如何构建Hive数据仓库Hive 、数据仓库的存储方式 以及hive数据的导入导出

什么是Hive

hive是基于Hadoop的一个数据仓库工具，可以将结构化数据映射为一张表。
hive支持使用sql语法对存储的表进行查询
（本质上是把sql转成mapreduce的任务执行）

Hive有三个特点：

• hive所存储的数据是放在HDFS文件系统中的
• hive的底层实现是mapreduce
• 这些任务是运行在Yarn上的

如何构建Hive数据仓库

什么是数据仓库

官方定义：数据仓库是面向主题的、集成的、不可更新的、随时间的变化而不断变化的，这些特点决定了数据仓库的系统设计不能采用同开发传统的OLTP数据库一样的设计方法。

（1）安装hive
常规配置，这里不记录安装过程

唯一需要注意的地方是有一个hive.metastroe.dirname属性需要配置
配置的值是hive元数据的存储路径，一般为hdfs文件系统的路径。

安装完成后，需要在mysql中建立配置中指定的数据库并初始化Hive源数据库

（2）安装完成之后就可以启动hive

Hive数据仓库的储存方式

Hive本身是没有专门的数据存储格式，也没有为数据建立索引，只需要在创建表的时候告诉Hive数据中的列分隔符和行分隔符，Hive就可以解析数据。所以往Hive表里面导入数据只是简单的将数据移动到表所在的目录中 。

Hive主要有四种数据模型：

• Table(表)
• External Table(外部表)
• Partition(分区)
• Bucket(桶)

（1）表的概念和关系型数据库的表很像，只不过hive中的表的本质是结构化数据，存储在hdfs文件系统的目录中。这个目录就是前文着重要求的metastore的位置，文件就是存在那里的。

（2）外部表顾名思义，就是数据不存放在所属目录中，而是存放在别处。

（3）分区，这个很重要，我觉得分区的存在就是数据仓库与关系型数据库最大的区别，表的每一个分区对应表下的相应目录，所有分区的数据都是存储在对应的目录中。
（4）桶：对指定的列计算其hash，根据hash值切分数据，目的是为了并行，每一个桶对应一个文件(注意和分区的区别)。

Hive的元数据

Hive的元数据一般都是放在mysql中的，这样的原因是因为Hive的元数据需要不断的更新、修改，而HDFS系统中的文件是多读少改的，不能将Hive的元数据存储在HDFS中。

hive数据的导入导出

导入

导入的方式有两种

• 从本地导入数据
• 从HDFS导入数据

（1）从本地向hive导入数据
语法：

load data local
inpath '/opt/dataaplace/...'
(overwrite) into table tablename 
partition (partitionfield = xxx);
1
2
3
4

load data：表示导入数据

local：表示从本地加载数据到hive表；否则从HDFS加载数据到hive表

partition （…）表示指定导入数据的分区字段

overwrite表示覆盖写入，如果没有则是追加写入

例子：

load data local
inpath '/opt/data/StudentId.txt'
overwrite into table Student;
1
2
3

(2) 加载HDFS文件到hive中
语法：

load data 
inpath '/root/data/...'
(overwrite) into table tablename 
partition (partitionfield = xxx);
1
2
3
4

不加local默认从hdfs中导入数据

hive创建表

create table tablename
(
id int,
name string
)
row format delimited fields terminated by ',';
1
2
3
4
5
6

前半部分和mysql的建表语句一样，后半部分是指定表的分隔符。

• 插入数据

insert into table tablename values(1,"zhangsan"),(2,"lisi");
1

insert into：以追加数据的方式插入到表

insert overwrite into table tablename values(1,"zhangsan"),(2,"lisi");
1

加了overwrite 则是覆盖原来的表然后写入

• 根据查询结果覆盖写入

insert overwrite table tablename values(3,"wangwu")
select id,name from tablename where id = 1;

1
2
3

• 创建表时通过Location指定加载数据路径

create table tablename(
	id int, name string
)
row format delimited fields terminated by '\t'
location '/root/hive/wirehouse/...';

1
2
3
4
5
6

location 指定的是hdfs中的路径

数据导出

参考博客：添加链接描述

# 1）将查询的结果导出到本地（只能overwrite，不能into，否则会报错）
insert overwrite local directory '/opt/module/hive/datas/export/student' 
	select * from student;

# 2）将查询的结果格式化导出到本地（所有的insert语句都会跑MR）
insert overwrite local directory '/opt/module/hive/datas/export/student1' 
	ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
    select * from student;

# 3）将查询的结果导出到HDFS上(没有local)（是复制，原来的文件还在）
insert overwrite directory '/user/qinjl/student2'
	ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' 
	select * from student;
1
2
3
4
5
6
7
8
9
10
11
12
13

注意：insert 导出，导出的目录不用自己提前创建，hive会帮我们自动创建，但是由于是overwrite，所以导出路径一定要写具体，否则很可能会误删数据。

• Hadoop命令也可以导出数据到本地

 dfs -get /user/hive/warehouse/student/student.txt
				/opt/module/hive/datas/export/student3.txt;
1
2

• Hive Shell 命令导出

hive_dir/bin/hive -e 'select * from ods.order_info;' >> 
/opt/module/datas/order_info.txt
1
2

• hive表也可以通过export 导入到hdfs上

export table ods.user_info to /user/hive/warehouse/user_info;

1
2