① Hive 数据管理、内外表、安装模式操作

② Hive：用SQL对数据进行操作，导入数据、清洗脏数据、统计数据订单

③ Hive：多种方式建表，需求操作

④ Hive：分区原因、创建分区、静态分区 、动态分区

⑤ Hive：分桶的简介、原理、应用、创建

⑥ Hive：优化 Reduce，查询过程；判断数据倾斜，MAPJOIN

1.1 Hive 的起源

1. Hive起源于Facebook（一个美国的社交服务网络）。Facebook有着大量的数据，而Hadoop是一个开源的MapReduce实现，可以轻松处理大量的数据。
2. 但是MapReduce程序对于Java程序员来说比较容易写，但是对于其他语言使用者来说不太方便。此时Facebook最早地开始研发Hive，它让对Hadoop使用SQL查询（实际上SQL后台转化为了MapReduce）成为可能，那些非Java程序员也可以更方便地使用。hive最早的目的也就是为了分析处理海量的日志。
3. Hive是一个数据仓库技术，一次将一个SQL语句转化为 Mapreduce 代码，然后对代码进行编译，最后优化执行。
4. Hive是建立在 Hadoop 上的数据仓库基础构架。它提供了一系列的工具，可以用来进行数据提取转化加载（ETL），这是一种可以存储、查询和分析存储在 Hadoop 中的大规模数据的机制。Hive 定义了简单的类 SQL 查询语言，称为 HQL，它允许熟悉 SQL 的用户查询数据。
5. Hive做为 Hadoop 的数据仓库处理工具，它所有的数据都存储在Hadoop 兼容的文件系统中。
6. Hive将元数据存储在关系数据库管理系统 (RDBMS) 中，一般常用 MySQL和Derby。默认情况下，Hive 元数据保存在内嵌的 Derby数据库中，只能允许一个会话连接，只适合简单的测试。实际生产环境中不适用， 为了支持多用户会话，则需要一个独立的元数据库，使用MySQL 作为元数据库，Hive内部对 MySQL 提供了很好的支持。

1.2 数据仓库工具 Hive

• Hive提供了一个类似SQL查询语句，即HQL来查询数据；
• Hive将SQL语句转换成M/R Job，然后在Hadoop上执行；
• Hive是建立在Hadoop HDFS上的数据仓库基础架构；
• Hive可以用来对数据进行提取转换加载。

1.3 Hive 数据管理

Hive的表= HDFS的目录
Hive数据=HDFS文件

• 元信息反应的是表的信息，和表中数据无关。
• Hive中的元数据包括表的名字、列（字段）名字、分区名字及其属性、表的属性（是否为外部表）、表的数据所在目录等。

在设置 hive-site.xml 配置了原数据的存储位置。

什么叫做 Hive的表= HDFS的目录？
进入hive，输入命令显示数据库，show databases;

在HDFS查询下元数据存储位置：fs -ls /user/hive/warehouse

可以看出，在Hive数据库的sptest，是HDFS的一个目录sptest.db 。

sptest的表 person，也是一个目录，里面的数据是HDFS的文件。

1.4 Hive的内外表

Hive的create创建表的时候，选择的创建方式：

• 内部表:create table [表名] （默认内部表）
• 外部表:create external table [表名] location ‘hdfs_path ’(hdfs_path必须是文件夹， 否则会报错 )

特点：

• 在导入数据到外部表，数据并没有移动到自己的数据仓库目录下，也就是说外部表中的数据并不是由它自己来管理的！而内部表则不一样；
• 在删除表的时候，Hive将会把属于表的元数据和数据全部删掉；而删除外部表的时候，Hive仅仅删除外部表的元数据，数据是不会删除。

1.4.2 查询表

查询表是内部表还是外部表。例如：show create table person;

1.4.2 创建内部表

CREATE TABLE `article_as`(
`sentence` string);

load data local inpath '/usr/hadoop/badou/The_Man_of_Property.txt' overwrite into table article_as;

select * from article_as limit 5;

Hive已经有article_as，再看看HDSFhadoop fs -ls /user/hive/warehouse/sptest.db/a*

当我们把article_as表删除，那HDFS的文件是否也同样删除呢？

drop table article_as;

desc article_as;

hadoop fs -ls /user/hive/warehouse/sptest.db

在删除内部表的时候，Hive将会把属于表的元数据和数据全部删掉。

1.4.3 创建外部表

CREATE EXTERNAL TABLE `article_as`(
`sentence` string);

load data local inpath '/usr/hadoop/badou/The_Man_of_Property.txt' overwrite into table article_as;

select * from article_as limit 1;

Hive已经有article_as，再看看HDSFhadoop fs -ls /user/hive/warehouse/sptest.db/a*

当我们把article_as表删除，那HDFS的文件是否也同样删除呢？

drop table article_as;
desc article_as;
hadoop fs -ls /user/hive/warehouse/sptest.db/a*

删除外部表的时候，Hive仅仅删除外部表的元数据，数据是不会删除。

1.5 Hive 小实操

1.5.1 创表并插入

创建一个数据库 badou，插入文件The_Man_of_Property.txt 作为 article_as。

create database badou;
use badou;

CREATE TABLE `article_as`(
`sentence` string);
load data local inpath '/usr/hadoop/badou/The_Man_of_Property.txt' overwrite into table article_as;
select * from article_as limit 2;

1.5.2 实现行转列

select word, count(*) AS cnt from (select explode(split(sentence,' ')) word
from article_as) t
group by word limit 10

1.6 Hive 安装模式

1. 嵌入模式
2. 本地模式
3. 远程模式

内置的Derby主要问题是并发性能很差，可以理解为单线程操作。