Hive入门+实战.pptVIP

Hive开发使用-java客户端 hive需要引用的客户端jar包列表： java端连接hive,需要预先引入hive相关的客户端jar包， jar包可以直接从hive安装包的lib目录下拷贝。jar包列表如下： Hive客户端java代码，如下： Hive开发使用-java客户端 谢 谢 * * * Hive开发使用-Hive的数据模型 内部表 内部表与关系数据库中的Table在概念上类似。每一个Table在Hive中都有一个相应的目录存储数据。所有的Table数据（不包括External Table）都保存在这个目录中。删除表时，元数据与数据都会被删除。 元数据库中查询数据表列表: HDFS下对应存储目录： Hive开发使用-Hive的数据模型 外部表 外部表指向已经在HDFS中存在的数据，可以创建Partition。它和内部表在元数据的组织上是相同的，而实际数据的存储则有较大的差异。内部表的创建过程和数据加载过程这两个过程可以分别独立完成，也可以在同一个语句中完成，在加载数据的过程中，实际数据会被移动到数据仓库目录中；之后对数据访问将会直接在数据仓库目录中完成。删除表时，表中的数据和元数据将会被同时删除。而外部表只有一个过程，加载数据和创建表同时完成（CREATE EXTERNAL TABLE ……LOCATION），实际数据是存储在LOCATION后面指定的 HDFS 路径中，并不会移动到数据仓库目录中。当删除一个External Table时，仅删除该链接。 Hive开发使用-Hive的数据模型 如何选择使用内部表或外部表？ 如果所有处理都由hive来完成，则使用内部表 如果需要用hive和外部其他工具处理同一组数据集，则使用外部表。 Hive开发使用-Hive的数据模型 分区 Partition对应于关系数据库中的Partition列的密集索引，但是Hive中Partition的组织方式和数据库中的很不相同。在Hive中，表中的一个Partition对应于表下的一个目录，所有的Partition的数据都存储在对应的目录中。例如pvs表中包含ds和city两个Partition，则 对应于ds = city= jinan 的HDFS子目录为：/wh/pvs/dscity=jinan ； Hive开发使用-Hive的数据模型 桶 Buckets是将表的列通过Hash算法进一步分解成不同的文件存储。它对指定列计算hash，根据hash值切分数据，目的是为了并行，每一个Bucket对应一个文件。分区是粗粒度的划分，桶是细粒度的划分，这样做为了可以让查询发生在小范围的数据上以提高效率。适合进行表连接查询、适合用于采样分析。 例如将user列分散至32个bucket，首先对user列的值计算hash，则 对应hash值为0的HDFS目录为：/wh/pvs/dsctry=US/part-00000； 对应hash值为20的HDFS目录为： /wh/pvs/dsctry=US/part-00020。 如果想应用很多的Map任务这样是不错的选择。 Hive开发使用-Hive的数据模型 Hive的视图 视图与传统数据库的视图类似。视图是只读的，它基于的基本表，如果改变，数据增加不会影响视图的呈现；如果删除，会出现问题。如果不指定视图的列，会根据select语句后的生成。 视图的简单示例： 创建表：create view test_view as select * from test; 查看数据：select * from test_view; Hive开发使用-Hive的数据存储模型 数据库 （database） 表 （table） 表 （table） 常规数据 （data） （Buckets） 桶 （Buckets） 桶 分区 （Partition） 分区 （Partition） （Buckets） 桶 （Buckets） 桶 Hive开发使用-Hive创建数据表命令 CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name [(col_name data_type [COMMENT col_comment], ...)] [COMMENT table_comment] [PARTITIONED BY (col_name data_type [COMMENT col_