数据仓库----Hive进阶篇 一

数据仓库—-hive进阶篇二

一、数据的导入

1、使用Load语句执行数据的导入

1.语法：

    其中（中括号中表示可加指令）：
        LOCAL：表示指定的文件路径是否是本地的，没有则说明是HDFS上的文件路径。
        OVERWRITE：表示覆盖表中的已有数据。
        PARTITION ()：如果是向分区表中导入数据的话需要指定分区。
2.实例：
    (1).无分区情况：

    其中的‘/root/data‘可以是路径也可以是文件：
        路径表示把该路径下的所有文件都导入到表中；
        文件表示只把当前文件导入到表中。
    (2).有分区情况：

2、使用Sqoop进行数据的导入

1.使用sqoop将mysql数据库中的数据导入到HDFS中

hive> sqoop import --connect jdbc:mysql://localhost/3306/sfd --username root --password 123 --table student --columns ‘sid,sname‘ -m 1 --target-dir ‘/sqoop/student‘

    其中：
        --connet ：表示数据库的url链接
        --username ：数据库用户名
        --password ：数据库用户密码
        --table ：源数据所在的表
        --clomns ： 表中的列名，（例子中使用‘,‘ 链接）
        -m 1 : 表示启用的mapreduce个数为1个
        --target-dir ： 将源数据导入到HDFS上的那个文件夹下

2.使用sqoop将mysql数据库中的数据导入到hive中：

hive> sqoop import --hive-import --connect jdbc:mysql://localhost/3306/sfd --username root --password 123 --table student --columns ‘sid,sname‘ -m 1 --hive-table stu --where ‘sid=1‘

    其中：
        --hive-table stu ： 表示在导入到hive中名为stu的表中
        --where ：表示插入数据的条件

3.使用sqoop将mysql数据库中的数据导入到hive中,并使用查询语句；

hive> sqoop import --hive-import --connect jdbc:mysql://localhost/3306/sfd --username root --password 123 -m 1 --query ‘select * from student where sid=‘1‘ and $CONDITIONS‘ --target-dir ‘/sqoop/student1‘ --hive-table stu 

    其中：
        --query : 表示使用的查询语句,如果查询语句中有where条件限制那么必须加上 and $CONDITIONS(大写)

4.使用sqoop将hive中的数据导出到mysql中：

hive> sqoop export --connect jdbc:mysql://localhost/3306/sfd --username root --password 123 -m 1 --table student1 --export-dir ‘/data‘

    其中：
        --table ：为mysql数据库中的已经建立了的表
        --export-dir ：将数据这个文件夹下的数据导入到mysql的student1表中。

二、Hive的数据查询

1、 查询的语法：

    例子：查询student表中的信息：
        select * from student;(查询所有信息不用启用mapreduce)
        select sid from student;（需要启动mapreduce）
        select sid,sname,math,english,math+english from student;(在（math+english）表达式中如果有一个变量为空那么整个表达式为空，可以使用nvl（math，0）函数，表示如果math为空令其为0)

2、简单查询的Fetch Task功能，

从上面的例子中可以看出，简单的查询如果不是查询所有的信息，就会开启mapreduce任务，这样会影响工作效率，从Hive0.10.0版本开始支持了Fetch Task功能；
Fetch Task功能配置方式：
    a. 方式一： set hive.fetch.task.conversion=more
    b. 方式二： hive --hiveconf hive.fetch.task.conversion=more
    c. 方式三： 修改hive-site.xml文件

    前两种方式只在当前hive命令行有用，当重启hive时简单查询还是会调用mapreduce程序；而第二种方式配置是一直起作用的。

3.、在查询中使用过滤

1.where 语句进行过滤。（字符串过滤区分大小写）

    其中：%\\_%  :  由于_是模糊查询中的关键词（表示有一个字符），所以要用到转义字符，第一个‘\‘表示后面使用的是转义字符，‘\_‘表示的是‘_‘;

4、在查询中排序

排序默认是升序的，要想降序只需在末尾加上desc

注意：当使用序号进行排序的使用需要设置一个属性：set hive.groupby.orderby.position.alias=true;

三、Hive的内置函数

1、数学函数：

round（45.926,2）：四舍五入（第二个参数表示的是保留小数点后面几位，当参数为负数是表示的是小数点前）

ceil（45.9）：向上取整

floor（45.9）：向下取整

2、字符函数：

lower：把字符串转换成小写
upper：把字符串装换成大写
length：字符串的长度
concat(‘hello‘,‘world‘)：添加一个字符串
substr(a,b)：截取字符串:(从a中，第b为开始取，取到右边所有的字符)
substr(a,b,c)：截取字符串：(从a中，第b为开始取，取c个字符)
trim：去掉字符串两端的空格
lpad(‘abc‘,10,‘*‘)：左填充
rpad：右填充

3、收集函数和转换函数：

1，收集函数：
    size：

2，转换函数：
    cast：cast(1 as bigint);

4、日期函数：

to_data：取出字符串中的日期部分

year：取出日期中的年
month：取出日期中的月
day：取出日期中的日

weekofyear：返回一个日期在一年中是第几个星期

datediff：两个日期相减返回相差的天数

date_add：在一个日期上加上多少天
date_sub：在一个日期上减去多少天

5、条件函数：

coalesce(a,b,...)：从做到右返回第一个不为null的值

case...when...: 条件表达式
    case a when b then c [when d then e]* [else f] end

6、聚合函数：

count:个数
sum:求和
min:求最小值
max:求最大值
avg:求平均值

7、表生成函数：

explode：把一个map集合或者是array数组中的一个元素单独生成一行

数据仓库—-hive进阶篇二