前言

：是基于 Hadoop 的一个数据仓库工具。

HIVE

hive概述

： Hive 是基于 Hadoop 的一个数据仓库工具。可以将结构化的数据文件映射为一张表，并提供完整的 类sql 查询语句转化为 MapReduce 任务进行运行。

优点

： 学习成本低，可以通过 类SQL语句 快速实现 MapReduce 统计，不必开发专门的 MapReduce 应用，十分适合数据仓库的统计分析。

功能

：Hive 是建立在 Hadoop 上的数据仓库基础构架，他提供了一系列的工具，可以用来进行数据提取，转化，加载。也可以叫做数据清洗。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 HiveQL。它允许熟悉 SQL 的用户查询数据。

运行机制

： HQL - Hive 通过类 SQL 的语法。来进行分布式的计算。HQL 用起来和 SQL 非常的类似，Hive 在执行的过程中会将 HQL 转换为 MapReduce 去执行，所以 Hive 其实是基于 Hadoop 的一种分布式计算框架，底层仍然是 MapReduce，所以它本质还是一种 离线大数据 分析工具。

Hive 命令

： show databases；
						  - - >  查看所有的数据库

： create database 自定义数据库名；
							 - - >  创建数据库；

： use 自定义的数据库；
							- - >  进入 自定义的数据库 

： show tables；
							 - - >    查看数据库下所有表

： create table 自定义表名 （id int，name string）；
							- - >  创建表

： insert into 自定义数据表 values（1，'zhang'）；
							- - >  插入数据表

： select * from stu；
							 - - > 查看表数据

： drop table 自定义的表名
							 - - > 删除表

： load data local inpath '上传文件所在路径'  into table 表名; - - > 将本地文件传到表中 

： create table 自定义表名1（id int,name string) row
						 format delimited fields terminated by ' '; 
			（       row 行
					format 格式  
				    delimited 以  ......  为规定  
				    fields  区域
				    terminated  停止 结束
				    ）		 
				 	   - - > 创建表名 并且以 空格 为分隔符；
						               
： desc 自定义表名 
						 - - > 查看表结构

： create table 自定义表名2 like 自定义表名1
							- - > 创建一张 表2 和 表1 的结构类似 

： insert overwrite table 自定义表名2 select * from 自定义表名1 
							- - > 将从自定义表名1 中的查询到的数据存储到 自定义表名2 中。
							
： alter table 自定义表名1 rename to 自定义表名2；
						    - - > 将自定义表名1 的名字 更改成自定义表名 2

： alter table 自定义表名1 add columns (age int);
						   - - > 为表 自定义表名1 添加一个字段
								 
： exit - - > 退出hive

Hive内部表和外部表

MANAGED_TABLE 内部表

： 先有hive表，再有数据
： 当内部表被删除时，对应的HDFS的数据也会备删除掉

EXTERNAL_TABLE 外部表

： 现有数据，在建立hive表
： 删除外部表，但对应的数据还在
： 外部表管理的是 HDFS 里的某一个目录的文件数据

创建外部表的命令

：create external table 自定义表名（id int,name string）row
                format delimited fields terminated by ' ' location '/目录路径'

Hive分区表

： Hive的表的有两种，内部表和外部表都可以是分区表；

作用

： 可以避免查询整表，在生产环境下，基本都是建立带有分区字段的表；

创建命令

  create table 自定义表名（id int，name string）partitioned by 
               （category string)row format delimited fields terminated by '\t';
		
		注意： 在创建分区表时，partitioned字段可以不在字段列表中，
		      生成的表中自动就会具有该字段，category是自定义的字段；

分区表加载数据命令

： load data local inpath ‘/文件所在路径’ overwrite into table 表名 partition (category=‘分区文件名’)；

查询数据命令

select * from 表名 where category=‘分区表名’；只查询分区的数据

创建目录来增加分区

： 在自己的 HDFS 的目录下，自己创建一个分区目录，然后再此目录下上传文件；

ALTER TABLE 表名 add PARTITION (category = '自己创建的名字')
                                    location ‘/文件所在路径’；	

显示分区

					show partitions iteblog;

添加分区

alter table 自定义表名 add partition (category='分区表名')
           location '分区路径' ；

或者   msck repair table 自定义表名；

修改分区

alter table 自定义表名 partition(category='分区原名字') 
			rename to partition (category='分区新名字');

数据类型

常用的基本数据类型

： int boolean float double string

复杂数据类型

： array 是由一系列相同数据类型的元素组成

： map 包含 key-value 键值对，可以通过 key 来访问元素

： struct 可以包含不同数据类型元素，相当于对象结构，可以通过 对象.属性 来访问

Hive 常用字符串操作函数

： length（String A）	- - >  select length(返回A的长度);

： reverse(string A)     - - >  select reverse(返回A的反转结果)；

： concat（'string A'，'string B'） - - > select concat(返回 AB);

:  concat_ws('分隔符'，'string A'，'string B') - - > select concat_ws(返回 A分隔符B);

：  substr（'需要分割的字段'，'开始分割的位置'，'结束分割位置'）；
                                                  - - > select substr(中间的部分);

：  upeer（string a）或者 ucase（string a） - -> 转大写

：  lower（string a）或者 lcase （string a）--> 转小写

：  split（string str，string pat） - - > select split('需要分割的数字'，);

：  explode - - > 将行数据，按指定规则切分出多行

Hive 的 UDF

： 如果 hive 的内置函数不够用，我们也可以自己定义函数来使用，这样的函数称为 hive 的用户自定义函数，简称 UDF；