Hive框架基础（三）
理性认知：
Hive创建表的方式
1.使用create命令创建一个新表
create table if not exists db_web_data.track_log(字段)
partitioned by (date string,hour string)
row format delimited fields terminated by '\t';
2.把一张表的某些字段抽取出来，创建成一张新表
例如：
create table backup_track_log as select * from db_web_data.track_log;
尖叫提示：会复制属性以及属性值到新的表中
3.复制表结构
例如：
create table like_track_log like db_web_data.track_log;
尖叫提示：不会复制属性值，只会复制表结构。
Hive表导入数据方式
1、本地导入
load data local inpath 'local_path/file' into table 表名称 ;
2、HDFS导入
load data inpath 'hdfs_path/file' into table 表名称 ;
3、覆盖导入
load data local inpath 'path/file' overwrite into table 表名称 ;
load data inpath 'path/file' overwrite into table 表名称 ;
4、查询导入
create table track_log_bak as select * from db_web_data.track_log;
5、insert导入
- 追加-append-默认方式
insert into table 表名 select * from track_log;
- 覆盖-overwrite-显示指定-使用频率高
insert overwrite table 表名 select * from track_log;
Hive表导出数据方式
1、本地导出
例如：
insert overwrite local directory "/home/admin/Desktop/1/2" row format delimited fields terminated by '\t' select * from db_hive_demo.emp ;
尖叫提示：会递归创建目录
2、HDFS导出
例如：insert overwrite diretory "path/" select * from staff;
3、Bash shell覆盖追加导出
例如：$ bin/hive -e "select * from staff;" > /home/z/backup.log
4、Sqoop
Hive数据清洗之思路
需求：实现按照省份和日期统计PV和UV
SELECT date, provinceId, count(url) pv, count(distinct guid) uv from track_log group by date, provinceId;
见代码
Hive自动化处理日志
需求：网站产生的日志会按照某个日期分类的文件夹存储，定期分析该日志，产出结果
/opt/modules/weblog
-20170724(文件夹)
-2017072418（日志文件）
-2017072419
-20170725
-2017072518（日志文件）
-2017072619
见脚本
Hive中的几种排序
- order by
全局排序，就一个Reduce - sort by
相当于对每一个Reduce内部的数据进行排序，不是全局排序。 - distribute by
类似于MRpartition， 进行分区，一般要结合sort by使用。 - cluster by
当distribute和sort字段相同时，就是cluster by
案例见：HQL案例.txt
业务案例梳理
需求：
执行周期性任务，每天的晚上6点，执行自动化脚本，
加载日志文件到HDFS，
同时分析网站的多维数据（PV,UV按照省份和小时数进行分类查询）
最后将查询的结果，存储在一张临时表中（表字段：date，hour，provinceId，pv，uv）存储在HIVE中，并且
将该临时表中的所有数据，存储到MySQL中，以供第二天后台开发人员的调用，展示。
1、定时加载本地数据到HDFS，涉及到：auto.sh，crontab
2、清洗数据，打包jar，定时执行，
/user/hive/warehouse/db_web_data.db/track_log/date=20150828/hour=18
part-000001
/user/hive/warehouse/db_web_data.db/track_log/date=20150828/hour=19
part-000001
3、建表track_log，也不需要建立现成的分区，临时指定清洗好的数据作为仓库源
alter table track_log add partition(date='20150828',hour='18') location
"/user/hive/warehouse/db_web_data.db/track_log/date=20150828/hour=18";
alter table track_log add partition(date='20150828',hour='19') location
"/user/hive/warehouse/db_web_data.db/track_log/date=20150828/hour=19";
4、开始分析想要的数据，将结果存储在Hive的临时表中
创建临时表：
create table if not exists temp_track_log(date string, hour string, provinceId string, pv string, uv string)
row format delimited fields terminated by '\t';
向临时表中插入数据：
insert overwrite table temp_track_log select date, hour, provinceId, count(url) pv, count(distinct guid) uv
from track_log where date='20150828' group by date, hour, provinceId;
5、使用自定义的JAR，导入本地导出的文件到MYsql或者使用Sqoop。
Sqoop
SQL-TO-HADOOP
配置：
1、开启Zookeeper
2、开启集群服务
3、配置文件：
- sqoop-env.sh
#export HADOOP_COMMON_HOME=
export HADOOP_COMMON_HOME=/opt/modules/cdh/hadoop-2.5.0-cdh5.3.6/
#Set path to where hadoop-*-core.jar is available
#export HADOOP_MAPRED_HOME=
export HADOOP_MAPRED_HOME=/opt/modules/cdh/hadoop-2.5.0-cdh5.3.6/
#set the path to where bin/hbase is available
#export HBASE_HOME=
#Set the path to where bin/hive is available
#export HIVE_HOME=
export HIVE_HOME=/opt/modules/cdh/hive-0.13.1-cdh5.3.6/
#Set the path for where zookeper config dir is
#export ZOOCFGDIR=
export ZOOCFGDIR=/opt/modules/cdh/zookeeper-3.4.5-cdh5.3.6/
export ZOOKEEPER_HOME=/opt/modules/cdh/zookeeper-3.4.5-cdh5.3.6/
4、拷贝jdbc驱动到sqoop的lib目录下
cp -a mysql-connector-java-5.1.27-bin.jar /opt/modules/cdh/sqoop-1.4.5-cdh5.3.6/lib/
5、启动sqoop
$ bin/sqoop help查看帮助
6、测试Sqoop是否能够连接成功
$ bin/sqoop list-databases --connect jdbc:mysql://hadoop-senior01.itguigu.com:3306/metastore
--username root \
--password 123456
案例
1、使用sqoop将mysql中的数据导入到HDFS
Step1、确定Mysql服务的正常开启
Step2、在Mysql中创建一张表
mysql> create database company;
mysql> create table staff(
id int(4) primary key not null auto_increment,
name varchar(255) not null,
sex varchar(255) not null);
mysql> insert into staff(name, sex) values('Thomas', 'Male');
Step3、操作数据
RDBMS --> HDFS
使用Sqoop导入数据到HDFS
- 全部导入
$ bin/sqoop import \
--connect jdbc:mysql://hadoop-senior01.itguigu.com:3306/company \
--username root \
--password 123456 \
--table staff \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"
- 查询导入
$ bin/sqoop import
--connect jdbc:mysql://hadoop-senior01.itguigu.com:3306/company
--username root
--password 123456
--target-dir /user/company
--delete-target-dir
--num-mappers 1
--fields-terminated-by "\t"
--query 'select name,sex from staff where id >= 2 and $CONDITIONS;'
- 导入指定列
$ bin/sqoop import
--connect jdbc:mysql://hadoop-senior01.itguigu.com:3306/company
--username root
--password 123456
--target-dir /user/company
--delete-target-dir
--num-mappers 1
--fields-terminated-by "\t"
--columns id, sex
--table staff
- 使用sqoop关键字筛选查询导入数据
$ bin/sqoop import
--connect jdbc:mysql://hadoop-senior01.itguigu.com:3306/company
--username root
--password 123456
--target-dir /user/company
--delete-target-dir
--num-mappers 1
--fields-terminated-by "\t"
--table staff
--where "id=3"
RDBMS --> Hive
1、在Hive中创建表（不需要提前创建表，会自动创建）
hive (company)> create table staff_hive(id int, name string, sex string) row format delimited fields terminated by '\t';
2、向Hive中导入数据
$ bin/sqoop import
--connect jdbc:mysql://hadoop-senior01.itguigu.com:3306/company
--username root
--password 123456
--table staff
--num-mappers 1
--hive-import
--fields-terminated-by "\t"
--hive-overwrite
--hive-table company.staff_hive
Hive/HDFS --> MYSQL
1、在Mysql中创建一张表
$ bin/sqoop export
--connect jdbc:mysql://hadoop-senior01.itguigu.com:3306/company
--username root
--password 123456
--table staff_mysql
--num-mappers 1
--export-dir /user/hive/warehouse/company.db/staff_hive
--input-fields-terminated-by "\t"
