Hive

1.Hive
1.1在hadoop生态圈中属于数据仓库的角色。他能够管理hadoop中的数据(数据管理功能)，同时可以查询hadoop中的数据。
  本质上讲，hive是一个SQL解析引擎。Hive可以把SQL查询转换为MapReduce中的job来运行。
  Hive所使用的语言HiveQL是一种类似SQL的语言, 它与大部分的SQL语法兼容, 但是并不完全支持SQL标准, 如HiveQL不支持更新操作, 也不支持索引和事务, 它的子查询和
  join操作也很局限, 这是因其底层依赖于Hadoop云平台这一特性决定的, 但其有些特点是SQL所无法企及的。
  例如多表查询、支持create table as select和集成MapReduce脚本等
  hive有一套映射工具，可以把SQL转换为MapReduce中的job，可以把SQL中的表、字段转换为HDFS中的文件(夹)以及文件中的列。
  这套映射工具称之为metastore，一般存放在derby、mysql中(关系型数据库中)。
  Hive构建在Hadoop之上，Hive对外提供不同的接口（web接口，JDBC接口，命令行接口），不同的接口会连接不同的驱动，通过驱动，Hive把我们的SQL转化为m/r的执行，
  转化为对HDFS的执行。
  转化的工作是驱动来做的，驱动在运行的时候会查询Metastore中的内容。我们可以把Hive理解为一个客户端工具，他让我们执行SQL操作，然后把SQL操作转化为对Hadoop的操作。
  
　我们理解Hive，他就是一个客户端的工具，所以无所谓把它区分为是集群，还是伪分布的安装，他就是一个客户端工具。
1.2 hive在hdfs中的默认位置是/user/hive/warehouse，是由配置文件hive-conf.xml中属性hive.metastore.warehouse.dir决定的。
　　　　　　　　　　　　　　　　　　　　　　Hive的安装
2.hive的安装
  (1)解压缩、重命名、设置环境变量
    export HIVE_HOME=/usr/local/hive
    export ....:$HIVE_HOME/BIN:....
    source /etc/profile
  (2)在目录$HIVE_HOME/conf/下，执行命令mv hive-default.xml.template  hive-site.xml重命名
     在目录$HIVE_HOME/conf/下，执行命令mv hive-env.sh.template  hive-env.sh重命名
    如上两项内容可以不做修改
  (3)修改hadoop的配置文件hadoop-env.sh，修改内容如下：
     export HADOOP_CLASSPATH=.:$CLASSPATH:$HADOOP_CLASSPATH:$HADOOP_HOME/bin
  (4)在目录$HIVE_HOME/bin下面，修改文件hive-config.sh，增加以下内容：(直接加到最前面就行)
     export JAVA_HOME=/usr/local/jdk
     export HIVE_HOME=/usr/local/hive
     export HADOOP_HOME=/usr/local/hadoop
通过hive命令就可以进入hive终端,和mysql一样，可以执行show databases; use 数据库名; show tables; 命令
　　　　　　　　　　　　　　　　　　　　安装mysql
3.安装mysql
    rpm -qa |grep mysql  检测是否安装，如果已经安装，需要删除
  (1)删除linux上已经安装的mysql相关库信息。rpm  -e  xxxxxxx   --nodeps
     执行命令rpm -qa |grep mysql 检查是否删除干净
  (2)执行命令 rpm -i   mysql-server-********  安装mysql服s务端     
  (3)启动mysql 服务端，执行命令  mysqld_safe &
  (4)执行命令 rpm -i   mysql-client-********  安装mysql客户端
  (5)执行命令mysql_secure_installation设置root用户密码（默认的为空）
    Reload privilege tables now?  yes 其他的 他都选的否
    登录：mysql -uroot -padmin  (才密码设置为了admin)
    退出：quit
4. 使用mysql作为hive的metastore
  (1)把mysql的jdbc驱动放置到hive的lib目录下
  (2)修改hive-site.xml文件，修改内容如下：  
    <property>
        <name>javax.jdo.option.ConnectionURL</name>连接的JDBC的url  36:21
        <value>jdbc:mysql://hadoop0:3306/hive?createDatabaseIfNotExist=true</value>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>admin</value>
    </property>
    在win7中连接linux中的mysql，用一个客户端软件，类似于MysqlBench。创建一个连接，填好连接名，IP（主机名），还有我们linux端mysql的用户名和密码，然后连接测试，是连接不上的
    因为mysql，默认不允许远程连接，需要执行几个命令。我们登录mysql ，执行授权命令，grant all on hive.* to 'root'@'%' indentified 'admin'  意思是给任意地方的root用户授权hive库的所有权限，并且用密码admin登录。
    flush privilege;刷新权限表，此时就能连接了。metasotre是hive元数据的集中存放地。metasotre默认使用内嵌的derby数据库作为存储引擎
　　　　　　　　　　　　　　　　　　　　　　　　　　　　Hive的metastore
   metasotre是hive元数据的集中存放地。metasotre默认使用内嵌的derby数据库作为存储引擎
   Derby引擎的缺点：一次只能打开一个回话。
　　使用Mysql作为外置存储引擎，多用户同时访问。

   　　　　　　　　　　　　　　　　　　　　　　　　　　Hive的数据类型
　　没有date/datetime，其他相关的自己百度就可以。
5. 内部表
   CREATE TABLE t1(id int);  
   LOAD DATA LOCAL INPATH '/root/id' INTO TABLE t1;  里面的LOCAL,意思是从本地磁盘文件，即linux中向hive中加载，如果去掉LOCAL，就是从hdfs中加载。
                             我们也可以不用，这个命令，使用hdfs -put命令同样也可以加载到HIVE中，把put的目的路径写成hive在hdfs中的路径就行了
   
   CREATE TABLE t2(id int, name string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';

    查看用select命令  select *  是全表扫描，不走m/r， 如果select 其他，只要不是* ，就需要走m/r
6. 分区表
   CREATE TABLE t3(id int) PARTITIONED BY (day int);  
   LOAD DATA LOCAL INPATH '/root/id' INTO TABLE t1 PARTITION (day=22);   
7. 桶表
   create table t4(id int) clustered by(id) into 4 buckets; 
   set hive.enforce.bucketing = true;
   insert into table t4 select id from t3;
8. 外部表
   create external table t5(id int) location '/external';   
   　　　　　　　　　　　　　　　　　　    Hive的命令
hive命令支持正则表达式匹配
　　例如：show tables  'ad.*'  //以ad开头的表

   
练习题：把原来的手机流量统计使用hive处理