大数据Hive技术全面解析
本文目录（本文约六万五千字）
（一）基本概念、安装、数据类型
（二）DDL数据定义、DML数据操作
（三）查询、分区表和分桶表
（四）函数、压缩和存储
（五）企业级调优、Hive实战 （一）基本概念、安装、数据类型1 基本概念1.1 什么是Hive
（1）Hive是由 Facebook 开源用于解决海量 结构化 日志的数据统计工具；
（2）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 类SQL 查询功能；
（3）Hive的 本质 是将HQL转化成MapReduce程序。
（4）Hive 处理的数据存储在HDFS；
（5）Hive 分析数据底层的实现是MapReduce；
（6）执行程序运行在 Yarn 上。
1.2 Hive 的优缺点
优点
（1）操作接口采用类SQL 语法，提供快速开发的能力（简单、容易上手）。
（2）避免了去写MapReduce，减少开发人员的学习成本。
（3）Hive 的执行延迟比较高，因此Hive 常用于数据分析，对实时性要求不高的场合。
（4）Hive 优势在于处理大数据，对于处理小数据没有优势，因为Hive 的执行延迟比较
高。
（5）Hive 支持用户自定义函数，用户可以根据自己的需求来实现自己的函数。
缺点
（1）Hive 的HQL 表达能力有限，迭代式算法无法表达，数据挖掘方面不擅长，由于MapReduce 数据处理流程的限制，效率更高的算法却无法实现。
（2）Hive 的效率比较低，Hive 自动生成的MapReduce 作业，通常情况下不够智能化，Hive 调优比较困难，粒度较粗。 1.3 Hive 架构原理
（1）用户接口：Client
CLI（command-line interface）、JDBC/ODBC(jdbc 访问hive)、WEBUI（浏览器访问hive）
（2）元数据：Metastore
元数据包括：表名、表所属的数据库（默认是default）、表的拥有者、列/分区字段、表的类型（是否是外部表）、表的数据所在目录等；
默认存储在自带的derby 数据库中，推荐使用MySQL 存储Metastore
（3）Hadoop
使用HDFS 进行存储，使用MapReduce 进行计算。
（4）驱动器
解析器（ SQL Parser ）：将SQL 字符串转换成抽象语法树AST，这一步一般都用第三方工具库完成，比如antlr；对AST 进行语法分析，比如表是否存在、字段是否存在、SQL语义是否有误。
编译器（Physical Plan ）：将AST 编译生成逻辑执行计划。
优化器（Query Optimizer ）：对逻辑执行计划进行优化。
执行器（Execution ）：把逻辑执行计划转换成可以运行的物理计划。对于Hive 来说，就是MR/Spark。
Hive 通过给用户提供的一系列交互接口，接收到用户的指令(SQL)，使用自己的Driver，结合元数据(MetaStore)，将这些指令翻译成MapReduce，提交到Hadoop 中执行，最后，将执行返回的结果输出到用户交互接口。 1.4 Hive 和数据库比较
由于 Hive 采用了类似SQL 的查询语言 HQL(Hive Query Language)，因此很容易将 Hive 理解为数据库。其实从结构上来看， Hive 和数据库除了拥有类似的查询语言，再无类似之处。本文将从多个方面来阐述 Hive 和数据库的差异。数据库可以用在 Online 的应用中，但是Hive 是为数据仓库而设计的，清楚这一点，有助于从应用角度理解 Hive 的特性。
（1）查询语言
由于 SQL 被广泛的应用在数据仓库中，因此，专门针对 Hive 的特性设计了类 SQL 的查询语言 HQL 。熟悉 SQL 开发的开发者可以很方便的使用 Hive 进行开发。
（2）数据更新
由于 Hive 是针对数据仓库应用设计的，而 数据仓库的内容是读多写少的。 因此， Hive 中不建议对数据的改写，所有的数据都是在加载的时候确定好的。 而数据库中的数据通常是需要经常进行修改的，因此可以使用 INSERT INTO … VALUES 添加数据，使用 UPDATE … SET 修改数据。
（3）执行延迟
Hive 在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟较高。另外一个导致 Hive 执行延迟高的因素是 MapReduce 框架。由于 MapReduce 本身具有较高的延迟，因此在利用 MapReduce 执行 Hive 查询时，也会有较高的延迟。相对的，数据库的执行延迟较低。当然，这个低是有条件的，即数据规模较小，当数据规模大到超过数据库的处理能力的时候，Hive 的并行计算显然能体现出优势。
（4）数据规模
由于Hive 建立在集群上并可以利用 MapReduce 进行并行计算，因此可以支持很大规模的数据；对应的，数据库可以支持的数据规模较小。 2 Hive 安装2.1 Hive 安装部署
1. 把 apache-hive-3.1.2-bin.tar.gz上传到 linux的 /opt/software目录下
2. 解压 apache-hive-3.1.2-bin.tar.gz到 /opt/module/目录下面 [Tom@hadoop102 software]$ tar -zxvf /opt/software/apache-hive-3.1.2-bin.tar.gz -C /opt/module/ 1
3. 修改 apache-hive-3.1.2-bin.tar.gz的名称为 hive-3.1.2 [Tom@hadoop102 software]$ mv /opt/module/apache-hive-3.1.2-bin/ /opt/module/hive-3.1.2 1
4. 修改 /etc/profile.d/my_env.sh，添加环境变量 [Tom@hadoop102 software]$ sudo vim etc/profile.d/my_env.sh 1
5. 添加内容 #HIVE_HOME export HIVE_HOME=/opt/module/hive-3.1.2 export PATH=$PATH:$HIVE_HOME/bin 123
6. 解决日志 Jar包冲突 [Tom@hadoop102 software]$ mv $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.jar $HIVE_HOME/lib/log4j slf4j-impl-2.10.0.bak 1
7. 初始化元数据库 [Tomu@hadoop102 hive-3.1.2]$ bin/schematool -dbType derby -initSchema 1
8. 启动并使用Hive [Tom@hadoop102 hive-3.1.2]$ bin/hive hive (default)> show databases; hive (default)> show tables; hive (default)> create table test(id int); hive (default)> insert into test values(1); hive (default)> select * from test; OK test.id 1 Time taken: 0.39 seconds, Fetched: 1 row(s) 12345678910
在 CRT窗口中开启另一个窗口，开启 Hive，在 /tmp/atguigu目录下监控 hive.log文件 Caused by: ERROR XSDB6:Another instance of Derby may have already booted the database /opt/module/hive/metastore_db. at org.apache.derby.iapi.error.StandardException.newException(Unknown Source) at org.apache.derby.iapi.error.StandardException.newException(Unknown Source) at org.apache.derby.impl.store.raw.data.BaseDataFileFactory.privGetJBMSLockOnDB(Unknown Source) at org.apache.derby.impl.store.raw.data.BaseDataFileFactory.run(Unknown Source) ... 1234567
原因在于Hive 默认使用的元数据库为derby ，开启 Hive之后就会占用元数据库， 且不与其他客户端共享数据，所以我们需要将 Hive 的元数据地址改为 MySQL 。 2.2 MySQL 安装
1. 检查当前系统是否安装过 MySQL [Tom @hadoop102 ~]$ rpm -qa|grep mariadb mariadb-libs-5.5.56-2.el7.x86_64 ## 如果存在通过如下命令卸载 [Tom @hadoop102 ~]$ sudo rpm -e --nodeps mariadb-libs 1234
2. 将 MySQL安装包拷贝到 /opt/software目录下，并解压 MySQL安装包 [Tom @hadoop102 software]# tar -xf mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar -rw-r--r--. 1 Tom Tom 609556480 6月 30 22:20 mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar -rw-r--r--. 1 Tom Tom 45109364 9月 30 2019 mysql-community-client-5.7.28-1.el7.x86_64.rpm -rw-r--r--. 1 Tom Tom 318768 9月 30 2019 mysql-community-common-5.7.28-1.el7.x86_64.rpm -rw-r--r--. 1 Tom Tom 7037096 9月 30 2019 mysql-community-devel-5.7.28-1.el7.x86_64.rpm -rw-r--r--. 1 Tom Tom 49329100 9月 30 2019 mysql-community-embedded-5.7.28-1.el7.x86_64.rpm -rw-r--r--. 1 Tom Tom 23354908 9月 30 2019 mysql-community-embedded-compat-5.7.28-1.el7.x86_64.rpm -rw-r--r--. 1 Tom Tom 136837816 9月 30 2019 mysql-community-embedded-devel-5.7.28-1.el7.x86_64.rpm -rw-r--r--. 1 Tom Tom 4374364 9月 30 2019 mysql-community-libs-5.7.28-1.el7.x86_64.rpm -rw-r--r--. 1 Tom Tom 1353312 9月 30 2019 mysql-community-libs-compat-5.7.28-1.el7.x86_64.rpm -rw-r--r--. 1 Tom Tom 208694824 9月 30 2019 mysql-community-server-5.7.28-1.el7.x86_64.rpm -rw-r--r--. 1 Tom Tom 133129992 9月 30 2019 mysql-community-test-5.7.28-1.el7.x86_64.rpm 123456789101112
3. 在安装目录下执行rpm安装 [Tom @hadoop102 software ]$ sudo rpm -ivh mysql-community-common-5.7.28-1.el7.x86_64.rpm sudo rpm -ivh mysql-community-libs-5.7.28-1.el7.x86_64.rpm sudo rpm -ivh mysql-community-libs-compat-5.7.28 1.el7.x86_64.rpm sudo rpm -ivh mysql-community-client-5.7.28-1.el7.x86_64.rpm sudo rpm -ivh mysql-community-server-5.7.28-1.el7.x86_64.rpm 123456
注意：按照顺序依次执行。如果Linux是最小化安装的，在安装 mysql-community-server-5.7.28-1.el7.x86_64.rpm时可能会出现如下错误 [Tom@hadoop102 software]$ sudo rpm -ivh mysql-community-server-5.7.28-1.el7.x86_64.rpm 警告：mysql-community-server-5.7.28-1.el7.x86_64.rpm: 头V3 DSA/SHA1 Signature, 密钥ID 5072e1f5: NOKEY 错误：依赖检测失败： libaio.so.1()(64bit) 被mysql-community-server-5.7.28-1.el7.x86_64 需要 libaio.so.1(LIBAIO_0.1)(64bit) 被mysql-community-server-5.7.28-1.el7.x86_64 需要 libaio.so.1(LIBAIO_0.4)(64bit) 被mysql-community-server-5.7.28-1.el7.x86_64 需要 123456
通过 yum安装缺少的依赖 ,然后重新安装 mysql-community-server-5.7.28-1.el7.x86_64即可 [Tom@hadoop102 software] yum install -y libaio 1
4. 删除 /etc/my.cnf文件中 datadir指向的目录下的所有内容，如果有内容的情况下 :
查看 datadir 的值 [mysqld] datadir=/var/lib/mysql 12
删除 /var/lib/mysql目录下的所有内容 : [Tom @hadoop102 mysql] # cd /var/lib/mysql [Tom @hadoop102 mysql] # sudo rm -rf ./* 12
5. 初始化数据库 [Tom@hadoop102 opt]$ sudo mysqld --initialize --user=mysql 1
6. 查看临时生成的 root用户的密码 [Tom @hadoop102 opt] $ sudo cat /var/log/mysqld.log 1
7. 启动 MySQL服务 [Tom@hadoop102 opt]$ sudo systemctl start mysqld 1
8. 登录 MySQL数据库 [Tom@hadoop102 opt]$ mysql -uroot -p Enter password: 输入临时生成的密码 12
9. 必须先修改 root用户的密码 ，否则执行其他的操作会报错 mysql> set password = password(＂新密码＂); 1
修改 mysql库下的 user表中的 root用户，允许任意 ip连接 mysql>update mysql.user set host=＂%＂ where user=＂root＂; mysql> flush privileges; 122.3 Hive元数据配置到 MySQL
1. 拷贝驱动
将MySQL的 JDBC驱动拷贝到 Hive的 lib目录下 [Tom@hadoop102 software]$ cp /opt/software/mysql-connector-java-5.1.37.jar $HIVE_HOME/lib 1
2. 配置 Metastore到 MySQL
（1）在 $HIVE_HOME/conf 目录下新建 hive-site.xml 文件[Tom@hadoop102 software]$ vim $HIVE_HOME/conf/hive site.xml 1
添加如下内容 <?xml version=＂1.0＂?> <?xml-stylesheet type=＂text/xsl＂ href=＂configuration.xsl＂?> javax.jdo.option.ConnectionURL jdbc:mysql://hadoop102:3306/metastore?useSSL=false javax.jdo.option.ConnectionDriverName com.mysql.jdbc.Driver javax.jdo.option.ConnectionUserName root javax.jdo.option.ConnectionPassword 000000 hive.metastore.schema.verification false hive.metastore.event.db.notification.api.auth false hive.metastore.warehouse.dir /user/hive/warehouse 1234567891011121314151617181920212223242526272829303132333435363738394041424344
（2）登录MySQL [Tom@hadoop102 software]$ mysql -uroot -p000000 1
（3）新建 Hive元数据库 mysql> create database metastore; mysql> quit; 12
（4）初始化Hive元数据库 [Tom@hadoop102 software]$ schematool -initSchema -dbType mysql -verbose 1
3. 再次启动Hive
（1）启动Hive [Tom@hadoop102 hive-3.1.2]$ bin/hive 1
（2）使用Hive hive> show databases; hive> show tables; hive> create table test (id int); hive> insert into test values(1); hive select * from test; 12345
（3）在CRT窗口中开启另一个窗口开启 Hive hive> show databases; hive> show tables; hive select * from aa; 1232.4 使用元数据服务的方式访问 Hive
1. 在 hive-site.xml文件中添加如下配置信息 hive.metastore.uris thrift://hadoop102:9083 12345
2. 启动 metastore [Tom@hadoop202 hive-3.1.2]$ hive --service metastore 2020-08-28 16:58:08: Starting Hive Metastore Server 12
注意：启动后窗口不能再操作 ，需打开一个新的 shell 窗口做别的操作
（3）启动Hive [Tom@hadoop103 hive-3.1.2]$ bin/hive 12.5 使用 JDBC方式访问 Hive
（1）在 hive-site.xml文件中添加如下配置信息 hive.server2.thrift.bind.host hadoop102 hive.server2.thrift.port 10000 1234567891011
（2）启动hiveserver2 [Tom@hadoop102 hive-3.1.2]$ bin/hive--service hiveserver2 1
（3）启动 beeline客户端（需要多等待一会） [Tom@hadoop102 hive-3.1.2]$ bin/ beeline u jdbc:hive2://hadoop102:10000 -n Tom 1
（4）看到如下界面 Connecting to jdbc:hive2://hadoop102:10000 Connected to: Apache Hive (version 3.1.2) Driver: Hive JDBC (version 3.1.2) Transaction isolation: TRANSACTION_REPEATABLE_READ Beeline version 3.1.2 by Apache Hive 0: jdbc:hive2://hadoop102:10000> 123456
（5）编写 hive服务启动脚本 [Tom@hadoop102 hive-3.1.2]$ vim $HIVE_HOME/bin/hiveservices.sh 1#!/bin/bash HIVE_LOG_DIR=$HIVE_HOME/logs if [ ! -d $HIVE_LOG_DIR ] then mkdir -p $HIVE_LOG_DIR fi #检查进程是否运行正常，参数1为进程名，参数2为进程端口 function check_process() { pid=$(ps -ef 2>/dev/null| grep -v grep | grep -i $1 | awk ＂{print $2}＂) ppid=$(netstat -nltp 2>/dev/null| grep $2 | awk ＂{print $7}＂ | cut -d ＂/＂ -f 1) echo $pid [[ ＂$pid＂ =~ ＂$ppid＂ ]] && [ ＂$ppid＂ ] && return 0 || return 1 } function hive_start() { metapid=$(check_process HiveMetastore 9083) cmd=＂nohup hive --service metastore >$HIVE_LOG_DIR/metastore.log 2>&1 &＂ [ -z ＂$metapid＂ ] && eval $cmd || echo ＂Metastroe服务已启动＂ server2pid=$(check_process HiveServer2 10000) cmd=＂nohup hiveserver2 >$HIVE_LOG_DIR/hiveServer2.log 2>&1 &＂ [ -z ＂$server2pid＂ ] && eval $cmd || echo ＂HiveServer2服务已启动＂ } function hive_stop() { metapid=$(check_process HiveMetastore 9083) [ ＂$metapid＂ ] && kill $metapid || echo ＂Metastore服务未启动＂ server2pid=$(check_process HiveServer2 10000) [ ＂$server2pid＂ ] && kill $server2pid || echo ＂HiveServer2服务未启动＂ } case $1 in ＂start＂) hive_start ;; ＂stop＂) hive_stop ;; ＂restart＂) hive_stop sleep 2 hive_start ;; ＂status＂) check_process HiveMetastore 9083 >/dev/null&& echo ＂Metastore服务运行正常＂ || echo ＂Metastore服务运行异常＂ check_process HiveServer2 10000 >/dev/null&& echo ＂HiveServer2服务运行正常＂ || echo ＂HiveServer2服务运行异常＂ ;; *) echo Invalid Args! echo ＂Usage: ＂$(basename $0)＂ start|stop|restart|status＂ ;; esac 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354
添加执行权限 [Tom@hadoop102 hive-3.1.2]$ chmod +x $HIVE_HOME/bin/hiveservices.sh 1
启动 Hive后台服务 [Tom@hadoop102 hive-3.1.2]$ hiveservices.sh start 12.6 Hive 常用交互命令[Tom@hadoop102 hive-3.1.2]$ bin/hive -help usage: hive -d,--define Variable substitution to apply to Hive commands. e.g. -d A=B or --define A=B --database Specify the database to use -e SQL from command line -f SQL from files -H,--help Print help information --hiveconf Use value for given property --hivevar Variable substitution to apply to Hive commands. e.g. --hivevar A=B -i Initialization SQL file -S,--silent Silent mode in interactive shell -v,--verbose Verbose mode (echo executed SQL to the console) 123456789101112131415
1. ＂-e＂不进入 hive的交互窗口执行 sql语句 [Tom@hadoop102 hive-3.1.2]$ bin/hive -e ＂select id from student;＂ 1
2. ＂-f＂执行脚本中的sql语句
（1）在 /opt/module/hive/ 下创建 datas目录，并在 datas目录下创建 hivef.sql文件[Tom@hadoop102 datas]$ touch hivef.sql 1
（2）文件中写入正确的 sql 语句 select *from student; 1
（3）执行文件中的 sql语句 [Tom@hadoop102 hive-3.1.2]$ bin/hive -f /opt/module/hive/datas/hivef.sql 1
（4）执行文件中的 sql 语句并将结果写入文件中 [Tom@hadoop102 hive-3.1.2]$ bin/hive -f /opt/module/ hive/ datas/hivef.sql > /opt/module/datas/hive_result.txt 1
3. 退出Hive窗口 hive(default)>exit; hive(default)>quit; 12
4. 在 hive cli命令窗口中如何查看 hdfs文件系统 hive(default)>dfs ls /; 1
5. 查看在 hive中输入的所有历史命令
（1）进入到当前用户的根目录 /root或 /home/Tom
（2）查看 . hivehistory文件 [Tom@hadoop102 ~]$ cat .hivehistory 12.7 Hive 常见属性配置
1. Hive 运行日志信息配置
（1）Hive的 log 默认存放在 /tmp/Tom/hive.log目录下（当前用户名下）
（2）修改 hive的 log存放日志到 /opt/module/hive-3.1.2/logs
修改 /opt/module/hive/conf/hive-log4j2.properties.template 文件名称为hive-log4j2.properties [Tom@hadoop102 conf]$ pwd /opt/module/hive-3.1.2/conf [Tom@hadoop102 conf]$ mv hive-log4j2.properties.template hive-log4j2.properties 123
在 hive-log4j2.properties 文件中修改 log存放位置hive.log.dir=/opt/module/hive/logs 1
2. 打印当前库和表头
在hive-site.xml中加入如下两个配置 : hive.cli.print.header true hive.cli.print.current.db true 12345678
3. 参数配置方式
（1）查看当前所有的配置信息 hive>set; 1
（2）参数的配置三种方式
Ⅰ默认配置文件：hive-default.xml
用户自定义配置文件：hive-site.xml
注意：用户自定义配置会覆盖默认配置。 另外，Hive 也会读入 Hadoop的配置， 因为 Hive是作为 Hadoop 的客户端启动的，Hive 的配置会覆盖 Hadoop 的配置。配置文件的设定对本机启动的所有 Hive 进程都有效。
Ⅱ 命令行参数方式
启动Hive 时，可以在命令行添加 hiveconf param=value 来设定参数。如： [Tom@hadoop102 hive-3.1.2]$ bin/hive -hiveconf mapred.reduce.tasks=10; 1
注意：仅对本次hive 启动有效
查看参数设置： hive (default)> set mapred.reduce.tasks; 1
Ⅲ 参数声明方式
可以在HQL 中使用 SET 关键字设定参数，如： [Tom@hadoop102 hive-3.1.2]$ bin/hive -hiveconf mapred.reduce.tasks=100; 1
注意：仅对本次hive 启动有效
查看参数设置： hive (default)> set mapred.reduce.tasks; 1
上述三种设定方式的优先级依次递增。即配置文件<命令行参数<参数声明。注意某些系统级的参数，例如 log4j 相关的设定，必须用前两种方式设定，因为那些参数的读取在会话建立以前已经完成了。 3 Hive 数据类型3.1 基本数据类型
对于Hive 的 String 类型相当于数据库的 varchar 类型，该类型是一个可变的字符串，不过它不能声明其中最多能存储多少个字符，理论上它可以存储 2GB 的字符数。 3.2 集合数据类型
Hive有三种复杂数据类型：ARRAY 、MAP 和 STRUCT 。 ARRAY 和 MAP 与 Java 中的 Array 和 Map 类似，而 STRUCT 与 C 语言中的 Struct 类似，它封装了一个命名字段集合，复杂数据类型允许任意层次的嵌套。
案例实操
（1）假设某表有如下一行， 我们用 JSON 格式来表示其数据结构。在 Hive 下访问的格式为
（2）基于上述数据结构，我们在 Hive里创建对应的表，并导入数据 。
创建本地测试文件 test.txt songsong,bingbing_lili,xiao song:18_xiaoxiao song:19,hui long guan_beijing yangyang,caicai_susu,xiao yang:18_xiaoxiao yang:19,chao yang_beijing 12
注意MAP，STRUCT和 ARRAY里的元素间关系都可以用同一个字符表示，这里用 ＂_＂。
（3）Hive上创建测试表 test hive (default)> create table test( > name string, > friends array, > children map, > address struct > ) > row format delimited fields terminated by ＂,＂ > collection items terminated by ＂_＂ > map keys terminated by ＂:＂ > lines terminated by ＂ ＂; OK Time taken: 0.933 seconds 123456789101112
字段解释：
row format delimited fields terminated by ‘,’ – 列分隔符
collection items terminated by ‘_’ --MAP STRUCT 和 ARRAY 的分隔符 (数据分割符号 )
map keys terminated by ‘:’ – MAP中的 key与 value的分隔符
lines terminated by ‘ ’; – 行分隔符
（4）导入文本数据到测试表 hive (default)> load data local inpath ＂/opt/module/hive-3.1.2/data/test.txt＂ into table test; Loading data to table default.test OK Time taken: 0.893 seconds 1234
（5）访问三种集合列里的数据，以下分别是 ARRAY，MAP，STRUCT 的访问方式 hive (default)> select friends[1], children[＂xiao song＂], address.city from test > where name=＂songsong＂; OK _c0 _c1 city lili 18 beijing Time taken: 0.386 seconds, Fetched: 1 row(s) 1234563.3 类型转换
Hive的原子数据类型是可以进行隐式转换的，类似于 Java 的类型转换，例如某表达式使用 INT 类型， TINYINT 会自动转换为 INT 类型，但是 Hive 不会进行反向转化，例如，某表达式使用 TINYINT 类型， INT 不会自动转换为 TINYINT 类型，它会返回错误，除非使用 CAST 操作。
1. 隐式类型转换规则如下
（1）任何整数类型都可以隐式地转换为一个范围更广的类型，如TINYINT可以转换成INT，INT可以转换成BIGINT。
（2）所有整数类型、FLOAT和 STRING类型 都可以隐式地转换成DOUBLE。
（3）TINYINT、SMALLINT、INT都可以转换为FLOAT。
（4）BOOLEAN类型不可以转换为任何其它的类型。
2. 可以使用CAST操作显示进行数据类型转换
例如CAST(‘1’ AS INT)将把字符串’1’ 转换成整数1；如果强制类型转换失败，如执行CAST(‘X’ AS INT)，表达式返回空值 NULL。 1 基本概念1.1 什么是Hive
（1）Hive是由 Facebook 开源用于解决海量 结构化 日志的数据统计工具；
（2）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 类SQL 查询功能；
（3）Hive的 本质 是将HQL转化成MapReduce程序。
（4）Hive 处理的数据存储在HDFS；
（5）Hive 分析数据底层的实现是MapReduce；
（6）执行程序运行在 Yarn 上。
1.2 Hive 的优缺点
优点
（1）操作接口采用类SQL 语法，提供快速开发的能力（简单、容易上手）。
（2）避免了去写MapReduce，减少开发人员的学习成本。
（3）Hive 的执行延迟比较高，因此Hive 常用于数据分析，对实时性要求不高的场合。
（4）Hive 优势在于处理大数据，对于处理小数据没有优势，因为Hive 的执行延迟比较
高。
（5）Hive 支持用户自定义函数，用户可以根据自己的需求来实现自己的函数。
缺点
（1）Hive 的HQL 表达能力有限，迭代式算法无法表达，数据挖掘方面不擅长，由于MapReduce 数据处理流程的限制，效率更高的算法却无法实现。
（2）Hive 的效率比较低，Hive 自动生成的MapReduce 作业，通常情况下不够智能化，Hive 调优比较困难，粒度较粗。 1.3 Hive 架构原理
（1）用户接口：Client
CLI（command-line interface）、JDBC/ODBC(jdbc 访问hive)、WEBUI（浏览器访问hive）
（2）元数据：Metastore
元数据包括：表名、表所属的数据库（默认是default）、表的拥有者、列/分区字段、表的类型（是否是外部表）、表的数据所在目录等；
默认存储在自带的derby 数据库中，推荐使用MySQL 存储Metastore
（3）Hadoop
使用HDFS 进行存储，使用MapReduce 进行计算。
（4）驱动器
解析器（ SQL Parser ）：将SQL 字符串转换成抽象语法树AST，这一步一般都用第三方工具库完成，比如antlr；对AST 进行语法分析，比如表是否存在、字段是否存在、SQL语义是否有误。
编译器（Physical Plan ）：将AST 编译生成逻辑执行计划。
优化器（Query Optimizer ）：对逻辑执行计划进行优化。
执行器（Execution ）：把逻辑执行计划转换成可以运行的物理计划。对于Hive 来说，就是MR/Spark。
Hive 通过给用户提供的一系列交互接口，接收到用户的指令(SQL)，使用自己的Driver，结合元数据(MetaStore)，将这些指令翻译成MapReduce，提交到Hadoop 中执行，最后，将执行返回的结果输出到用户交互接口。 1.4 Hive 和数据库比较
由于 Hive 采用了类似SQL 的查询语言 HQL(Hive Query Language)，因此很容易将 Hive 理解为数据库。其实从结构上来看， Hive 和数据库除了拥有类似的查询语言，再无类似之处。本文将从多个方面来阐述 Hive 和数据库的差异。数据库可以用在 Online 的应用中，但是Hive 是为数据仓库而设计的，清楚这一点，有助于从应用角度理解 Hive 的特性。
（1）查询语言
由于 SQL 被广泛的应用在数据仓库中，因此，专门针对 Hive 的特性设计了类 SQL 的查询语言 HQL 。熟悉 SQL 开发的开发者可以很方便的使用 Hive 进行开发。
（2）数据更新
由于 Hive 是针对数据仓库应用设计的，而 数据仓库的内容是读多写少的。 因此， Hive 中不建议对数据的改写，所有的数据都是在加载的时候确定好的。 而数据库中的数据通常是需要经常进行修改的，因此可以使用 INSERT INTO … VALUES 添加数据，使用 UPDATE … SET 修改数据。
（3）执行延迟
Hive 在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟较高。另外一个导致 Hive 执行延迟高的因素是 MapReduce 框架。由于 MapReduce 本身具有较高的延迟，因此在利用 MapReduce 执行 Hive 查询时，也会有较高的延迟。相对的，数据库的执行延迟较低。当然，这个低是有条件的，即数据规模较小，当数据规模大到超过数据库的处理能力的时候，Hive 的并行计算显然能体现出优势。
（4）数据规模
由于Hive 建立在集群上并可以利用 MapReduce 进行并行计算，因此可以支持很大规模的数据；对应的，数据库可以支持的数据规模较小。 2 Hive 安装2.1 Hive 安装部署
1. 把 apache-hive-3.1.2-bin.tar.gz上传到 linux的 /opt/software目录下
2. 解压 apache-hive-3.1.2-bin.tar.gz到 /opt/module/目录下面 [Tom@hadoop102 software]$ tar -zxvf /opt/software/apache-hive-3.1.2-bin.tar.gz -C /opt/module/ 1
3. 修改 apache-hive-3.1.2-bin.tar.gz的名称为 hive-3.1.2 [Tom@hadoop102 software]$ mv /opt/module/apache-hive-3.1.2-bin/ /opt/module/hive-3.1.2 1
4. 修改 /etc/profile.d/my_env.sh，添加环境变量 [Tom@hadoop102 software]$ sudo vim etc/profile.d/my_env.sh 1
5. 添加内容 #HIVE_HOME export HIVE_HOME=/opt/module/hive-3.1.2 export PATH=$PATH:$HIVE_HOME/bin 123
6. 解决日志 Jar包冲突 [Tom@hadoop102 software]$ mv $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.jar $HIVE_HOME/lib/log4j slf4j-impl-2.10.0.bak 1
7. 初始化元数据库 [Tomu@hadoop102 hive-3.1.2]$ bin/schematool -dbType derby -initSchema 1
8. 启动并使用Hive [Tom@hadoop102 hive-3.1.2]$ bin/hive hive (default)> show databases; hive (default)> show tables; hive (default)> create table test(id int); hive (default)> insert into test values(1); hive (default)> select * from test; OK test.id 1 Time taken: 0.39 seconds, Fetched: 1 row(s) 12345678910
在 CRT窗口中开启另一个窗口，开启 Hive，在 /tmp/atguigu目录下监控 hive.log文件 Caused by: ERROR XSDB6:Another instance of Derby may have already booted the database /opt/module/hive/metastore_db. at org.apache.derby.iapi.error.StandardException.newException(Unknown Source) at org.apache.derby.iapi.error.StandardException.newException(Unknown Source) at org.apache.derby.impl.store.raw.data.BaseDataFileFactory.privGetJBMSLockOnDB(Unknown Source) at org.apache.derby.impl.store.raw.data.BaseDataFileFactory.run(Unknown Source) ... 1234567
原因在于Hive 默认使用的元数据库为derby ，开启 Hive之后就会占用元数据库， 且不与其他客户端共享数据，所以我们需要将 Hive 的元数据地址改为 MySQL 。 2.2 MySQL 安装
1. 检查当前系统是否安装过 MySQL [Tom @hadoop102 ~]$ rpm -qa|grep mariadb mariadb-libs-5.5.56-2.el7.x86_64 ## 如果存在通过如下命令卸载 [Tom @hadoop102 ~]$ sudo rpm -e --nodeps mariadb-libs 1234
2. 将 MySQL安装包拷贝到 /opt/software目录下，并解压 MySQL安装包 [Tom @hadoop102 software]# tar -xf mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar -rw-r--r--. 1 Tom Tom 609556480 6月 30 22:20 mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar -rw-r--r--. 1 Tom Tom 45109364 9月 30 2019 mysql-community-client-5.7.28-1.el7.x86_64.rpm -rw-r--r--. 1 Tom Tom 318768 9月 30 2019 mysql-community-common-5.7.28-1.el7.x86_64.rpm -rw-r--r--. 1 Tom Tom 7037096 9月 30 2019 mysql-community-devel-5.7.28-1.el7.x86_64.rpm -rw-r--r--. 1 Tom Tom 49329100 9月 30 2019 mysql-community-embedded-5.7.28-1.el7.x86_64.rpm -rw-r--r--. 1 Tom Tom 23354908 9月 30 2019 mysql-community-embedded-compat-5.7.28-1.el7.x86_64.rpm -rw-r--r--. 1 Tom Tom 136837816 9月 30 2019 mysql-community-embedded-devel-5.7.28-1.el7.x86_64.rpm -rw-r--r--. 1 Tom Tom 4374364 9月 30 2019 mysql-community-libs-5.7.28-1.el7.x86_64.rpm -rw-r--r--. 1 Tom Tom 1353312 9月 30 2019 mysql-community-libs-compat-5.7.28-1.el7.x86_64.rpm -rw-r--r--. 1 Tom Tom 208694824 9月 30 2019 mysql-community-server-5.7.28-1.el7.x86_64.rpm -rw-r--r--. 1 Tom Tom 133129992 9月 30 2019 mysql-community-test-5.7.28-1.el7.x86_64.rpm 123456789101112
3. 在安装目录下执行rpm安装 [Tom @hadoop102 software ]$ sudo rpm -ivh mysql-community-common-5.7.28-1.el7.x86_64.rpm sudo rpm -ivh mysql-community-libs-5.7.28-1.el7.x86_64.rpm sudo rpm -ivh mysql-community-libs-compat-5.7.28 1.el7.x86_64.rpm sudo rpm -ivh mysql-community-client-5.7.28-1.el7.x86_64.rpm sudo rpm -ivh mysql-community-server-5.7.28-1.el7.x86_64.rpm 123456
注意：按照顺序依次执行。如果Linux是最小化安装的，在安装 mysql-community-server-5.7.28-1.el7.x86_64.rpm时可能会出现如下错误 [Tom@hadoop102 software]$ sudo rpm -ivh mysql-community-server-5.7.28-1.el7.x86_64.rpm 警告：mysql-community-server-5.7.28-1.el7.x86_64.rpm: 头V3 DSA/SHA1 Signature, 密钥ID 5072e1f5: NOKEY 错误：依赖检测失败： libaio.so.1()(64bit) 被mysql-community-server-5.7.28-1.el7.x86_64 需要 libaio.so.1(LIBAIO_0.1)(64bit) 被mysql-community-server-5.7.28-1.el7.x86_64 需要 libaio.so.1(LIBAIO_0.4)(64bit) 被mysql-community-server-5.7.28-1.el7.x86_64 需要 123456
通过 yum安装缺少的依赖 ,然后重新安装 mysql-community-server-5.7.28-1.el7.x86_64即可 [Tom@hadoop102 software] yum install -y libaio 1
4. 删除 /etc/my.cnf文件中 datadir指向的目录下的所有内容，如果有内容的情况下 :
查看 datadir 的值 [mysqld] datadir=/var/lib/mysql 12
删除 /var/lib/mysql目录下的所有内容 : [Tom @hadoop102 mysql] # cd /var/lib/mysql [Tom @hadoop102 mysql] # sudo rm -rf ./* 12
5. 初始化数据库 [Tom@hadoop102 opt]$ sudo mysqld --initialize --user=mysql 1
6. 查看临时生成的 root用户的密码 [Tom @hadoop102 opt] $ sudo cat /var/log/mysqld.log 1
7. 启动 MySQL服务 [Tom@hadoop102 opt]$ sudo systemctl start mysqld 1
8. 登录 MySQL数据库 [Tom@hadoop102 opt]$ mysql -uroot -p Enter password: 输入临时生成的密码 12
9. 必须先修改 root用户的密码 ，否则执行其他的操作会报错 mysql> set password = password(＂新密码＂); 1
修改 mysql库下的 user表中的 root用户，允许任意 ip连接 mysql>update mysql.user set host=＂%＂ where user=＂root＂; mysql> flush privileges; 122.3 Hive元数据配置到 MySQL
1. 拷贝驱动
将MySQL的 JDBC驱动拷贝到 Hive的 lib目录下 [Tom@hadoop102 software]$ cp /opt/software/mysql-connector-java-5.1.37.jar $HIVE_HOME/lib 1
2. 配置 Metastore到 MySQL
（1）在 $HIVE_HOME/conf 目录下新建 hive-site.xml 文件[Tom@hadoop102 software]$ vim $HIVE_HOME/conf/hive site.xml 1
添加如下内容 <?xml version=＂1.0＂?> <?xml-stylesheet type=＂text/xsl＂ href=＂configuration.xsl＂?> javax.jdo.option.ConnectionURL jdbc:mysql://hadoop102:3306/metastore?useSSL=false javax.jdo.option.ConnectionDriverName com.mysql.jdbc.Driver javax.jdo.option.ConnectionUserName root javax.jdo.option.ConnectionPassword 000000 hive.metastore.schema.verification false hive.metastore.event.db.notification.api.auth false hive.metastore.warehouse.dir /user/hive/warehouse 1234567891011121314151617181920212223242526272829303132333435363738394041424344
（2）登录MySQL [Tom@hadoop102 software]$ mysql -uroot -p000000 1
（3）新建 Hive元数据库 mysql> create database metastore; mysql> quit; 12
（4）初始化Hive元数据库 [Tom@hadoop102 software]$ schematool -initSchema -dbType mysql -verbose 1
3. 再次启动Hive
（1）启动Hive [Tom@hadoop102 hive-3.1.2]$ bin/hive 1
（2）使用Hive hive> show databases; hive> show tables; hive> create table test (id int); hive> insert into test values(1); hive select * from test; 12345
（3）在CRT窗口中开启另一个窗口开启 Hive hive> show databases; hive> show tables; hive select * from aa; 1232.4 使用元数据服务的方式访问 Hive
1. 在 hive-site.xml文件中添加如下配置信息 hive.metastore.uris thrift://hadoop102:9083 12345
2. 启动 metastore [Tom@hadoop202 hive-3.1.2]$ hive --service metastore 2020-08-28 16:58:08: Starting Hive Metastore Server 12
注意：启动后窗口不能再操作 ，需打开一个新的 shell 窗口做别的操作
（3）启动Hive [Tom@hadoop103 hive-3.1.2]$ bin/hive 12.5 使用 JDBC方式访问 Hive
（1）在 hive-site.xml文件中添加如下配置信息 hive.server2.thrift.bind.host hadoop102 hive.server2.thrift.port 10000 1234567891011
（2）启动hiveserver2 [Tom@hadoop102 hive-3.1.2]$ bin/hive--service hiveserver2 1
（3）启动 beeline客户端（需要多等待一会） [Tom@hadoop102 hive-3.1.2]$ bin/ beeline u jdbc:hive2://hadoop102:10000 -n Tom 1
（4）看到如下界面 Connecting to jdbc:hive2://hadoop102:10000 Connected to: Apache Hive (version 3.1.2) Driver: Hive JDBC (version 3.1.2) Transaction isolation: TRANSACTION_REPEATABLE_READ Beeline version 3.1.2 by Apache Hive 0: jdbc:hive2://hadoop102:10000> 123456
（5）编写 hive服务启动脚本 [Tom@hadoop102 hive-3.1.2]$ vim $HIVE_HOME/bin/hiveservices.sh 1#!/bin/bash HIVE_LOG_DIR=$HIVE_HOME/logs if [ ! -d $HIVE_LOG_DIR ] then mkdir -p $HIVE_LOG_DIR fi #检查进程是否运行正常，参数1为进程名，参数2为进程端口 function check_process() { pid=$(ps -ef 2>/dev/null| grep -v grep | grep -i $1 | awk ＂{print $2}＂) ppid=$(netstat -nltp 2>/dev/null| grep $2 | awk ＂{print $7}＂ | cut -d ＂/＂ -f 1) echo $pid [[ ＂$pid＂ =~ ＂$ppid＂ ]] && [ ＂$ppid＂ ] && return 0 || return 1 } function hive_start() { metapid=$(check_process HiveMetastore 9083) cmd=＂nohup hive --service metastore >$HIVE_LOG_DIR/metastore.log 2>&1 &＂ [ -z ＂$metapid＂ ] && eval $cmd || echo ＂Metastroe服务已启动＂ server2pid=$(check_process HiveServer2 10000) cmd=＂nohup hiveserver2 >$HIVE_LOG_DIR/hiveServer2.log 2>&1 &＂ [ -z ＂$server2pid＂ ] && eval $cmd || echo ＂HiveServer2服务已启动＂ } function hive_stop() { metapid=$(check_process HiveMetastore 9083) [ ＂$metapid＂ ] && kill $metapid || echo ＂Metastore服务未启动＂ server2pid=$(check_process HiveServer2 10000) [ ＂$server2pid＂ ] && kill $server2pid || echo ＂HiveServer2服务未启动＂ } case $1 in ＂start＂) hive_start ;; ＂stop＂) hive_stop ;; ＂restart＂) hive_stop sleep 2 hive_start ;; ＂status＂) check_process HiveMetastore 9083 >/dev/null&& echo ＂Metastore服务运行正常＂ || echo ＂Metastore服务运行异常＂ check_process HiveServer2 10000 >/dev/null&& echo ＂HiveServer2服务运行正常＂ || echo ＂HiveServer2服务运行异常＂ ;; *) echo Invalid Args! echo ＂Usage: ＂$(basename $0)＂ start|stop|restart|status＂ ;; esac 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354
添加执行权限 [Tom@hadoop102 hive-3.1.2]$ chmod +x $HIVE_HOME/bin/hiveservices.sh 1
启动 Hive后台服务 [Tom@hadoop102 hive-3.1.2]$ hiveservices.sh start 12.6 Hive 常用交互命令[Tom@hadoop102 hive-3.1.2]$ bin/hive -help usage: hive -d,--define Variable substitution to apply to Hive commands. e.g. -d A=B or --define A=B --database Specify the database to use -e SQL from command line -f SQL from files -H,--help Print help information --hiveconf Use value for given property --hivevar Variable substitution to apply to Hive commands. e.g. --hivevar A=B -i Initialization SQL file -S,--silent Silent mode in interactive shell -v,--verbose Verbose mode (echo executed SQL to the console) 123456789101112131415
1. ＂-e＂不进入 hive的交互窗口执行 sql语句 [Tom@hadoop102 hive-3.1.2]$ bin/hive -e ＂select id from student;＂ 1
2. ＂-f＂执行脚本中的sql语句
（1）在 /opt/module/hive/ 下创建 datas目录，并在 datas目录下创建 hivef.sql文件[Tom@hadoop102 datas]$ touch hivef.sql 1
（2）文件中写入正确的 sql 语句 select *from student; 1
（3）执行文件中的 sql语句 [Tom@hadoop102 hive-3.1.2]$ bin/hive -f /opt/module/hive/datas/hivef.sql 1
（4）执行文件中的 sql 语句并将结果写入文件中 [Tom@hadoop102 hive-3.1.2]$ bin/hive -f /opt/module/ hive/ datas/hivef.sql > /opt/module/datas/hive_result.txt 1
3. 退出Hive窗口 hive(default)>exit; hive(default)>quit; 12
4. 在 hive cli命令窗口中如何查看 hdfs文件系统 hive(default)>dfs ls /; 1
5. 查看在 hive中输入的所有历史命令
（1）进入到当前用户的根目录 /root或 /home/Tom
（2）查看 . hivehistory文件 [Tom@hadoop102 ~]$ cat .hivehistory 12.7 Hive 常见属性配置
1. Hive 运行日志信息配置
（1）Hive的 log 默认存放在 /tmp/Tom/hive.log目录下（当前用户名下）
（2）修改 hive的 log存放日志到 /opt/module/hive-3.1.2/logs
修改 /opt/module/hive/conf/hive-log4j2.properties.template 文件名称为hive-log4j2.properties [Tom@hadoop102 conf]$ pwd /opt/module/hive-3.1.2/conf [Tom@hadoop102 conf]$ mv hive-log4j2.properties.template hive-log4j2.properties 123
在 hive-log4j2.properties 文件中修改 log存放位置hive.log.dir=/opt/module/hive/logs 1
2. 打印当前库和表头
在hive-site.xml中加入如下两个配置 : hive.cli.print.header true hive.cli.print.current.db true 12345678
3. 参数配置方式
（1）查看当前所有的配置信息 hive>set; 1
（2）参数的配置三种方式
Ⅰ默认配置文件：hive-default.xml
用户自定义配置文件：hive-site.xml
注意：用户自定义配置会覆盖默认配置。 另外，Hive 也会读入 Hadoop的配置， 因为 Hive是作为 Hadoop 的客户端启动的，Hive 的配置会覆盖 Hadoop 的配置。配置文件的设定对本机启动的所有 Hive 进程都有效。
Ⅱ 命令行参数方式
启动Hive 时，可以在命令行添加 hiveconf param=value 来设定参数。如： [Tom@hadoop102 hive-3.1.2]$ bin/hive -hiveconf mapred.reduce.tasks=10; 1
注意：仅对本次hive 启动有效
查看参数设置： hive (default)> set mapred.reduce.tasks; 1
Ⅲ 参数声明方式
可以在HQL 中使用 SET 关键字设定参数，如： [Tom@hadoop102 hive-3.1.2]$ bin/hive -hiveconf mapred.reduce.tasks=100; 1
注意：仅对本次hive 启动有效
查看参数设置： hive (default)> set mapred.reduce.tasks; 1
上述三种设定方式的优先级依次递增。即配置文件<命令行参数<参数声明。注意某些系统级的参数，例如 log4j 相关的设定，必须用前两种方式设定，因为那些参数的读取在会话建立以前已经完成了。 3 Hive 数据类型3.1 基本数据类型
对于Hive 的 String 类型相当于数据库的 varchar 类型，该类型是一个可变的字符串，不过它不能声明其中最多能存储多少个字符，理论上它可以存储 2GB 的字符数。 3.2 集合数据类型
Hive有三种复杂数据类型：ARRAY 、MAP 和 STRUCT 。 ARRAY 和 MAP 与 Java 中的 Array 和 Map 类似，而 STRUCT 与 C 语言中的 Struct 类似，它封装了一个命名字段集合，复杂数据类型允许任意层次的嵌套。
案例实操
（1）假设某表有如下一行， 我们用 JSON 格式来表示其数据结构。在 Hive 下访问的格式为
（2）基于上述数据结构，我们在 Hive里创建对应的表，并导入数据 。
创建本地测试文件 test.txt songsong,bingbing_lili,xiao song:18_xiaoxiao song:19,hui long guan_beijing yangyang,caicai_susu,xiao yang:18_xiaoxiao yang:19,chao yang_beijing 12
注意MAP，STRUCT和 ARRAY里的元素间关系都可以用同一个字符表示，这里用 ＂_＂。
（3）Hive上创建测试表 test hive (default)> create table test( > name string, > friends array, > children map, > address struct > ) > row format delimited fields terminated by ＂,＂ > collection items terminated by ＂_＂ > map keys terminated by ＂:＂ > lines terminated by ＂ ＂; OK Time taken: 0.933 seconds 123456789101112
字段解释：
row format delimited fields terminated by ‘,’ – 列分隔符
collection items terminated by ‘_’ --MAP STRUCT 和 ARRAY 的分隔符 (数据分割符号 )
map keys terminated by ‘:’ – MAP中的 key与 value的分隔符
lines terminated by ‘ ’; – 行分隔符
（4）导入文本数据到测试表 hive (default)> load data local inpath ＂/opt/module/hive-3.1.2/data/test.txt＂ into table test; Loading data to table default.test OK Time taken: 0.893 seconds 1234
（5）访问三种集合列里的数据，以下分别是 ARRAY，MAP，STRUCT 的访问方式 hive (default)> select friends[1], children[＂xiao song＂], address.city from test > where name=＂songsong＂; OK _c0 _c1 city lili 18 beijing Time taken: 0.386 seconds, Fetched: 1 row(s) 1234563.3 类型转换
Hive的原子数据类型是可以进行隐式转换的，类似于 Java 的类型转换，例如某表达式使用 INT 类型， TINYINT 会自动转换为 INT 类型，但是 Hive 不会进行反向转化，例如，某表达式使用 TINYINT 类型， INT 不会自动转换为 TINYINT 类型，它会返回错误，除非使用 CAST 操作。
1. 隐式类型转换规则如下
（1）任何整数类型都可以隐式地转换为一个范围更广的类型，如TINYINT可以转换成INT，INT可以转换成BIGINT。
（2）所有整数类型、FLOAT和 STRING类型 都可以隐式地转换成DOUBLE。
（3）TINYINT、SMALLINT、INT都可以转换为FLOAT。
（4）BOOLEAN类型不可以转换为任何其它的类型。
2. 可以使用CAST操作显示进行数据类型转换
例如CAST(‘1’ AS INT)将把字符串’1’ 转换成整数1；如果强制类型转换失败，如执行CAST(‘X’ AS INT)，表达式返回空值 NULL。 （二）DDL数据定义、DML数据操作1 DDL 数据定义1.1 创建数据库CREATE DATABASE [IF NOT EXISTS] database_name [COMMENT database_comment] [LOCATION hdfs_path] [WITH DBPROPERTIES (property_name=property_value, ...)]; 1234
（1）创建一个数据库，数据库在HDFS上的默认存储路径是 /user/hive/warehouse/*.db 。hive (default)> create database db_hive; OK Time taken: 0.12 seconds 123
（2）避免要创建的数据库已经存在错误，增加if not exists判断。（标准写法） hive (default)> create database db_hive; FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. Database db_hive already exists hive (default)> create database if not exists db_hive; OK Time taken: 0.044 seconds 12345
（3）创建一个数据库，指定数据库在HDFS上存放的位置 hive (default)> create database db_hive2 location ＂/db_hive2.db＂; OK Time taken: 0.07 seconds 123
1.2 查询数据库
1. 显示数据库
（1）显示数据库 hive (default)> show databases; OK database_name db_hive db_hive2 default Time taken: 0.054 seconds, Fetched: 3 row(s) 1234567
（2）过滤显示查询的数据库 hive (default)> show databases like ＂db_hive*＂; OK database_name db_hive db_hive2 Time taken: 0.036 seconds, Fetched: 2 row(s) 123456
2. 查看数据库详情
（1）显示数据库信息 hive (default)> desc database db_hive; OK db_name comment location owner_name owner_type parameters db_hive hdfs://hadoop102:8020/user/hive/warehouse/db_hive.db Tom USER Time taken: 0.057 seconds, Fetched: 1 row(s) 12345
（2）显示数据库详细信息，extended hive (default)> desc database extended db_hive; OK db_name comment location owner_name owner_type parameters db_hive hdfs://hadoop102:8020/user/hive/warehouse/db_hive.db Tom USER Time taken: 0.074 seconds, Fetched: 1 row(s) 12345
3. 切换当前数据库 hive (default)> use db_hive; OK Time taken: 0.057 seconds hive (db_hive)> 12341.3 修改数据库
用户可以使用 ALTER DATABASE命令为某个数据库的 DBPROPERTIES 设置键 -值对属性值来描述这个数据库的属性信息。 hive (db_hive)> alter database db_hive > set dbproperties(＂createtime＂=＂20210828＂); OK Time taken: 0.101 seconds 1234
在hive中查看修改结果 hive (db_hive)> desc database extended db_hive; OK db_name comment location owner_name owner_type parameters db_hive hdfs://hadoop102:8020/user/hive/warehouse/db_hive.db Tom USER {createtime=20210828} Time taken: 0.072 seconds, Fetched: 1 row(s) 123451.4 删除数据库
（1）删除空数据库 hive (db_hive)> drop database db_hive2; OK Time taken: 0.095 seconds 123
（2）如果删除的数据库不存在，最好采用 if exists判断数据库是否存在 hive (db_hive)> drop database db_hive2; FAILED: SemanticException [Error 10072]: Database does not exist: db_hive2 hive (db_hive)> drop database if exists db_hive2; OK Time taken: 0.025 seconds 12345
（3）如果数据库不为空，可以采用 cascade 命令，强制删除 hive (db_hive)> drop database db_hive; FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. InvalidOperationException(message:Database db_hive is not empty. One or more tables exist.) hive (db_hive)> drop database db_hive cascade; OK Time taken: 0.364 seconds 123451.5 创建表
1. 建表语法 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_comment], ...)] [CLUSTERED BY (col_name, col_name, ...) [SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] [ROW FORMAT row_format] [STORED AS file_format] [LOCATION hdfs_path] [TBLPROPERTIES (property_name=property_value, ...)] [AS select_statement] 1234567891011
2. 字段解释说明
（1）CREATE TABLE：创建一个指定名字的表。如果相同名字的表已经存在，则抛出异常，用户可以用 IF NOT EXISTS 选项来忽略这个异常。
（2） EXTERNAL 关键字：可以让用户创建一个外部表，在建表的同时，可以指定一个指向实际数据的路径（ LOCATION ）， 在删除表的时候，内部表的元数据和数据会被一起删除，而外部表只删除元数据，不删除数据。
（3）COMMENT ：为表和列添加注释。
（4）PARTITIONED BY：创建分区表。
（5）CLUSTERED BY：创建分桶表。
（6）SORTED BY：不常用，对桶中的一个或多个列另外排序。
（7）ROW FORMAT
DELIMITED [FIELDS TERMINATED BY char] [COLLECTION ITEMS TERMINATED BY char]
[MAP KEYS TERMINATED BY char] [LINES TERMINATED BY char]
| SERDE serde_name [WITH SERDEPROPERTIES (property_name=property_value, property_name=property_value, …)]
用户在建表的时候可以自定义SerDe 或者使用自带的 SerDe 。如果没有指定 ROW FORMAT 或者 ROW FORMAT DELIMITED ，将会使用自带的 SerDe 。在建表的时候，用户还需要为表指定列，用户在指定表的列的同时也会指定自定义的 SerDe，Hive 通过 SerDe 确定表的具体的列的数据。
SerDe 是 Serialize/Deserilize 的简称， hive 使用 Serde 进行行对象的序列与反序列化。
（8）STORED AS：指定存储文件类型
常用的存储文件类型：SEQUENCEFILE （二进制序列文件）、 TEXTFILE （文本）、 RCFILE （列
式存储格式文件）
如果文件数据是纯文本，可以使用STORED AS TEXTFILE 。如果数据需要压缩，使用 STORED
AS SEQUENCEFILE 。
（9）LOCATION ：指定表在 HDFS 上的存储位置。
（10）AS ：后跟查询语句 根据查询结果创建表 。
（11）LIKE：允许用户复制现有的表结构，但是不复制数据。 1.5.1 管理表
1. 理论
默认创建的表都是所谓的管理表，有时也被称为内部表。因为这种表，Hive 会（或多或少地）控制着数据的生命周期。 Hive 默认情况下会将这些表的数据存储在由配置 hive.metastore.warehouse.dir (例如，/user/hive/warehouse ) 所定义的目录的子目录下。
当我们删除一个管理表时，Hive 也会删除这个表中数据 。 管理表不适合和其他工具共享数据。
2. 案例实操
由于 Hive 是针对数据仓库应用设计的，而 数据仓库的内容是读多写少的。 因此， Hive 中不建议对数据的改写，所有的数据都是在加载的时候确定好的。 而数据库中的数据通常是需要经常进行修改的，因此可以使用 INSERT INTO … VALUES 添加数据，使用 UPDATE … SET 修改数据。
（1）普通创建表 hive (default)> create table if not exists student( > id int, name string > ) > row format delimited fields terminated by ＂ ＂ > stored as textfile > location ＂/user/hive/warehouse/student＂; OK Time taken: 0.397 seconds 12345678
（2）根据查询结果创建表（查询的结果会添加到新创建的表中） hive (default)> create table if not exists student2 as select id, name from student; 1
（3）根据已经存在的表结构创建表 hive (default)> create table if not exists student3 like student; OK Time taken: 0.145 seconds 123
（4）查询表的类型 hive (default)> desc formatted student2; Table Type: MANAGED_TABLE 121.5.2 外部表
1. 理论
因为表是外部表，所以 Hive并非认为其完全拥有这份数据。删除该表并不会删除掉这份数据，不过描述表的元数据信息会被删除掉。
2. 管理表和外部表的使用场景
每天将收集到的网站日志定期流入HDFS 文本文件。在外部表（原始日志表）的基础上做大量的统计分析，用到的中间表、结果表使用内部表存储，数据通过 SELECT+INSERT 进入内部表。
3. 案例实操
创建学生表
student： 1001 ss1 1002 ss2 1003 ss3 1004 ss4 1005 ss5 1006 ss6 1007 ss7 1008 ss8 1009 ss9 1010 ss10 1011 ss1 1012 ss12 1013 ss13 1014 ss14 1015 ss15 1016 ss16 12345678910111213141516
（1）上传数据到HDFS hive (default)> dfs -mkdir /student; hive (default)> dfs -put /opt/module/hive-3.1.2/data/student.txt /student; 12
（2）创建表并载入数据 hive (default)> create external table if not exists student( > id int, > name string > ) > row format delimited fields terminated by ＂ ＂; OK Time taken: 0.091 seconds hive (default)> load data inpath ＂/student/student.txt＂ into table default.student; Loading data to table default.student OK Time taken: 0.419 seconds 1234567891011
（3）查看表的类型 hive (default)> desc formatted student; Table Type: EXTERNAL_TABLE 12
（4）删除外部表 hive (default)> drop table student; OK Time taken: 0.168 seconds 123
外部表删除后，hdfs中的数据还在，但是 metadata中 dept的元数据已被删除。 1.5.3 管理表与外部表的互相转换
（1）查询表的类型 hive (default)> desc formatted student2; Table Type: MANAGED_TABLE 12
（2）修改内部表 student2为外部表 hive (default)> alter table student2 set tblproperties(＂EXTERNAL＂=＂TRUE＂); OK Time taken: 0.174 seconds 123
（3）查询表的类型 Table Type: EXTERNAL_TABLE 1
（4）修改外部表 student2为内部表 hive (default)> alter table student2 set tblproperties(＂EXTERNAL＂=＂FALSE＂); OK Time taken: 0.153 seconds 123
（5）查询表的类型 Table Type: MANAGED_TABLE 1
注意：(‘EXTERNAL’=‘TRUE’)和 (‘EXTERNAL’=‘FALSE’)为固定写法，区分大小写 1.6 修改表
1. 重命名表
（1）语法 ALTER TABLE table_name RENAME TO new_table_name 1
（2）实操案例 hive (default)> alter table student2 rename to student4; OK Time taken: 0.258 seconds 123
2. 增加/修改/替换列信息
更新列 ALTER TABLE table_name CHANGE [COLUMN] col_old_name col_new_name column_type [COMMENT col_comment] [FIRST|AFTER column_name] 12
增加和替换列 ALTER TABLE table_name ADD|REPLACE COLUMNS (col_name data_type [COMMENT col_comment], ...) 12
ADD 是代表新增一字段，字段位置在所有列后面(partition列前)，REPLACE 则是表示替换表中所有字段。
（1）查询表结构 hive (default)> desc dept; OK col_name data_type comment deptno int dname string loc int Time taken: 0.099 seconds, Fetched: 3 row(s) 1234567
（2）添加列 hive (default)> alter table dept add columns(deptdesc string); OK Time taken: 0.138 seconds 123
（3）查询表结构 hive (default)> desc dept; OK col_name data_type comment deptno int dname string loc int deptdesc string Time taken: 0.056 seconds, Fetched: 4 row(s) 12345678
（3）更新列 hive (default)> alter table dept change column deptdesc desc string; OK Time taken: 0.192 seconds 123
（3）查询表结构 hive (default)> desc dept; OK col_name data_type comment deptno int dname string loc int desc string Time taken: 0.064 seconds, Fetched: 4 row(s) 12345678
（3）替换列 hive (default)> alter table dept replace columns(deptno string, dname string, loc string); OK Time taken: 0.149 seconds 123
（3）查询表结构 hive (default)> desc dept; OK col_name data_type comment deptno string dname string loc string Time taken: 0.064 seconds, Fetched: 3 row(s) 12345671.7 删除表hive (default)> drop table dept; OK Time taken: 1.901 seconds 1232 DML 数据操作2.1 数据导入
1. 向表中装载数据（load） hive> load data [local] inpath ＂ 数据的 path ＂ overwrite into table student [partition (partcol1=val1,…)]; 12
（1）load data:表示加载数据
（2）local:表示从本地加载数据到 hive表，否则从 HDFS加载数据到 hive表
（3）inpath: 表示加载数据的路径
（4）overwrite: 表示覆盖表中已有数据，否则表示追加
（5）into table: 表示加载到哪张表
（6）student:表示具体的表
（7）partition:表示上传到指定分区
2. 实操案例
（1）创建一张表 hive (default)> create table student(id string, name string) > row format delimited fields terminated by ＂ ＂; OK Time taken: 0.878 seconds 1234
（2）加载本地文件到 hive hive (default)> load data local inpath ＂/opt/module/hive-3.1.2/data/student.txt＂ into table student; Loading data to table default.student OK Time taken: 2.725 seconds 1234
（3）加载 HDFS文件到 hive中 hive (default)> dfs -put /opt/module/hive-3.1.2/data/student.txt /student; hive (default)> load data inpath ＂/student＂ into table student; Loading data to table default.student OK Time taken: 0.712 seconds 12345
（4）加载数据覆盖表中已有的数据 hive (default)> dfs -put /opt/module/hive-3.1.2/data/student.txt /student; hive (default)> load data inpath ＂/student/student.txt＂ overwrite into table student; Loading data to table default.student OK Time taken: 0.501 seconds 12345
3. 通过查询语句向表中插入数据（Insert）
（1）创建一张表 hive (default)> create table student_par(id int, name string) > row format delimited fields terminated by ＂ ＂; OK Time taken: 0.225 seconds 1234
（2）基本插入数据 hive (default)> insert into table student_par > values(1, ＂liubai＂), (2, ＂junmo＂); 12
（3）基本模式插入（根据单张表查询结果） hive (default)> insert overwrite table student_par > select id, name from student where month=＂201609＂; 12
insert into:：以追加数据的方式插入到表或分区，原有数据不会删除
insert overwrite：会覆盖表中已存在的数据
注意：insert不支持插入部分字段
（4）多表（多分区）插入模式（根据多张表查询结果） hive (default)> from student > insert overwrite table student partition(month=＂201707＂) > select id, name where month=＂201709＂ > insert overwrite table student partition(month=＂201706＂) > select id, name where month=＂201709＂; 12345
4. 查询语句中创建表并加载数据（ As Select）
根据查询结果创建表（查询的结果会添加到新创建的表中） hive (default)> create table if not exists student3 > as select id, name from student; 12
5. 创建表时通过 Location指定加载数据路径
（1）上传数据到 hdfs 上 hive (default)> dfs -put /opt/module/hive-3.1.2/data/student.txt /student; 1
（2）创建表，并指定在 hdfs 上的位置 hive (default)> create external table if not exists student5( > id int, name string > ) > row format delimited fields terminated by ＂ ＂ > location ＂/student＂; Time taken: 0.111 seconds 123456
（3）查询数据 hive (default)> select * from student5; OK student5.id student5.name 1001 ss1 1002 ss2 1003 ss3 1004 ss4 1005 ss5 1006 ss6 1007 ss7 1008 ss8 1009 ss9 1010 ss10 1011 ss11 1012 ss12 1013 ss13 1014 ss14 1015 ss15 1016 ss16 Time taken: 0.275 seconds, Fetched: 16 row(s) 1234567891011121314151617181920
6. Import数据到指定 Hive表中
注意: 先用 export导出后，再将数据导入。 hive (default)> import table student2 from > ＂/student＂; Copying data from hdfs://hadoop102:8020/student/data Copying file: hdfs://hadoop102:8020/student/data/student.txt Loading data to table default.student2 OK Time taken: 1.234 seconds 12345672.2 数据导出
1. Insert 导出
（1）将查询的结果导出到本地 hive (default)> insert overwrite local directory ＂/opt/module/hive-3.1.2/data/student＂ > select * from student; 12
（2）将查询的结果格式化导出到本地 hive (default)> insert overwrite local directory > ＂/opt/module/hive-3.1.2/data/student＂ > row format delimited fields terminated by ＂ ＂ > select * from student; 1234
（3）将查询的结果导出到 HDFS上 (没有 local) hive (default)> insert overwrite directory ＂/student＂ > row format delimited fields terminated by ＂ ＂ > select * from student; 123
2. Hadoop 命令导出到本地 hive (default)> dfs -get /user/hive/warehouse/student/student.txt /opt/module/hive-3.1.2/data/student; 1
3. Hive Shell 命令导出
基本语法：hive -f/-e 执行语句或者脚本 > file [Tom@hadoop102 hive-3.1.2]$ bin/hive -e ＂select * from default.student;＂ > /opt/module/hive-3.1.2/data/student/student2.txt; 1
4. Export导出到 HDFS上
export和 import主要用于 两个 Hadoop平台集群之间 Hive表迁移。 hive (default)> export table default.student to > ＂/student＂; OK Time taken: 1.434 seconds 1234
5. 清除表中数据（truncate）
注意：Truncate只能删除管理表，不能删除外部表中数据 hive (default)> truncate table student; OK Time taken: 0.353 seconds（三）查询、分区表和分桶表1 查询
查询语句语法： SELECT [ALL | DISTINCT] select_expr, select_expr, ... FROM table_reference [WHERE where_condition] [GROUP BY col_list] [ORDER BY col_list] [CLUSTER BY col_list] | [DISTRIBUTE BY col_list] [SORT BY col_list] [LIMIT number] 123456781.1 基本查询（Select…From）1.1.1 全表和特定列查询
1. 数据准备
（1）原始数据
dept： 10 ACCOUNTING 1700 20 RESEARCH 1800 30 SALES 1900 40 OPERATIONS 1700 1234
emp： 369 SMITH CLERK 7902 1980-12-17 800.00 20 7499 ALLEN SALESMAN 7698 1981-2-20 1600.00 300.00 30 7521 WARD SALESMAN 7698 1981-2-22 1250.00 500.00 30 7566 JONES MANAGER 7839 1981-4-2 2975.00 20 7654 MARTIN SALESMAN 7698 1981-9-28 1250.00 1400.00 30 7698 BLAKE MANAGER 7839 1981-5-1 2850.00 30 7782 CLARK MANAGER 7839 1981-6-9 2450.00 10 7788 SCOTT ANALYST 7566 1987-4-19 3000.00 20 7839 KING PRESIDENT 1981-11-17 5000.00 10 7844 TURNER SALESMAN 7698 1981-9-8 1500.00 0.00 30 7876 ADAMS CLERK 7788 1987-5-23 1100.00 20 7900 JAMES CLERK 7698 1981-12-3 950.00 30 7902 FORD ANALYST 7566 1981-12-3 3000.00 20 7934 MILLER CLERK 7782 1982-1-23 1300.00 10 7534 MILLER CLERK 7782 1982-10-23 1300.00 50 123456789101112131415
（2）创建部门表 create table if not exists dept( deptno int, dname string, loc int ) row format delimited fields terminated by ＂ ＂; 123456
（3）创建员工表 create table if not exists emp( empno int, ename string, job string, mgr int, hiredate string, sal double, comm double, deptno int) row format delimited fields terminated by ＂ ＂; 12345678910
（4）导入数据 hive (default)> load data local inpath ＂/opt/module/hive-3.1.2/data/dept.txt＂ into table dept; hive (default)> load data local inpath ＂/opt/module/hive-3.1.2/data/emp.txt＂ into table emp; 12
2. 全表查询 hive (default)> select * from emp; OK emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno 7369 SMITH CLERK 7902 1980-12-17 800.0 NULL 20 7499 ALLEN SALESMAN 7698 1981-2-20 1600.0 300.0 30 7521 WARD SALESMAN 7698 1981-2-22 1250.0 500.0 30 7566 JONES MANAGER 7839 1981-4-2 2975.0 NULL 20 7654 MARTIN SALESMAN 7698 1981-9-28 1250.0 1400.0 30 7698 BLAKE MANAGER 7839 1981-5-1 2850.0 NULL 30 7782 CLARK MANAGER 7839 1981-6-9 2450.0 NULL 10 7788 SCOTT ANALYST 7566 1987-4-19 3000.0 NULL 20 7839 KING PRESIDENT NULL 1981-11-17 5000.0 NULL 10 7844 TURNER SALESMAN 7698 1981-9-8 1500.0 0.0 30 7876 ADAMS CLERK 7788 1987-5-23 1100.0 NULL 20 7900 JAMES CLERK 7698 1981-12-3 950.0 NULL 30 7902 FORD ANALYST 7566 1981-12-3 3000.0 NULL 20 7934 MILLER CLERK 7782 1982-1-23 1300.0 NULL 10 7534 MILLER CLERK 7782 1982-10-23 1300.0 NULL 50 Time taken: 0.271 seconds, Fetched: 15 row(s) hive (default)> select empno, ename, job, mgr, hiredate, sal, comm, deptno from emp; OK empno ename job mgr hiredate sal comm deptno 7369 SMITH CLERK 7902 1980-12-17 800.0 NULL 20 7499 ALLEN SALESMAN 7698 1981-2-20 1600.0 300.0 30 7521 WARD SALESMAN 7698 1981-2-22 1250.0 500.0 30 7566 JONES MANAGER 7839 1981-4-2 2975.0 NULL 20 7654 MARTIN SALESMAN 7698 1981-9-28 1250.0 1400.0 30 7698 BLAKE MANAGER 7839 1981-5-1 2850.0 NULL 30 7782 CLARK MANAGER 7839 1981-6-9 2450.0 NULL 10 7788 SCOTT ANALYST 7566 1987-4-19 3000.0 NULL 20 7839 KING PRESIDENT NULL 1981-11-17 5000.0 NULL 10 7844 TURNER SALESMAN 7698 1981-9-8 1500.0 0.0 30 7876 ADAMS CLERK 7788 1987-5-23 1100.0 NULL 20 7900 JAMES CLERK 7698 1981-12-3 950.0 NULL 30 7902 FORD ANALYST 7566 1981-12-3 3000.0 NULL 20 7934 MILLER CLERK 7782 1982-1-23 1300.0 NULL 10 7534 MILLER CLERK 7782 1982-10-23 1300.0 NULL 50 Time taken: 0.323 seconds, Fetched: 15 row(s) 1234567891011121314151617181920212223242526272829303132333435363738
3. 选择特定列查询 hive (default)> select empno, ename from emp; OK empno ename 7369 SMITH 7499 ALLEN 7521 WARD 7566 JONES 7654 MARTIN 7698 BLAKE 7782 CLARK 7788 SCOTT 7839 KING 7844 TURNER 7876 ADAMS 7900 JAMES 7902 FORD 7934 MILLER 7534 MILLER Time taken: 0.279 seconds, Fetched: 15 row(s) 12345678910111213141516171819
注意：
（1）SQL 语言 大小写不敏感。
（2）SQL 可以写在一行或者多行
（3）关键字不能被缩写也不能分行
（4）各子句一般要分行写。
（5）使用缩进提高语句的可读性。 1.1.2 列别名
重命名一个列便于计算。命名方法为紧跟列名，也可以在列名和别名之间加入关键字 AS 。
实例：查询名称和部门hive (default)> select ename as name, deptno dn from emp; OK name dn SMITH 20 ALLEN 30 WARD 30 JONES 20 MARTIN 30 BLAKE 30 CLARK 10 SCOTT 20 KING 10 TURNER 30 ADAMS 20 JAMES 30 FORD 20 MILLER 10 MILLER 50 Time taken: 0.289 seconds, Fetched: 15 row(s) 123456789101112131415161718191.1.3 算术运算符
案例实操：查询出所有员工的薪水后加 1 显示。 hive (default)> select sal+1 from emp; OK _c0 801.0 1601.0 1251.0 2976.0 1251.0 2851.0 2451.0 3001.0 5001.0 1501.0 1101.0 951.0 3001.0 1301.0 1301.0 Time taken: 0.79 seconds, Fetched: 15 row(s) 123456789101112131415161718191.1.4 常用函数
（1）求总行数（count） hive (default)> select count(*) cnt from emp; OK cnt 15 Time taken: 20.637 seconds, Fetched: 1 row(s) 12345
（2）求工资的最大值（max） hive (default)> select max(sal) max_sal from emp; OK max_sal 5000.0 Time taken: 19.305 seconds, Fetched: 1 row(s) 12345
（3）求工资的最小值（min） hive (default)> select min(sal) min_sal from emp; OK min_sal 800.0 Time taken: 31.402 seconds, Fetched: 1 row(s) 12345
（4）求工资的总和（sum） hive (default)> select sum(sal) sum_sal from emp; OK sum_sal 30325.0 Time taken: 8.185 seconds, Fetched: 1 row(s) 12345
（5）求工资的平均值（avg） hive (default)> select avg(sal) avg_sal from emp; OK avg_sal 2021.6666666666667 Time taken: 8.706 seconds, Fetched: 1 row(s) 123451.1.5 Limit 语句
典型的查询会返回多行数据。LIMIT 子句用于限制返回的行数。 hive (default)> select * from emp limit 3; OK emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno 7369 SMITH CLERK 7902 1980-12-17 800.0 NULL 20 7499 ALLEN SALESMAN 7698 1981-2-20 1600.0 300.0 30 7521 WARD SALESMAN 7698 1981-2-22 1250.0 500.0 30 Time taken: 0.318 seconds, Fetched: 3 row(s) hive (default)> select sal from emp limit 5; OK sal 800.0 1600.0 1250.0 2975.0 1250.0 Time taken: 0.298 seconds, Fetched: 5 row(s) 123456789101112131415161.1.6 Where 语句
使用 WHERE 子句，将不满足条件的行过滤掉。
WHERE 子句紧随 FROM 子句。 WHERE 子句中不能使用字段别名。
例：查询出薪水大于2000 的所有员工：hive (default)> select * from emp where sal > 2000; OK emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno 7566 JONES MANAGER 7839 1981-4-2 2975.0 NULL 20 7698 BLAKE MANAGER 7839 1981-5-1 2850.0 NULL 30 7782 CLARK MANAGER 7839 1981-6-9 2450.0 NULL 10 7788 SCOTT ANALYST 7566 1987-4-19 3000.0 NULL 20 7839 KING PRESIDENT NULL 1981-11-17 5000.0 NULL 10 7902 FORD ANALYST 7566 1981-12-3 3000.0 NULL 20 Time taken: 0.324 seconds, Fetched: 6 row(s) 123456789101.1.7 比较运算符（Between / In / Is Null）
下面表中描述了谓词操作符，这些操作符同样可以用于 JOIN…ON和 HAVING语句中。
例：（1）查询出薪水等于 5000 的所有员工 hive (default)> select * from emp where sal=5000; OK emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno 7839 KING PRESIDENT NULL 1981-11-17 5000.0 NULL 10 Time taken: 0.312 seconds, Fetched: 1 row(s) 12345
（2）查询工资在 800到 950 的员工信息 hive (default)> select * from emp where sal between 800 and 950; OK emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno 7369 SMITH CLERK 7902 1980-12-17 800.0 NULL 20 7900 JAMES CLERK 7698 1981-12-3 950.0 NULL 30 Time taken: 0.267 seconds, Fetched: 2 row(s) 123456
（3）查询 comm 为空的所有员工信息 hive (default)> select * from emp where comm is null; OK emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno 7369 SMITH CLERK 7902 1980-12-17 800.0 NULL 20 7566 JONES MANAGER 7839 1981-4-2 2975.0 NULL 20 7698 BLAKE MANAGER 7839 1981-5-1 2850.0 NULL 30 7782 CLARK MANAGER 7839 1981-6-9 2450.0 NULL 10 7788 SCOTT ANALYST 7566 1987-4-19 3000.0 NULL 20 7839 KING PRESIDENT NULL 1981-11-17 5000.0 NULL 10 7876 ADAMS CLERK 7788 1987-5-23 1100.0 NULL 20 7900 JAMES CLERK 7698 1981-12-3 950.0 NULL 30 7902 FORD ANALYST 7566 1981-12-3 3000.0 NULL 20 7934 MILLER CLERK 7782 1982-1-23 1300.0 NULL 10 7534 MILLER CLERK 7782 1982-10-23 1300.0 NULL 50 Time taken: 0.283 seconds, Fetched: 11 row(s) 123456789101112131415
（4）查询工资是 1500 或 5000 的员工信息 hive (default)> select * from emp where sal in (1500, 5000); OK emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno 7839 KING PRESIDENT NULL 1981-11-17 5000.0 NULL 10 7844 TURNER SALESMAN 7698 1981-9-8 1500.0 0.0 30 Time taken: 0.299 seconds, Fetched: 2 row(s) 1234561.1.8 Like和RLike
（1）使用 LIKE 运算选择类似的值。
（2）选择条件可以包含字符或数字。
% 代表零个或多个字符任意个字符 。
_ 代表一个字符。
（3）RLIKE 子句 是 Hive 中这个功能的一个扩展，其可以通过 Java 的正则表达式这个更强大的语言来指定匹配条件。
案例实操
查找名字以 A 开头的员工信息 hive (default)> select * from emp where ename like ＂A%＂; OK emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno 7499 ALLEN SALESMAN 7698 1981-2-20 1600.0 300.0 30 7876 ADAMS CLERK 7788 1987-5-23 1100.0 NULL 20 12345
查找名字中第二个字母为 A 的员工信息 hive (default)> select * from emp where ename like ＂_A%＂; OK emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno 7521 WARD SALESMAN 7698 1981-2-22 1250.0 500.0 30 7654 MARTIN SALESMAN 7698 1981-9-28 1250.0 1400.0 30 7900 JAMES CLERK 7698 1981-12-3 950.0 NULL 30 Time taken: 0.301 seconds, Fetched: 3 row(s) 1234567
查找名字中带有 A 的员工信息 hive (default)> select * from emp where ename rlike ＂[A]＂; OK emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno 7499 ALLEN SALESMAN 7698 1981-2-20 1600.0 300.0 30 7521 WARD SALESMAN 7698 1981-2-22 1250.0 500.0 30 7654 MARTIN SALESMAN 7698 1981-9-28 1250.0 1400.0 30 7698 BLAKE MANAGER 7839 1981-5-1 2850.0 NULL 30 7782 CLARK MANAGER 7839 1981-6-9 2450.0 NULL 10 7876 ADAMS CLERK 7788 1987-5-23 1100.0 NULL 20 7900 JAMES CLERK 7698 1981-12-3 950.0 NULL 30 Time taken: 0.247 seconds, Fetched: 7 row(s) 12345678910111.1.9 逻辑运算符（And / Or / Not）
案例实操
（1）查询薪水大于 1000 ，部门是 30 hive (default)> select * from emp where sal>1000 and deptno=30; OK emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno 7499 ALLEN SALESMAN 7698 1981-2-20 1600.0 300.0 30 7521 WARD SALESMAN 7698 1981-2-22 1250.0 500.0 30 7654 MARTIN SALESMAN 7698 1981-9-28 1250.0 1400.0 30 7698 BLAKE MANAGER 7839 1981-5-1 2850.0 NULL 30 7844 TURNER SALESMAN 7698 1981-9-8 1500.0 0.0 30 Time taken: 0.294 seconds, Fetched: 5 row(s) 123456789
（2）查询薪水大于 1000 ，或者部门是 30 hive (default)> select * from emp where sal>1000 or deptno=30; OK emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno 7499 ALLEN SALESMAN 7698 1981-2-20 1600.0 300.0 30 7521 WARD SALESMAN 7698 1981-2-22 1250.0 500.0 30 7566 JONES MANAGER 7839 1981-4-2 2975.0 NULL 20 7654 MARTIN SALESMAN 7698 1981-9-28 1250.0 1400.0 30 7698 BLAKE MANAGER 7839 1981-5-1 2850.0 NULL 30 7782 CLARK MANAGER 7839 1981-6-9 2450.0 NULL 10 7788 SCOTT ANALYST 7566 1987-4-19 3000.0 NULL 20 7839 KING PRESIDENT NULL 1981-11-17 5000.0 NULL 10 784...
