10、Hive核心概念和架构原理

1、 Hive核心概念和架构原理

1.1、 Hive概念

Hive由FaceBook开发，用于解决海量结构化日志的数据统计。

创新互联坚持“要么做到，要么别承诺”的工作理念，服务领域包括：网站设计、网站制作、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的公安网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！

Hive是基于Hadoop的数据仓库工具，可以将结构化数据映射为一张表，提供类似SQL语句查询功能

本质：将Hive SQL转化成MapReduce程序。

1.2、Hive与数据库的区别

读时模式：Hive在加载数据到表中的时候不会校验.

写时模式：MySQL数据库插入数据到表的时候会进行校验.

总结：Hive只适合用来做海量离线的数据统计分析，也就是数据仓库。

1.3、Hive的优缺点

优点：操作接口采用了类SQL语法，提供快速开发的能力，避免了去写MapReduce；Hive还支持用户自定义函数，用户可以根据自己的需求实现自己的函数。

缺点：Hive不支持纪录级别的增删改操作；Hive查询延迟很严重；Hive不支持事务。

1.4、Hive架构原理

​ (1)用户接口：CLI（hive shell）；JDBC（java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，标的类型（表是否为外部表）、表的数据所在目录。这是数据默认存储在Hive自带的derby数据库中，推荐使用MySQL数据库存储MetaStore。

（3）Hadoop集群：

使用HDFS进行存储数据，使用MapReduce进行计算。

（4）Driver:驱动器

解析器（SQL Parser）:将SQL字符串换成抽象语法树AST，对AST进行语法分析，像是表是否存在、字段是否存在、SQL语义是否有误。

编译器（Physical Plan）：将AST编译成逻辑执行计划。

优化器（Query Optimizer）：将逻辑计划进行优化。

执行器（Execution）：把执行计划转换成可以运行的物理计划。对于Hive来说默认就是Mapreduce任务。

通过Hive**对数据进行数据分析过程**：

2、 Hive交互方式

需要先启动hadoop集群和MySQL服务

2.1、Hive交互shell

cd  /opt/bigdata2.7/hive (hive的安装路径，根据自己实际情况改变)

bin/hive

​ 可以在命令端口写上HQL语句：show databases;验证是否可用。

2.2、JDBC交互

输入hiveserver2相当于开启了一个服务端，查看hivesever2的转态

输入netstat  –nlp命令查看：

​ 运行hiveserver2相当于开启了一个服务端，端口号10000，需要开启一个客户端进行通信，所以打开另一个窗口，输入命令beeline.

Beeline连接方式：!connect jdbc:hive2://node1:10000

主意不要省略！

当然了hiveserver2服务端可以运行在后台：

nohup hiveserver2 &

3、 Hive数据类型

3.1基本数据类型

3.2复合数据类型

​ （1）Array字段的元素访问方式：下标获取元素，下标从0开始

比如：获取第一元素：array[0]

（2）Map字段的访问方式：通过键获取值

比如:获取a这个key对应的value：map[‘a’]

（3）struct字段的元素获取方式：

定义一个字段c的类型为struct(a int;b string)

获取a和b的值：

create table complex(
     col1 array,
     col2 map,
     col3 struct
     )

4、 Hive数据类型转换

4.1、隐式类型转换

​ 系统自动实现类型转换，不需要客户干预

如：tinyint可以转换成int，int可以转成bigint

所有整数类型、float、string类型都可以隐式转转换成double

tinyint、samllint、int都可以转成float

boolean不可以转成其他任何类型

4.2、手动类型转换

​ 可以使用cast函数显示的进行数据类型转换

​ 例如：cast(‘1’ as int)把字符串’1’转成整数1

​ 如果强制转换类型失败，如执行cast(‘x’ as int)表达式返回NULL。