Hadoop大数据开发基础 第2版 第6章 Hive数据仓库.pptVIP

以student表为例，介绍Hive中表数据的插入操作。 使用insert语句在student表中插入一条新的记录（2018213223,‘王小哲’,‘男’,18,‘IS’），查询验证如下图所示。 使用insert语句将student表中数据作为新的数据记录插入表student中。 使用insert语句将student表中数据作为新的数据记录插入表student中，并覆盖原表中的内容。 插入数据 在Hive中默认未开启支持单条更新（update）以及删除（delete）操作。在默认情况下，当用户使用update和delete操作时，会出现报错，如下图所示。 如果需要使用update和delete操作，那么需要在hive-site.xml配置文件中添加配置。 使用truncate关键字将清空整个数据表的所有数据，因此truncate关键字需要谨慎使用。 删除表中数据 1 访问Hive的3种方式 目录 认识Hive数据仓库 2 实现Hive表的创建与修改 3 实现Hive表中数据的增删查改 4 掉线率top10基站统计 5 自我国三大运营商获得无线牌照以来，无线用户发展迅猛，优化维护工作的好坏直接影响运营商的服务质量和满意度。而影响运营商服务质量和满意度的一个重要网络指标之一——掉话率。 因此，统计分析各基站掉话率，有助于运营商做出科学决策，提升网络质量，开展优化维护工作，降低基站掉话率，才能有效的支撑业务发展，提升用户满足度。 本小节的任务如下。 统计出每个基站的掉话率，并按降序排序。 找出掉话率比较高的前20个基站。 任务描述 根据jizhan_information.scv文件中的信息，计算每个基站的掉话率，找出最高掉话率的基站，可以帮助运营商更好的分析高掉话率基站的具体情况，有助于安排维护人员有针对性的进行故障检测。 已知基站掉话率的计算公式，如下图所示。 统计基站的掉话率的实现步骤如下。 上传jizhan_information.csv文件至服务器。 创建myhive数据库并在myhive数据库中创建jizhan结构表。 装载jizhan_information.scv文件中的数据至jizhan表。 创建jizhan_result结果表，用以存储统计掉话率后的信息。 根据掉话率公式统计各基站的掉话率，并按降序排序，找出掉话率Top20个基站。 分析基本思路 首先在root目录下创建jizhan文件夹，并将jizhan_information.csv上传至/root/jizhan_data目录下。 进入myhive数据库，并创建jizhan结构表。 装载jizhan_information.scv文件至jizhan表，并查看jizhan表中的数据，如下图所示。 任务实现 编写HQL语句，并将查询结构存入jizhan_result表中，在统计之前需先创建jizhan_result表结构，以便存储查询结果。 统计基站掉话率，并按照掉话率降序排序。 通过select语句可查看jizhan_result表的内容，如右图所示。 任务实现 本章详细介绍了Hive的基本知识。Hive是一个构建在Hadoop之上的数据仓库工具，主要用于对存储在Hadoop文件中的数据集进行数据整理、特殊查询和分析处理。 本章从Hive与传统数据库的区别出发，通过介绍Hive的基本概念，让读者需要了解Hive以及Hive架构、数据模型及其工作原理；通过介绍Hive的3种访问方式及搭建过程，让读者熟悉Hive的安装步骤和管理。 接着介绍Hive的数据操作，让读者掌握HiveQL的相关操作。 作为初学者，学习Hive需要实际动手操作Hive，这也是掌握Hive的关键，最后以掉线率Top20基站统计为例，详细介绍了如何使用Hive解决具体的实际问题。 小结 （1） 创建表语法格式 在编写ROW FORMAT选项参数时，可以选用以下指定规则。 row_BY char] | SERDE serde_namformat： : DELIMITED [FIELDS TERMINATED BY char] [COLLECTION ITEMS TERMINATED BY char] [MAP KEYS TERMINATED BY char] [LINES TERMINATED e [WITH SERDEPROPERTIES (property_name=property_value, property_name=property_value, ...)] 实现Hive表的创建与修改 （1） 创建表语法格式 SORTED BY：对列