hive 实践（二）：hive基本原理

左手的ㄟ右手 2022-09-26 04:56 225阅读 0赞

Hive基本原理

hive是基于Hadoop的一个[数据仓库][Link 1]工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。 其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合[数据仓库][Link 1]的统计分析。

Hive将元数据存储在数据库（RDBMS）中，比如MySQL、Derby中。Hive有三种模式连接到数据，其方式是：单用户模式，多用户模式和远程服务模式。（也就是内嵌模式  
、本地模式、远程模式）。

一、Hive体系结构：

Hive体系结构图：主要分为：用户接口、Thrift服务器、元数据存储、解析器、Hadoop

![Center][]

二、 Hive数据类型

Hive的存储是建立在Hadoop文件系统之上的，它本身没有专门的数据存储格式，其主要包括四类数据模型：  
表（Table）  
分区（Partition）  
桶（Bucket）  
外部表（External Table）

![Center 1][]

Hive的内置数据类型可以分为两大类：(1)、基础数据类型；(2)、复杂数据类型。其中，基础数据类型包括：TINYINT,SMALLINT,INT,BIGINT,BOOLEAN,FLOAT,DOUBLE,STRING,BINARY,TIMESTAMP,DECIMAL,CHAR,VARCHAR,DATE。

![Center 2][]

三、Hive的执行流程要点  
操作符（Operator）是Hive的最小处理单位；  
每个操作符处理代表HDFS操作或MR作业；  
编译器把Hive SQL转换成一组操作符；  
Hive通过ExecMapper和ExecReducer来执行MapReduce任务；  
执行MapReduce时有两种模式：本地模式和分布式模式；

常见的Hive操作符（部分）如下：

![Center 3][]

四、 Hive的HQL操作

hive基本的运行操作其实和sql差不多，例如：

1.  select u.name, o.orderid from order o join user u on o.uid = u.uid;  
2.    
3.  select dealid, count(distinct uid), count(distinct date) from order group by dealid;

简单Hive表语句：  
create table student  
(  
    name string,  
    sex string,  
    age int  
);

[Link 1]: http://baike.baidu.com/view/19711.htm
[Center]: /images/20220717/fdc1cc5f383949c886e432357e26ad3f.png
[Center 1]: /images/20220717/97ec9f545c8f4a9491536d9120b9f273.png
[Center 2]: /images/20220717/6aa3450e996c41b9a3c99c4ac08d77e6.png
[Center 3]: /images/20220717/5584d00f0abc4cf987f45b640ee612e1.png