Hive的安装步骤可以参考：
https://www.cnblogs.com/kinginme/p/7233315.html

综述：

Hive是基于hadoop HDFS上的一个数据仓库，本质上就是数据库。

• 数据仓库
  数据仓库是一个面向主题的、集成的、不可更新的、对时间不变化的数据集合。用于支持企业和组织的决策分析处理。
  面向主题：决策时所关注的方面。以商品推荐系统的数据仓库为例，其主题就是商品信息
  集成的：数据仓库的数据源于不同的数据，可以是关系型数据库、非关系型数据库或者文件等。
  不可更新：主要用于查询，不建议更新。

• OLTP与OLAP应用
  OLTP连接事务处理：关注事务的处理，如银行的转账。操作的频率会非常高。
  OLAP连接分析处理：基于原来的数据进行分析与查询，如推荐系统。主要进行查询，不进行删除更新等。

• 数据仓库模型
  搭建数据仓库时需要拟定一个模型，最基本的为星型模型和雪花模型。
  以商品推荐系统为例，商品信息作为核心，关联了订单、客户、促销等信息。这样就构成了一个面向商品信息的星型模型。
  同样，将客户信息等内容进行扩展，就可以得到雪花模型。

星型模型

雪花模型-part

什么是Hive

• Hive是搭建在Hadoop HDFS上的数据仓库基础架构。
• Hive可以进行数据的提取转化加载（ETL）
• Hive定义了类sql的查询语言，称为HQL。
• Hive允许数据MapReduce开发者开发自定义的mapper和reducer来处理内建的mapper和reducer无法完成的分析任务。
• Hive是SQL解析引擎，将SQL语句转为M/R任务，然后在Hadoop上执行。
• Hive的表其实就是HDFS的目录，其数据就是HDFS的文件

Hive的体系结构

• Hive的元数据
  Hive将元数据存储在数据库中，如Mysql、Oracle、derby等。
  Hive的元数据包含表名、表属性、表数据所在目录等信息。

• HQL执行过程
  解释器、编译器、优化器完成HQL查询语句从词法分析、语法分析、编译、优化以及查询计划的生成。生成的查询计划存于HDFS中，并且随后由MapReduce调用执行。

• Hive体系结构

Hive的几种安装模式

• 嵌入模式
  Hive的源信息存入Hive自带的Derby数据库中。
  局限性较大。只允许一个链接，所以多用于演示。

将安装包解压后，通过：./hive进入hive的命令行模式。这时就使得hive初始化了元数据文件。查看目录可见metastore.db

• 本地模式
  元数据存于另外一个数据库中。例如将元数据存于一个MySql数据库。
  同时，mysql数据库与Hive运行于同一个物理机上。
  支持多个链接，多用于开发与测试。

• 远程模式
  元数据存于另外一个数据库中。例如将元数据存于一个MySql数据库。
  同时，mysql数据库与Hive运行于不同物理机上。

解压缩文件后，首先需要将对应数据库的驱动文件jar包拷贝进lib文件夹中。随后进入conf文件夹，配置hive-site.xml文件
需要配置的内容在官网文档中可以找到。

依次为url、驱动、用户名、密码

随后在hive中创建表

对应信息将会出现在mysql中

Hive的启动方式

• 命令行方式
  进入方式：hive
  静默模式：hive -S
  CIL常用指令：

hive> show tables --查看表;
hive> show functions --查看内置函数;
hive> ！命令 --直接执行linux指令，如！clear、！pwd;
hive> desc --查看表结构;
hive>  dfs  --执行HDFS指令，例如dfs -ls /;
hive> hql语句 --HQL语句，例如select * from table;
hive> source sql脚本 --执行sql脚本，例如 source /root/my.sql;

也可以不进入hive中，直接在linux命令行中执行上述语句：

hive -S -e ‘show tables’

• WEB界面方式
  端口号：9999
  启动方式：#hive --service hwi
  若是显示：

说明该版本未携带web页面的 .war包，需要通过下载源代码（*-src.tar.gz）文件。找到/hwi/web目录。
使用指令：

jar cvfM0 hive-hwi-*.*.*.war -C web/

将其中内容打包，随后拷贝到hive的lib目录下
随后根据官网给出的配置内容修改conf/hive-site.xml文件。

还需要将jdk/lib/tools.jar 文件拷贝到hive/lib/目录下。
随后就可以通过ip:port进行访问。将上述的CIL命令改变为可视化的操作。

ps：非原生安装，如cloudera，大多通过hue进行统一的大数据页面管理：

• 远程服务
  端口：10000
  启动：hive --service hiveserver
  如果要以JDBC或者ODBC的程序登陆到Hive中操作数据时，必须使用远程服务模式。

Hive的数据类型

• 基本数据类型
  整数型：tinyint、smallint、int、bigint
  浮点数型：float
  布尔型：boolean
  字符串型：string、varchar（0.12）、char（0.13）
  建表的过程中需要对数据类型进行说明：

hive> create table person
    > (pid int,
    > pname string,
    > married boolean,
    > salary double);

• 复杂数据类型
  数组类型：Array
  数组类型由一系列相同数据类型的元素构成
  集合类型：Map
  集合类型包含key-value键值对，可以通过key访问元素
  结构类型：Struct
  结构类型可以包含不同类型的数据，可以通过A.b A.c进行访问。
  表的创建过程与上面类似：

--array类型举例：
hive> create table person
    > (pid int,
    > pname string,
    > grade array<float>);
{1,tom,[80,90,70]}

--ma'p类型举例：
hive> create table person
    > (pid int,
    > pname string,
    > grade map<string,float>);
{1,tom,<'语文成绩',85>}

--可以进行组合：
> grade array<map<string,float>>
{1,tom,[<'语文成绩',85>,<'英语成绩',85>]}

--struct类型举例：
hive> create table person
    > (pid int,
    > info struct<name:string,age:int>);
{1,{'tom',10}}

• 时间类型
  Data（从Hive0.12开始支持）
  Timestamp（从Hive0.8开始支持）
  两者的区别在于：
  Timestampe与时区无关，是以系统存在为起点的偏移量。
  Data描述特定的时间，格式一般为：YYYY-MM-DD，不包含具体时间。

可以从Hive官网找到每种类型的聚类精度范围

Hive数据存储

一般默认的Hive数据存储目录为：
hdfs上：/user/hive/warehouse
这一点在非原生的cloudera上也是一样：

Hive数据存储基于HDFS，没有单独的数据存储格式。
存储结构主要包括：数据库、文件、表、视图
可以直接加载文本文件（.txt .csv等）
创建表的时候，可以指定Hive的列分隔符，行分隔符等。

表结构包含

• Table：内部表
  其概念与数据库上的表类似
  每个表在hive上都有一个相应的目录进行存储。
  删除表时，元数据与数据都会被删除。
  操作举例：

image.png

hive> create table edwin_test_table
    > (tid int,tname string,age int)
    > location '/edwinFiles/hive/t2'   --设定创建表的地址
    > row format delimited fields terminated by ',' --指定分隔符;

--当使用create table name as select * from name2 这样的句子进行创建表时，
--需要指定分隔符，否则数据将相连。

• Partition 分区表
  对应于数据库的partition列的密集索引
  hive中，表中的一个partition对应于表下的一个目录，所有的partition的数据都存储在对应的目录中。
  简单来说，分区表就是将数据按照某一个条件进行筛选后的表。

hive> create table edwin_test_table
    > (tid int,tname string,age int)
    > partitioned by （gender string）   --设定分区条件
    > row format delimited fields terminated by ',' --指定分隔符;

查看表的描述信息，可以看到分区infomation中包含gender
分区表所在的文件夹中，会以分区为名，分为数个子目录。

之后要向分区表中添加数据时，也需要指出分区。

insert into table edwin_test partition(gender = 'M') select * from ......

• External Table 外部表
  指向已经在HDFS上存在的数据，可以用于建立partition。
  与内部表在元数据的组织上是相同的，而在实际数据的存储上有差异。
  外部表是一个过程，加载数据和创建表同步完成，并不会移动到数据仓库中，仅仅是一个链接。所以删除外部表不会删除真实数据文件。

创建方式如下：

hive> create external table external_test_table
    > (tid int,tname string,age int)
    > location '/input'   --创建表的内容所在目录
    > row format delimited fields terminated by ',' --指定分隔符;

• Bucket Table 桶表
  桶表对数据进行哈希取值后，放入不同的文件中进行存储。

创建方式如下：

hive> create table bucket_test_table
    > (tid int,tname string,age int)
    > clustered by (tname) into 5  buckets;--对tname进行哈希取值，然后分入5个部分中。

视图

视图是一个虚表，是一个逻辑概念。
视图不存数据，其建立在已有表（基表）的基础上，可以跨越多个表。
其目的是为了简化查询。
比如用于合并两个表的一部分内容：

create view infos
as
select A.a,A.b,A.c,B.a,B.c
from A,B
where A.c = B.c

将视图转为实际存储数据的表的过程称为物化过程。
在Oracle和MySQL中是可以的，但是Hive中并不支持。