HiveQL是一種類似SQL的語言, 它與大部分的SQL語法兼容, 但是並不完全支持SQL標准, 如HiveQL不支持更新操作, 也不支持索引和事務, 它的子查詢和join操作也很局限, 這是因其底層依賴於Hadoop雲平台這一特性決定的, 但其有些特點是SQL所無法企及的。例如多表查詢、支持create table as select和集成MapReduce腳本等, 本節主要介紹Hive的數據類型和常用的HiveQL操作。
1.hive client命令
a.hive命令參數
-e: 命令行sql語句 -f: SQL文件 -h, --help: 幫助 --hiveconf: 指定配置文件 -i: 初始化文件 -S, --silent: 靜態模式（不將錯誤輸出） -v,--verbose: 詳細模式
b.交互模式
hive> show tables; #查看所有表名 hive> show tables 'ad*' #查看以'ad'開頭的表名 hive> set 命令 #設置變量與查看變量； hive> set -v #查看所有的變量 hive> set hive.stats.atomic #查看hive.stats.atomic變量 hive> set hive.stats.atomic=false #設置hive.stats.atomic變量 hive> dfs -ls #查看hadoop所有文件路徑 hive> dfs -ls /user/hive/warehouse/ #查看hive所有文件 hive> dfs -ls /user/hive/warehouse/ptest #查看ptest文件 hive> source file <filepath> #在client里執行一個hive腳本文件 hive> quit #退出交互式shell hive> exit #退出交互式shell hive> reset #重置配置為默認值 hive> !ls #從Hive shell執行一個shell命令
2.操作及函數
查看函數： hive> show functions; 正則查看函數名： show functions 'xpath.*'; 查看具體函數內容： describe function xpath; | desc function xpath;
3.字段類型
Hive支持基本數據類型和復雜類型, 基本數據類型主要有數值類型(INT、FLOAT、DOUBLE)、布爾型和字符串, 復雜類型有三種:ARRAY、MAP 和 STRUCT。
a.基本數據類型
TINYINT: 1個字節
SMALLINT: 2個字節
INT: 4個字節
BIGINT: 8個字節
BOOLEAN: TRUE/FALSE
FLOAT: 4個字節，單精度浮點型
DOUBLE: 8個字節，雙精度浮點型STRING 字符串
b.復雜數據類型
ARRAY: 有序字段
MAP: 無序字段
STRUCT: 一組命名的字段
4.表類型
hive表大致分為普通表、外部表、分區表三種。
a.普通表
創建表 hive> create table tb_person(id int, name string); 創建表並創建分區字段ds hive> create table tb_stu(id int, name string) partitioned by(ds string); 查看分區 hive> show partitions tb_stu; 顯示所有表 hive> show tables; 按正則表達式顯示表， hive> show tables 'tb_*'; 表添加一列 hive> alter table tb_person add columns (new_col int); 添加一列並增加列字段注釋 hive> alter table tb_stu add columns (new_col2 int comment 'a comment'); 更改表名 hive> alter table tb_stu rename to tb_stu; 刪除表(hive只能刪分區，不能刪記錄或列 ) hive> drop table tb_stu; 對於托管表, drop 操作會把元數據和數據文件刪除掉, 對於外部表, 只是刪除元數據。如果只要刪除表中的數據, 保留表名可以在 HDFS 上刪除數據文件: hive> dfs –rmr /user/hive/warehouse/mutill1/*
將本地/home/hadoop/ziliao/stu.txt文件中的數據加載到表中, stu.txt文件數據如下：
1 zhangsan
2 lisi
3 wangwu
將文件中的數據加載到表中
hive> load data local inpath '/home/hadoop/ziliao/stu.txt' overwrite into table tb_person;
加載本地數據，同時給定分區信息
hive> load data local inpath '/home/hadoop/ziliao/stu.txt' overwrite into table tb_stu partition (ds='2008-08-15');
備注：如果導入的數據在 HDFS 上,則不需要 local 關鍵字。托管表導入的數據文件可在數據倉庫目錄“user/hive/warehouse/<tablename>”中看到。
查看數據
hive> dfs -ls /user/hive/warehouse/tb_stu hive> dfs -ls /user/hive/warehouse/tb_person
b.外部表
external關鍵字可以讓用戶創建一個外部表，在建表的同時指定一個指向實際數據的路徑(location)，hive創建內部表時，會將數據移動到數據倉庫指向的路徑；若創建外部表，僅記錄數據所在的路徑，不對數據的位置做任何改變。在刪除表的時候，內部表的元數據和數據會被一起刪除，而外部表只刪除元數據，不刪除數據。
eg. 創建外部表：
create external table tb_record(col1 string, col2 string) row format delimited fields terminated by '\t' location '/user/hadoop/input';
這樣表tb_record的數據就是hdfs://user/hadoop/input/* 的數據了。
c.分區表
分區是表的部分列的集合, 可以為頻繁使用的數據建立分區, 這樣查找分區中的數據時就不需要掃描全表, 這對於提高查找效率很有幫助。
創建分區：create table log(ts bigint,line string) partitioned by(name string);
插入分區：insert overwrite table log partition(name='xiapi') select id from userinfo where name='xiapi';
查看分區：show partitions log;
刪除分區: alter table ptest drop partition (name='xiapi')
備注:通常情況下需要先預先創建好分區,然后才能使用該分區。還有分區列的值要轉化為文件夾的存儲路徑,所以如果分區列的值中包含特殊值,如 '%', ':', '/', '#',它將會被使用%加上 2 字節的 ASCII 碼進行轉義。
5. sql操作及桶
1). 創建表
首先建立三張測試表:
userinfo表中有兩列,以tab鍵分割,分別存儲用戶的id和名字name;
classinfo表中有兩列,以tab鍵分割,分別存儲課程老師teacher和課程名classname;
choice表中有兩列,以tab鍵分割,分別存儲用戶的userid和選課名稱classname(類似中間表)。
創建測試表:
hive> create table userinfo(id int,name string) row format delimited fields terminated by '\t'; hive> create table classinfo(teacher string,classname string) row format delimited fields terminated by '\t'; hive> create table choice(userid int,classname string) row format delimited fields terminated by '\t';
注意：'\t'相當於一個tab鍵盤。
顯示剛才創建的數據表:
hive> show tables;
2). 導入數據
建表后,可以從本地文件系統或 HDFS 中導入數據文件,導入數據樣例如下:
userinfo.txt內容如下(數據之間用tab鍵隔開)：
1 xiapi
2 xiaoxue
3 qingqing
classinfo.txt內容如下(數據之間用tab鍵隔開)：
jack math
sam china
lucy english
choice.txt內容如下(數據之間用tab鍵隔開)：
1 math
1 china
1 english
2 china
2 english
3 english
首先在本地“/home/hadoop/ziliao”下按照上面建立三個文件, 並添加如上的內容信息。
3. 按照下面導入數據。
hive> load data local inpath '/home/hadoop/ziliao/userinfo.txt' overwrite into table userinfo; hive> load data local inpath '/home/hadoop/ziliao/classinfo.txt' overwrite into table classinfo; hive> load data local inpath '/home/hadoop/ziliao/choice.txt' overwrite into table choice;
查詢表數據
hive> select * from userinfo; hive> select * from classinfo; hive> select * from choice;
4. 分區
a.創建分區 hive> create table ptest(userid int) partitioned by (name string) row format delimited fields terminated by '\t'; b.准備導入數據 xiapi.txt內容如下(數據之間用tab鍵隔開)： 1 c.導入數據 hive> load data local inpath '/home/hadoop/ziliao/xiapi.txt' overwrite into table ptest partition (name='xiapi'); d.查看分區 hive> dfs -ls /user/hive/warehouse/ptest/name=xiapi; e.查詢分區 hive> select * from ptest where name='xiapi'; f.顯示分區 hive> show partitions ptest; g.對分區插入數據(每次都會覆蓋掉原來的數據): hive> insert overwrite table ptest partition(name='xiapi') select id from userinfo where name='xiapi'; h.刪除分區 hive> alter table ptest drop partition (name='xiapi')
5.桶
可以把表或分區組織成桶, 桶是按行分開組織特定字段, 每個桶對應一個 reduce 操作。在建立桶之前, 需要設置“hive.enforce.bucketing”屬性為 true, 使 Hive 能夠識別桶。在表中分桶的操作如下:
hive> set hive.enforce.bucketing=true; hive> set hive.enforce.bucketing; hive.enforce.bucketing=true; hive> create table btest2(id int, name string) clustered by(id) into 3 buckets row format delimited fields terminated by '\t';
向桶中插入數據, 這里按照用戶 id 分了三個桶, 在插入數據時對應三個 reduce 操作,輸出三個文件。
hive> insert overwrite table btest2 select * from userinfo;
查看數據倉庫下的桶目錄,三個桶對應三個目錄。
hive> dfs -ls /user/hive/warehouse/btest2;
Hive 使用對分桶所用的值進行 hash,並用 hash 結果除以桶的個數做取余運算的方式來分桶,保證了每個桶中都有數據,但每個桶中的數據條數不一定相等,如下所示。
hive>dfs -cat /user/hive/warehouse/btest2/*0_0; hive>dfs -cat /user/hive/warehouse/btest2/*1_0; hive>dfs -cat /user/hive/warehouse/btest2/*2_0;
分桶可以獲得比分區更高的查詢效率,同時分桶也便於對全部數據進行采樣處理。下面是對桶取樣的操作。
hive>select * from btest2 tablesample(bucket 1 out of 3 on id);
6. 多表插入
多表插入指的是在同一條語句中, 把讀取的同一份元數據插入到不同的表中。只需要掃描一遍元數據即可完成所有表的插入操作, 效率很高。多表操作示例如下。
hive> create table mutill as select id,name from userinfo; #有數據 hive> create table mutil2 like mutill; #無數據，只有表結構 hive> from userinfo insert overwrite table mutill select id,name insert overwrite table mutil2 select count(distinct id),name group by name;
7. 連接
連接是將兩個表中在共同數據項上相互匹配的那些行合並起來, HiveQL 的連接分為內連接、左向外連接、右向外連接、全外連接和半連接 5 種。
a. 內連接(等值連接)
內連接使用比較運算符根據每個表共有的列的值匹配兩個表中的行。
例如, 檢索userinfo和choice表中標識號相同的所有行。
hive> select userinfo.*, choice.* from userinfo join choice on(userinfo.id=choice.userid);
b. 左連接
左連接的結果集包括“LEFT OUTER”子句中指定的左表的所有行, 而不僅僅是連接列所匹配的行。如果左表的某行在右表中沒有匹配行, 則在相關聯的結果集中右表的所有選擇列均為空值。
hive> select userinfo.*, choice.* from userinfo left outer join choice on(userinfo.id=choice.userid);
c. 右連接
右連接是左向外連接的反向連接,將返回右表的所有行。如果右表的某行在左表中沒有匹配行,則將為左表返回空值。
hive> select userinfo.*, choice.* from userinfo right outer join choice on(userinfo.id=choice.userid);
d. 全連接
全連接返回左表和右表中的所有行。當某行在另一表中沒有匹配行時,則另一個表的選擇列表包含空值。如果表之間有匹配行,則整個結果集包含基表的數據值。
hive> select userinfo.*, choice.* from userinfo full outer join choice on(userinfo.id=choice.userid);
e. 半連接
半連接是 Hive 所特有的, Hive 不支持 IN 操作,但是擁有替代的方案; left semi join, 稱為半連接, 需要注意的是連接的表不能在查詢的列中,只能出現在 on 子句中。
hive> select userinfo.* from userinfo left semi join choice on (userinfo.id=choice.userid);
8. 子查詢
標准 SQL 的子查詢支持嵌套的 select 子句,HiveQL 對子查詢的支持很有限,只能在from 引導的子句中出現子查詢。如下語句在 from 子句中嵌套了一個子查詢(實現了對教課最多的老師的查詢)。
hive>select teacher,MAX(class_num) from (select teacher, count(classname) as class_num from classinfo group by teacher) subq group by teacher;
9. 視圖操作
目前,只有 Hive0.6 之后的版本才支持視圖。
Hive 只支持邏輯視圖, 並不支持物理視圖, 建立視圖可以在 MySQL 元數據庫中看到創建的視圖表, 但是在 Hive 的數據倉庫目錄下沒有相應的視圖表目錄。
當一個查詢引用一個視圖時, 可以評估視圖的定義並為下一步查詢提供記錄集合。這是一種概念的描述, 實際上, 作為查詢優化的一部分, Hive 可以將視圖的定義與查詢的定義結合起來,例如從查詢到視圖所使用的過濾器。
在視圖創建的同時確定視圖的架構,如果隨后再改變基本表(如添加一列)將不會在視圖的架構中體現。如果基本表被刪除或以不兼容的方式被修改,則該視圖的查詢將被無效。
視圖是只讀的,不能用於 LOAD/INSERT/ALTER。
視圖可能包含 ORDER BY 和 LIMIT 子句,如果一個引用了視圖的查詢也包含這些子句,那么在執行這些子句時首先要查看視圖語句,然后返回結果按照視圖中的語句執行。
以下是創建視圖的例子:
hive> create view teacher_classsum as select teacher, count(classname) from classinfo group by teacher;
刪除視圖：
hive>drop view teacher_classnum;
10. 函數
創建函數
hive> create temporary function function_name as class_name
該語句創建一個由類名實現的函數。在 Hive 中用戶可以使用 Hive 類路徑中的任何類,用戶通過執行 add files 語句將函數類添加到類路徑,並且可持續使用該函數進行操作。
刪除函數
注銷用戶定義函數的格式如下:
hive> drop temporary function function_name;