式，最常用的就是分而治之，我们可以把大的文件切割划分成
一个个的小的文件，这样每次操作一个小的文件就会很容易了
同样的道理，如果一张映射的表单表过T,怎么才能让查询更快呢？
如果是按照某个字段把大表进行拆分，查询时间只查询其中某一部分的数据，
效率应该会有所提升
那么在hive当中也是支持这种思想的，就是我们可以把大的数据，按照每月，
或者天进行切分成一个个的小的文件,存放在不同的文件夹中
我们称这样的文件夹为分区，这样的表叫做分区表,这个特殊的字段称为分区字段
那么分区的意义就可想而知了，就是为了避免全表扫描
–创建单级分区表
create table partition_emp(id int, name string) partitioned by (age int) row format delimited fields terminated by '\t';
–创建多级分区表
create table partition_emp2(id int, name string, addr string)
partitioned by (month string , day string) row format delimited fields terminated by '\t';
2.6分桶表
每一个表（table）或者分区，Hive可以进一步组织成桶,也就是说，
桶是更为细粒度的数据范围划分,分桶的原理是对分桶列取Hash值,再用该Hash值模桶数
用Hive的函数可以表达为pmod（hash分桶列，桶数）。
分桶不会改变原有表/分区目录的组织方式，只是更改了数据在文件中的分布
create table buck_emp(
id int, name string ,age int)
clustered by(id) sorted by (age desc) into 3 buckets
row format delimited fields terminated by '\t';
2.7事务表
????
(2)显示表信息
--显示表字段、字段类型
0: jdbc:hive2://node-01:10000> desc emp01;
--显示详细信息
desc formatted emp01;
（3）修改表
语法：
--重命名表
alter table table_name rename to new_table_name
--修改表字段
alter table table_name change [column] col_old_name col_new_name column_type [comment col_comment] [first|after column_name]
--添加字段
alter table table_name add|replace columns (col_name data_type [comment col_comment], ...)
3.1重命名表
alter table managed_emp rename to external_emp01;
alter table external_emp rename to managed_emp01;
注意：外部表只修改元数据信息，在hdfs上的真实目录名称不会改变
即external_emp01依然是managed_emp
3.2查看、添加、删除表分区
--添加分区
alter table partition_emp add partition(age='20') ;
--添加多个分区
alter table partition_emp add partition(age='30') partition(age='45');
--添加多级分区
alter table partition_emp2 add partition(month=05,day=20) ;
--删除分区
alter table partition_emp drop partition (age='30');
--查看该表全部分区
show partitions partition_emp;
3.3添加、修改、删除表字段
--添加age列
alter table managed_emp01 add columns(age int);
--修改age字段为address
alter table managed_emp01 change column age address string;
--使用新字段替换原有表结构
alter table managed_emp01 replace columns(id int,name string);
（4）删除表
语法：
drop table [if exists] table_name [purge];
4.1删除表
--删除内部表
drop table emp01;
--为外部表加载数据
hadoop fs -put emp.txt /user/hive/warehouse/ningxw.db/emp04
select * from emp04;
--删除外部表 **加上purge**
drop table emp04 purge;
4.2b.截断表
--截断内部表
truncate table emp02;
--截断外部表
truncate table external_emp01;
//截断外部表会报错
注意 ：truncate不能删除外部表数据