1. 创建数据库，切换数据库

create database testdb2;use testdb2;

 

2. 创建管理表

create table emp(empno int,empname string,job string,mgr int,hiredate string,salary double,comm double,deptno int)row format delimitedfields terminated by '\t'; 加载数据load data local inpath '/opt/test/emp.txt' overwrite into table emp;

 

3. 创建外部表

创建外部表时直接指定表位置

上传数据文件到指定路径  

hdfs dfs -mkdir /user/hive/warehouse/testdb2.db/emp_exthdfs dfs -put emp.txt /user/hive/warehouse/testdb2.db/emp_ext/

 

在hive中创建数据表指定location

create external table emp_ext(empno int,empname string,job string,mgr int,hiredate string,salary double,comm double,deptno int)row format delimitedfields terminated by '\t'location '/user/hive/warehouse/testdb2.db/emp_ext/';

 

4. 创建分区表

create table emp_part(empno int,empname string,job string,mgr int,hiredate string,salary double,comm double,deptno int)partitioned by (year string, month string)row format delimitedfields terminated by '\t';

注：分区字段不能与表中其他字段重复，否则报错

FAILED: SemanticException [Error 10035]: Column repeated in partitioning columns

 

加载数据

从本地拷贝emp.txt到分区表目录中

load data local inpath '/opt/test/emp.txt' into table emp_part partition (year='2016', month='3');load data local inpath '/opt/test/emp.txt' into table emp_part partition (year='2016', month='4');

 

用hdfs中指定位置的数据，增加分区表中数据，此操作不会移动数据文件到分区表目录中

alter table emp_part add partition (year='2016', month='5') location '/data';

把hdfs中指定位置的数据移动到分区表目录中，增加数据

load data inpath '/emp.txt' into table emp_part partition (year='2016', month='6');

 

5.其他创建表的方式

(1) create-as

create table emp3  asselect * from emp;

(2) create-like

create table emp4 like emp;load data local inpath '/opt/test/emp.txt' overwrite into table emp4;

(3)插入数据

insert overwrite table emp4 select * from emp;

 

6.指定表存储格式与压缩格式

(1) 指定orc格式

create table emp_orc(empno int,empname string,job string,mgr int,hiredate string,salary double,comm double,deptno int)stored as orc;

指定为非文本格式时无需再指定row format delimited fields terminated by '\t'

插入数据insert into table emp_orc select * from emp;

 

可以利用已有的ORC存储格式的表创建新的ORC表

create table emp_orc2 like emp_orc;插入数据insert overwrite table emp_orc2 select * from emp;

 

(2) 指定orc+snappy格式

a)先创建表，再插入数据

create table emp_orc_snappy(empno int,empname string,job string,mgr int,hiredate string,salary double,comm double,deptno int)stored as orc tblproperties("orc.compression"="snappy");插入数据insert overwrite table emp_orc_snappy select * from emp;

b)利用已有的orc表格式创建orc+snappy格式表

create table emp_orc_snappy2 like emp_orc tblproperties ("orc.compression"="snappy");insert overwrite table emp_orc_snappy2 select * from emp;

c)利用非压缩表直接创建orc+snappy表并导入数据

create table emp_orc_snappy3stored as orc tblproperties("orc.compression"="snappy")as select * from emp;

7.hive执行参数-e,-f,--hiveconf

(1)命令行直接执行hql语句

hive -e "select * from db_hive01.emp"

(2)执行hql文件中的语句

hive -f emp.hql

(3)打开调试模式

hive --hiveconf hive.root.logger=DEBUG,console

8.数据导出

(1)导出数据到本地

a)insert

insert overwrite local directory '/opt/test/local'  row format delimited fields terminated by '\t'select * from emp;

如果不指定row format delimited fields terminated by '\t'，字段间默认没有分割符    

 

b)

hive -e 'select * from testdb2.emp'  >> ./emp_export.txt

 

(2)导出到hdfs

a)

insert overwrite directory '/export_data'  select * from emp;

hive 0.13.1版本还不支持导出数据到hdfs时指定分隔符row format delimited fields terminated by '\t'

 

b)

export table emp to '/export_data';

导出后会在会生成/export_data/data目录， emp.txt存放在此目录中，即/export_data/data/emp.txt

 

9. 排序

(1)order by 全局排序

insert overwrite local directory '/opt/test/local'  row format delimited fields terminated by '\t'select * from emp order by empno;

(2)sort by 与 distributed by

类似MR中partition，进行分区，结合sort by使用

每个reduce内部进行排序，全局不是排序， distribute by 一定是放在sort by 前面，

且必须要指定mapreduce.job.reduces数量，否则导出结果还是在一个文件中  

set mapreduce.job.reduces=3;insert overwrite local directory '/opt/test/local'  row format delimited fields terminated by '\t'select * from emp distribute by deptno sort by empno;

(3)cluster by

当distributed by和sort by 字段一样的时候，直接使用cluster by

 

10.常用函数

select upper(empname) from emp;select unix_timestamp(trackTime) from bflog limit 3 ;select year(hiredate) from emp ;select month(hiredate) from emp ;select hour(hiredate) from emp ;select substr(hiredate,1,4) from .emp ;select split(hiredate,'-')[1] from emp ;select reverse(hiredate) from emp ;select concat(empno,'-',empname) from emp ;case when 条件1  then  ...     when 条件2  then  ...     else  end

可以使用desc function substr 查看函数说明， substr第二个参数为index 从1技术，第三个参数为length

 

11. 自定义UDF

add jar /opt/test/mylower.jar ;CREATE TEMPORARY FUNCTION mylower AS 'org.gh.hadoop.hive.MyLower';

 

12. 使用正则表达式加载数据字段

create table beifenglog(remote_addr string,remote_user string,time_local string,request string,status string,body_bytes_sent string,request_body string,http_referer string,http_user_agent string,http_x_forwarded_for string,host string)row format serde 'org.apache.hadoop.hive.contrib.serde2.RegexSerDe'with serdeproperties("input.regex" = "(\\\"[\\d\\.]+\\\") (\\\"[^ ]+\\\") (\\\".*?\\\") (\\\".*?\\\") (\\\"\\d+\\\") (\\\"\\d+\\\") ([^ ]+) (\\\"[^ ]+\\\") (\\\".*?\\\") (\\\"[^ ]+\\\") (\\\"[^ ]+\\\")")stored as textfile; 加载原表数据load data local inpath '/opt/test/beifenglog.data' overwrite into table beifenglog;

可以使用工具调试正则：http://tool.chinaz.com/regex

 

 

13.注意点

(1)在创建表（无论管理表还是外部表）时，如果没有指定location，可以使用load data加载数据

a) 指定本地目录中的数据，会上传数据文件到hdfs中

b) 指定hdfs中数据文件，如果指定的路径与表所在的目录不一致，则移动数据文件到表目录中

 

create external table emp_ext2 like emp;load data inpath '/emp.txt' into table emp_ext2;会把/emp.txt移动到/user/hive/warehouse/testdb2.db/emp_ext2/目录中

create table emp2 like emp;load data inpath '/emp.txt' into table emp2;会把/emp.txt移动到/user/hive/warehouse/testdb2.db/emp2/目录中

 

(2)create-like时不能指定stored as为其他格式，否则报错

以下操作会报错 FAILED: ParseException line 1:31 missing EOF at 'stored' near 'emp'

create table emp_orc2 like emp stored as orc;