当前位置: 首页>数据库>正文

Hive基本操作练习 hive的操作过程


title: hive操作和踩坑指北
categories:

  • AiSpeeech
    tags: AiSpeech
    date: 2020-06-09 11:04:53

hive操作

#1.创建数据库
hive>create database myhive1;
#2.使用数据库
hive>use myhive1;
#3.查询现在使用的数据库
hive>select current_database;
#4.创建表结构
hive>create table student(id int, name string comment '33标签名字', sex string, age int, department string) 
    >row format delimited fields terminated by ",";
#copy表但不copy数据    
CREATE TABLE yourtable 
LIKE table2; 
#更常用如下,和其他语句连用记得分号隔开
create table if not exists ${tableName};
    
#5.向表中加载数据,注意inpath后跟字符串要是变量''
hive -e "load data local inpath 'ud2' into table 33tmptb partition(dt=20170919);"#从文件中追加

#insert方式需要插入的列数严格对齐不能用select *,且overwrite不会重写load进去的数据
#从select中追加,若重写把Into改为overwrite
set hive.exec.dynamic.partition=true;
set hive.exec.dynamic.partition.mode=nonstrict;
insert into table 33tmptb partition(dt=25) select name from load_data_local;

#6.查询表
hive> set hive.fetch.task.conversion=more;
这句话不经过mapreduce大大加速了查询速度
select * from student limit 10;


#7.查询表结构
hive> describe student;
#8.查询详细的表结构
hive>describe formatted student;
#9.cast建立子表
hive>create table student_ctas as select * from student where id <95012;
#10. 查询创建表语句
hive > show create table TBname
#*****这里有个坑, `dt` string)中的`符号要删掉
hdfs -du -h
#11. 删除表
hive>DROP TABLE IF EXISTS employee
#12. 删除某个分区
hive -e "alter table tablename drop partition (dt='20200804')"
#13. 更改表名

在实际情况中,表的输出结果可能太多,不适于显示在控制台上,这时候,将Hive的查询输出结果直接存在一个新的表中是非常方便的,我们称这种情况为CTAS(create table 表名 as select 列名 from 查询的表名)

条件语句

第一种:IF
Example: IF(1=1, 'working', 'not working') returns 'working'
第二种:COALESCE

这个词优点不好记啊。

它返回第一个不为NULL的值。

Example: COALESCE(NULL,NULL,5,NULL,4) returns 5
第三种:CASE WHEN THEN END
CASE   [ expression ]
       WHEN condition1 THEN result1
       WHEN condition2 THEN result2
       ...
       WHEN conditionn THEN resultn
       ELSE result
END

hive transform使用

hive -e "add file logging.zip;add file gensim.zip;add file deal12.py;add file word2vec_model_20200325;
select transform(a.uid, a.device)
using 'deal12.py'
as (aaa, bbb,p3,p4,p5,p6,p7,p8,p9,p10)
from (
select uid,device from
gh_user_feature_daily where dt='20200606' and usertype='uid' limit 30)as a"
from后应该是另外一个select语句,用于Transform的输入,最好是一一对应的,否则会出错
  • 插入时会出现较多NULL扰乱目标表,后发现transform只能以’\t’分隔,而print自动末尾+换行符此换行符transform处理为单独的一行插入NULL

Hive基本操作练习 hive的操作过程,Hive基本操作练习 hive的操作过程_深度学习,第1张

用这个job后的数字ID可以查询error信息,$1的地方传入ID号,grep后改为你要查的字段

yarn logs -applicationId application_ > logafteraddfile
cat logafteraddfile | grep deal

get_json_object使用

get_json_object(string json_string, string path)

说明:
第一个参数填写json对象变量,第二个参数使用$表示json变量标识,然后用 . 或 [] 读取对象或数组;如果输入的json字符串无效,那么返回NULL。
每次只能返回一个数据项。

举例:
data 为 test表中的字段,数据结构如下:

data =
{
 "store":
        {
         "fruit":[{"weight":8,"type":"apple"}, {"weight":9,"type":"pear"}],  
         "bicycle":{"price":19.95,"color":"red"}
         }, 
 "email":"amy@only_for_json_udf_test.net", 
 "owner":"amy" 
}

1.get单层值

hive> select  get_json_object(data, '$.owner') from test;
结果:amy

2.get多层值.
hive> select  get_json_object(data, '$.store.bicycle.price') from test;
结果:19.95

3.get数组值[]
hive> select  get_json_object(data, '$.store.fruit[0]') from test;
结果:{"weight":8,"type":"apple"}

自己使用

hive -e "create table tmpud as select  get_json_object(device, '$.push_short_interest_tag') from gh_user_feature_daily where dt='20200606' and usertype='uid' limit 10"

输入一行拆多行的lateral view和explode()

explode函数输入被拆行,需要是array,split(‘[1,2,3]’, ‘,’)可以把String’[1,2,3]'分隔为array[1,2,3],一些坑

hive -e "select uid, from tmp12
lateral view explode(split(,',')) 表别名 AS 列别名;"
这种结果会是列和uid左连接

输入:
uid 
1		[true,false]	
输出:
uid true
uid false

正确写法,查询explode后的列别名保留

hive -e "select uid,c3 from tmp12 lateral view explode(split(, ',')) virtualtbn表别名 as c3"
一、explode()

这个函数大多数人都接触过,将一行数据转换成列数据,可以用于array和map类型的数据。

用于array的语法如下:

select explode(arraycol) as newcol from tablename;
  • explode():函数中的参数传入的是arrary数据类型的列名。
  • newcol:是给转换成的列命名一个新的名字,用于代表转换之后的列名。
  • tablename:原表名。

用于map的语法如下:

select explode(mapcol) as (keyname,valuename) from tablename;
  • explode():函数中的参数传入的是map数据类型的列名。
  • 由于map是kay-value结构的,所以它在转换的时候会转换成两列,一列是kay转换而成的,一列是value转换而成的。
  • keyname:表示key转换成的列名称,用于代表key转换之后的列名。
  • valuename:表示value转换成的列名称,用于代表value转换之后的列名称。

注意:这两个值需要在as之后用括号括起来然后以逗号分隔。

以上为explode()函数的用法,此函数存在局限性:

  • 其一:不能关联原有的表中的其他字段。
  • 其二:不能与group by、cluster by、distribute by、sort by联用。
  • 其三:不能进行UDTF嵌套。
  • 其四:不允许选择其他表达式。
二、lateral view

lateral view是Hive中提供给UDTF的结合,它可以解决UDTF不能添加额外的select列的问题。

lateral view其实就是用来和想类似explode这种UDTF函数联用的,lateral view会将UDTF生成的结果放到一个虚拟表中,然后这个虚拟表会和输入行进行join来达到连接UDTF外的select字段的目的。

格式一
lateral view udtf(expression) tableAlias as columnAlias (,columnAlias)*
  • lateral view在UDTF前使用,表示连接UDTF所分裂的字段。
  • UDTF(expression):使用的UDTF函数,例如explode()。
  • tableAlias:表示UDTF函数转换的虚拟表的名称。
  • columnAlias:表示虚拟表的虚拟字段名称,如果分裂之后有一个列,则写一个即可;如果分裂之后有多个列,按照列的顺序在括号中声明所有虚拟列名,以逗号隔开。
格式二
from basetable (lateral view)*
  • 在from子句中使用,一般和格式一搭配使用,这个格式只是说明了lateral view的使用位置。
  • from子句后面也可以跟多个lateral view语句,使用空格间隔就可以了。
格式三
from basetable (lateral view outer)*

它比格式二只是多了一个outer,这个outer的作用是在UDTF转换列的时候将其中的空也给展示出来,UDTF默认是忽略输出空的,加上outer之后,会将空也输出,显示为NULL。这个功能是在Hive0.12是开始支持的。

排序

1.Order By和 Sort BY

尽量不用order by。
ORDER BY 是全局排序,最终hadoop会把所有数据通过一个reducer,这样很可能会超过单个节点的磁盘和内存存储能力导致任务失败。
SORT BY 是局部排序,各个reducer各自排序,不保证全局有序
都可以使用升序asc,降序desc,缺省是asc

2.含有SORT BY的DISTRUBUTE BY

DISTRIBUTE BY 可以控制map的输出在reducer中是如何划分的,如果不指定,默认是按哈希值进行均匀划分。可以手工指定键,以保证在这个键上的sort by是有序的。

使用order by会引发全局排序

select * from baidu_click order by click desc;

使用distribute和sort进行分组排序

select * from baidu_click distribute by 列名 sort by click desc;

distribute by + sort by就是该替代方案,被distribute by设定的字段为KEY,数据会被HASH分发到不同的reducer机器上,然后sort by会对同一个reducer机器上的每组数据进行局部排序。

3. Group By
  • group by的作用是用来分组,表示按照某些字段的值进行分组,相同的值放到一起
  • GROUP BY X, Y意思是将所有具有相同X字段值和Y字段值的记录对应其他列数据放入一行,我们找同一学期报同一课程的总(count)人数,筛选条件是且的关系
  • 一些没有聚合函数的字段必须要加到group by 后边,不和聚合函数使用可起到去重作用,即相同字段对应其他列放一行但不展示
  • 通常和聚合函数sum,avg一起使用,一个Key就是一个逻辑上的group来分组操作,having联合使用在组内过滤,where是整个数据过滤
  • Select列表中的所有列必须是聚合列(SUM,MIN/MAX,AVG等)或是GROUP BY 子句中包括的列
输出
Subject   学期   Attendee
---------------------------------
ITB001    1          John
ITB001    1          Bob
ITB001    1          Mickey
ITB001    2          Jenny
ITB001    2          James
MKB114    1          John
MKB114    1          Erica

SELECT Subject, Count(*)
FROM Subject_Selection
GROUP BY Subject

Subject    Count
------------------------------
ITB001     5
MKB114     2

GROUP BY Subject,学期

Subject    Semester   Count
------------------------------
ITB001     1          3
ITB001     2          2
MKB114     1          2



https://www.xamrdz.com/database/6cd1964138.html

相关文章: