今天小编给大家分享一下数据库之Hive概论和架构和基本操作是什么的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。

Hive是一个构建在Hadoop上的数据仓库框架，最初，Hive是由Facebook开发，后台移交由Apache软件基金会开发，并做为一个Apache开源项目。

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数据库表，并提供类SQL查询功能。

Hive它能够存储很大的数据集，可以直接访问存储在Apache HDFS或其他数据存储系统（如Apache HBase）中的文件。

Hive支持MapReduce、Spark、Tez这三种分布式计算引擎。

Hive是建立在Hadoop上的数据仓库基础架构，它提供了一系列的工具，可以存储、查询、分析存储在分布式存储系统中的大规模数据集。Hive定义了简单的类SQL查询语言，通过底层的计算引擎，将SQL转为具体的计算任务进行执行。

客户端:写类SQL语句

Hive驱动器：解析、优化SQL

计算引擎：通过计算引擎来执行SQL

数据存储：存储源数据和结果数据

MapReduce

它将计算分为两个阶段，分别为Map和Reduce。对于应用来说，需要想办法将应用拆分为多个map、reduce，以完成一个完整的算法。

MapReduce整个计算过程会不断重复的往磁盘里读写中间结果。导致计算速度比较慢，效率比较低。

Tez

把Map/Reduce过程拆分成若干个子过程，同时可以把多个Map/Reduce任务组合成一个较大DAG任务，减少了Map/Reduce之间的文件存储。

Spark

Apache Spark是一个快速的，多用途的集群计算系统，相对于Hadoop MapReduce将中间结果保存在磁盘中，Spark使用了内存保存中间结果，能在数据尚未写入硬盘时在内存中进行计算，同时Spark提供SQL支持。 Spark 实现了一种叫RDDs的DAG执行引擎，其数据缓存在内存中可以进行迭代处理。

使用的是Hive+Spark计算引擎

1、启动集群中所有的组件

cd /export/onekey

./start-all.sh

2、使用终端链接Hive

1）、进入到/export/server/spark-2.3.0-bin-hadoop2.7/bin目录中

2）、执行以下命令：./beeline

3）、输入：!connect jdbc:hive2://node1:10000，回车

4）、输入用户名：root

5）、直接回车，即可使用命令行连接到Hive，然后就可以执行HQL了。

[root@node1onekey]#cd/export/server/spark-2.3.0-bin-hadoop2.7/bin[root@node1bin]#./beelineBeelineversion1.2.1.spark2byApacheHivebeeline>!connectjdbc:hive2://node1:10000Connectingtojdbc:hive2://node1.itcast.cn:10000Enterusernameforjdbc:hive2://node1.itcast.cn:10000:rootEnterpasswordforjdbc:hive2://node1.itcast.cn:10000:直接回车2021-01-0814:34:24INFOUtils:310-Suppliedauthorities:node1.itcast.cn:100002021-01-0814:34:24INFOUtils:397-Resolvedauthority:node1.itcast.cn:100002021-01-0814:34:24INFOHiveConnection:203-WilltrytoopenclienttransportwithJDBCUri:jdbc:hive2://node1.itcast.cn:10000Connectedto:SparkSQL(version2.3.0)Driver:HiveJDBC(version1.2.1.spark2)Transactionisolation:TRANSACTION_REPEATABLE_READ0:jdbc:hive2://node1.itcast.cn:10000>。

连接成功的标志。

Hive的数据库和表

Hive数仓和传统关系型数据库类似，管理数仓数据也有数据库和表

1)、创建数据库-默认方式

create database if not exists myhive；

show databases; #查看所有数据库

说明：

1、if not exists：该参数可选，表示如果数据存在则不创建（不加该参数则报错），不存在则创建

2、hive的数据库默认存放在/user/hive/warehouse目录

2)、创建数据库-指定存储路径

create database myhive2 location '/myhive2';

show databases; #查看所有数据库

说明：

1、location：用来指定数据库的存放路径。

3）、查看数据库详情信息

desc database myhive;

4)、删除数据库

删除一个空数据库，如果数据库下面有数据表，就会报错

drop database myhive;

强制删除数据库，包含数据库下面的表一起删除

drop database myhive2 cascade;

5)、创建数据库表语法

CREATE[EXTERNAL]TABLE[IFNOTEXISTS]table_name[(col_namedata_type[COMMENTcol_comment],...)][COMMENTtable_comment][PARTITIONEDBY(col_namedata_type[COMMENTcol_comment],...)][CLUSTEREDBY(col_name,col_name,...)[SORTEDBY(col_name[ASC|DESC],...)]INTOnum_bucketsBUCKETS][ROWFORMATrow_format][LOCATIONhdfs_path]

6）、表字段数据类型

7）、表字段数据类型-复杂类型

8）、 内部表操作-创建表

未被external修饰的内部表（managed table），内部表又称管理表，内部表不适合用于共享数据。

create database mytest; #创建数据库

user mytest; #选择数据库

create table stu(id int, name string);

show tables; #查询数据

创建表之后，Hive会在对应的数据库文件夹下创建对应的表目录。

9）、内部表操作-查看表结构/删除表

查看表结构

desc stu；#查看表结构基本信息

desc formatted stu；查看表结构详细信息

删除表

drop table stu;

1）、方式1-直接插入数据

对于Hive中的表，可以通过insert into 指令向表中插入数据

usermytest;#选择数据库createtablestu(idint,namestring);#创建表#向表中插入数据insertintostuvalues(1,'test1');insertintostuvalues(2,'test2');select*fromstu;#查询数据

2）、方式2-load数据加载

Load 命令用于将外部数据加载到Hive表中

语法：

LOADDATA[LOCAL]INPATH'filepath'[OVERWRITE]INTOTABLEtablename[PARTITION(partcol1=val1,partcol2=val2...)]说明:LOCAL表示从本地文件系统加载,否则是从HDFS加载

应用1-本地加载

#创建表，同时指定文件的分隔符createtableifnotexistsstu2(idint,namestring)rowformatdelimitedfieldsterminatedby'\t';#向表加载数据loaddatalocalinpath'/export/data/hivedatas/stu.txt'intotablestu2;

应用2-HDFS加载

#创建表，同时指定文件的分隔符createtableifnotexistsstu3(idint,namestring)rowformatdelimitedfieldsterminatedby'\t';#向表加载数据hadoopfs-mkdir-p/hivedatascd/export/data/hivedatashadoopfs–putstu.txt/hivedatas/loaddatainpath'/hivedatas/stu.txt'intotablestu3;Hive内部表特点

1）、元数据

Hive是建立在Hadoop之上的数据仓库，存在hive里的数据实际上就是存在HDFS上，都是以文件的形式存在

Hive元数据用来记录数据库和表的特征信息，比如数据库的名字、存储路径、表的名字、字段信息、表文件存储路径等等

Hive的元数据保存在Mysql数据库中

2）、内部表特点

hive内部表信息存储默认的文件路径是在/user/hive/warehouse/databasename.db/tablename目录

hive 内部表在进行drop操作时，其表中的数据以及表的元数据信息均会被删除

内部表一般可以用来做中间表或者临时表

1）、创建表

创建表时，使用external关键字修饰则为外部表，外部表数据可用于共享

#创建学生表createexternaltablestudent(sidstring,snamestring,sbirthstring,ssexstring)rowformatdelimitedfieldsterminatedby‘\t'location‘/hive_table/student‘;#创建老师表createexternaltableteacher(tidstring,tnamestring)rowformatdelimitedfieldsterminatedby'\t'location‘/hive_table/teacher‘;

创建表之后，Hive会在Location指定目录下创建对应的表目录。

2）、加载数据

外部表加载数据也是通过load命令来完成

#给学生表添加数据loaddatalocalinpath'/export/data/hivedatas/student.txt'intotablestudent;#给老师表添加数据，并覆盖已有数据loaddatalocalinpath'/export/data/hivedatas/teacher.txt'overwriteintotableteacher;#查询数据select*fromstudent;select*fromteacher;

3）、外部表特点

外部表在进行drop操作的时候，仅会删除元数据，而不删除HDFS上的文件

外部表一般用于数据共享表，比较安全

4）、安装Visual Studio Code

开发Hive的时候，经常要编写类SQL，

1）、介绍

在大数据中，最常用的一种思想是分治，分区表实际就是对应hdfs文件系统上的独立的文件的文件夹，该文件夹下是该分区所有数据文件。

分区可以理解为分类，通过分类把不同类型的数据放到不同的目录下。

Hive中可以创建一级分区表，也可以创建多级分区表

2）、创建一级分区表

createtablescore(sidstring,cidstring,sscoreint)partitionedby(monthstring)rowformatdelimitedfieldsterminatedby'\t';

3）、数据加载

loaddatalocalinpath'/export/data/hivedatas/score.txt'intotablescorepartition(month='202006');

4）、创建多级分区表

createtablescore2(sidstring,cidstring,sscoreint)partitionedby(yearstring,monthstring,daystring)rowformatdelimitedfieldsterminatedby'\t';

5）、数据加载

loaddatalocalinpath'/export/data/hivedatas/score.txt'intotablescore2partition(year='2020',month='06',day='01');

加载数据之后，多级分区表会创建多级分区目录。

6）、查看分区

showpartitionsscore;

7）、添加分区

altertablescoreaddpartition(month='202008');altertablescoreaddpartition(month='202009')partition(month='202010');

8）、删除分区

altertablescoredroppartition(month='202010');

9）、Array类型

Array是数组类型，Aarray中存放相同类型的数据

源数据：

zhangsanbeijing,shanghai,tianjin,hangzhouwangwuchangchun,chengdu,wuhan,beijin

建表数据：

createexternaltablehive_array(namestring,work_locationsarray<string>)rowformatdelimitedfieldsterminatedby'\t'collectionitemsterminatedby',';

建表语句：

loaddatalocalinpath'/export/data/hivedatas/array_data.txt'overwriteintotablehive_array;

查询语句：

--查询所有数据select*fromhive_array;--查询loction数组中第一个元素selectname,work_locations[0]locationfromhive_array;--查询location数组中元素的个数selectname,size(work_locations)locationfromhive_array;--查询location数组中包含tianjin的信息select*fromhive_arraywherearray_contains(work_locations,'tianjin');

以上就是“数据库之Hive概论和架构和基本操作是什么”这篇文章的所有内容，感谢各位的阅读！相信大家阅读完这篇文章都有很大的收获，小编每天都会为大家更新不同的知识，如果还想学习更多的知识，请关注亿速云行业资讯频道。