一、前言
Hive 是一个基于 Hadoop 文件系统之上的数据仓库架构。它可以将结构化的数据文件映射为一张数据库表，并提供简单的 sql 查询功能。还可以将 sql 语句转换为 MapReduce 任务运行。
二、什么是hive
Hive是建立在Hadoop上的数据仓库基础构架。它提供了一系列的工具，可以用来进行数据提取转化加载（ETL ），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 HQL，它允许熟悉SQL的用户查询数据。同时，这个语言也允许熟悉 MapReduce 开发者的开发自定义的 mapper 和 reducer 来处理内建的 mapper 和 reducer 无法完成的复杂的分析工作。
Hive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，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，然后在Hadoop上运行。
三、hive的使用场景
Hive诞生于 facebook 的日志分析需求，面对海量的结构化数据，Hive在Facebook主要用于日志的数据报表、统计分析、数据挖掘等功能。Hive主要是可用类似于SQL的语法，对HDFS海量数据库中的数据进行查询、统计、更新等操作。形象地说Hive更像一个数据仓库管理工具。
因为Hive基于Hadoop，所以可以自定义Hadoop的Map Reduce流程，从Hive中调用。Hive是对Hadoop的一个上层封装，他将HQL翻译成对Hadoop 中Map Reduce的调用。
四、hive的安装
略过。网上教程。
五、hive之shell学习
进入shell交互命令
查看hive的shell命令帮助
hive——shell命令操作：
一：查看meatstore数据库中的表
二：查询数据库
三：创建表及查询
四：多字段数据表的创建
****************************************************************
CREATE TABLE records(year String,tempaature INT,quality INT)
ROW FORMAT DELEMITED FIELDS BY TERMINATED BY '\t';
****************************************************************
五：加载数据到hive表t1中
如果是hdfs文件路径的话：load data inpath 'HDFS路径' into table tableName
六：删除表
七：从其他表导入数据：
INERT OVERWRITE TABLE T1 SELECT * FROM T2;
八：复制表结构不复制数据
CREATE TABLE T3 LIKE T2;
九：HIVE视图
CREATE VIEW V_HIVE AS SELECT A,B FROM HIVE_3 WHERE C>30;
hive分区
分区语法：
create table if not exists employees(
name string,
salary string,
subordinates array<string>,
deductions map<String,float>,
address struct<street:string,city:string,state:string,zip:int>
)
partitioned by (dtstring,typestring)
row format delimited fields terminated by'\t'
collection items terminated by','
mapkeys terminated by':'
lines terminated by'\n'
stored as textfile
分区表操作：
alter table employees add if not exists partion(country ='xxx'[,state='yyyy'])
Alter table employees drop if exists partition(country='xxx'[,state='yyyy’)
hive分桶
对于每一个表（table）或者分区，Hive可以进一步组织成桶，也就是说捅是更为细粒度的数据范困划分。
Hive是针对某一列进行分捅。
Hive采用对列值哈希，然后除以捅的个数求余的方式决定该条记录存放在哪个桶当中。
好处
获得更高的查询处理效率。
使取样（sampling）更高效
分桶语法
create table bucketed_user(id string,name string)clustered by(id) sorted by(name)into 4 buckets row format delimited fields terminated by'\t' stored as textfile;
设置
set hive.enforce.bucketing =true;
插入数据
insert overwrite table bucketed_user select addr ,name from testtable;
**********************补充：hive分区*******************
mysql分区：详细介绍引用（http://blog.51yip.com/mysql/1013.html）
一、hive分区：
1、在Hive Select查询中一般会扫描整个表内容，会消耗很多时间做没必要的工作。有时候只需要扫描表中关心的一部分数据，因此建表时引入了partition概念。
2、分区表指的是在创建表时指定的partition的分区空间。
3、如果需要创建有分区的表，需要在create表的时候调用可选参数partitioned by，详见表创建的语法结构。
二、技术细节
1、一个表可以拥有一个或者多个分区，每个分区以文件夹的形式单独存在表文件夹的目录下。
2、表和列名不区分大小写。
3、分区是以字段的形式在表结构中存在，通过describe table命令可以查看到字段存在，但是该字段不存放实际的数据内容，仅仅是分区的表示。
4、建表的语法（建分区可参见PARTITIONED BY参数）：
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]
5、分区建表分为2种，一种是单分区，也就是说在表文件夹目录下只有一级文件夹目录。另外一种是多分区，表文件夹下出现多文件夹嵌套模式。
a、单分区建表语句：create table day_table (id int, content string) partitioned by (dt string);单分区表，按天分区，在表结构中存在id，content，dt三列。
b、双分区建表语句：create table day_hour_table (id int, content string) partitioned by (dt string, hour string);双分区表，按天和小时分区，在表结构中新增加了dt和hour两列。
表文件夹目录示意图（多分区表）：
6、添加分区表语法（表已创建，在此基础上添加分区）：
ALTER TABLE table_name ADD partition_spec [ LOCATION 'location1' ] partition_spec [ LOCATION 'location2' ] ... partition_spec: : PARTITION (partition_col = partition_col_value, partition_col = partiton_col_value, ...)
用户可以用ALTER TABLE ADD PARTITION来向一个表中增加分区。当分区名是字符串时加引号。例：
ALTER TABLE day_table ADD PARTITION (dt='2008-08-08', hour='08') location '/path/pv1.txt' PARTITION (dt='2008-08-08', hour='09') location '/path/pv2.txt';
7、删除分区语法：
ALTER TABLE table_name DROP partition_spec, partition_spec,...
用户可以用ALTER TABLE DROP PARTITION来删除分区。分区的元数据和数据将被一并删除。例：
ALTER TABLE day_hour_table DROP PARTITION (dt='2008-08-08', hour='09');
8、数据加载进分区表中语法：
LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)]
例：
LOAD DATA INPATH '/user/pv.txt' INTO TABLE day_hour_table PARTITION(dt='2008-08- 08', hour='08'); LOAD DATA local INPATH '/user/hua/*' INTO TABLE day_hour partition(dt='2010-07- 07');
当数据被加载至表中时，不会对数据进行任何转换。Load操作只是将数据复制至Hive表对应的位置。数据加载时在表下自动创建一个目录，文件存放在该分区下。
9、基于分区的查询的语句：
SELECT day_table.* FROM day_table WHERE day_table.dt>= '2008-08-08';
10、查看分区语句：
hive> show partitions day_hour_table; OK dt=2008-08-08/hour=08 dt=2008-08-08/hour=09 dt=2008-08-09/hour=09
11、hive两种分区：静态分区与动态分区的差别
在加载数据的时候，动态分区不需要指定分区KEY的值，会根据KEY对应列的值自动分区写入，如果改列值对应分区的目录未创建，会自动创建并写入。
例如：
三、总结
1、在Hive中，表中的一个Partition对应于表下的一个目录，所有的Partition的数据都存储在最字集的目录中。
2、总的说来partition就是辅助查询，缩小查询范围，加快数据的检索速度和对数据按照一定的规格和条件进行管理。
六：hive之API操作：
1.确保hive服务打开
2.java代码连接hiveserver
private static String riverName="org.apache.hadoop.hive.jdbc.HiveDriver";
public static void main(String[] args)throws Exception {
try{
Class.forName(driverName);
}catch(ClassNotFoundException e) {
e.printStackTrace();
System.exit(1);
}
Connection con = DriverManager.getConnection("jdbc:hive://localhost:10002/default","wyp","");
Statement stmt = con.createStatement();
String tableName ="wyphao";
stmt.execute("drop table if exists "+ tableName);
stmt.execute("create table "+ tableName +" (key int, value string)");
System.out.println("Create table success!");
// show tables
String sql ="show tables '"+ tableName +"'";
System.out.println("Running: "+ sql);
ResultSet res = stmt.executeQuery(sql);
if(res.next()) {
System.out.println(res.getString(1));
}
// describe table
sql ="describe "+ tableName;
System.out.println("Running: "+ sql);
res = stmt.executeQuery(sql);
while(res.next()) {
System.out.println(res.getString(1) +"\t"+ res.getString(2));
}
sql ="select * from "+ tableName;
res = stmt.executeQuery(sql);
while(res.next()) {
System.out.println(String.valueOf(res.getInt(1)) +"\t"
+ res.getString(2));
}
sql ="select count(1) from "+ tableName;
System.out.println("Running: "+ sql);
res = stmt.executeQuery(sql);
while(res.next()) {
System.out.println(res.getString(1));
}
}
}
