快速使用Hive进行数据分析

操作场景

Hive是基于Hadoop的一个数据仓库工具，可将结构化的数据文件映射成一张数据库表，并提供类SQL的功能对数据进行分析处理，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，适合用于数据仓库的统计分析。

背景信息

假定用户开发一个应用程序，用于管理企业中的使用A业务的用户信息，使用Hive客户端实现A业务操作流程如下：

普通表的操作：

• 创建用户信息表user_info。
• 在用户信息中新增用户的学历、职称信息。
• 根据用户编号查询用户姓名和地址。
• A业务结束后，删除用户信息表。

操作步骤

1. 以客户端安装用户，登录安装客户端的节点，客户端安装详细操作请参见安装客户端（3.x及之后版本）。
2. 执行以下命令切换到客户端目录，客户端安装目录如：/opt/client。

   cd /opt/client

3. 执行以下命令配置环境变量。

   source bigdata_env

4. 如果当前集群已启用Kerberos认证，执行以下命令认证当前用户，当前用户需要具有创建Hive表的权限，具体请参见创建角色配置拥有对应权限的角色，参考创建用户为用户绑定对应角色。如果当前集群未启用Kerberos认证，则无需执行此命令。

   kinit MRS集群用户

   例如，kinit hiveuser。

5. 运行Hive客户端命令，实现A业务。
   • 内部表操作
     1. 执行以下命令登录Hive客户端命令行：

        beeline

     2. 根据表1创建用户信息表user_info并添加相关数据，例如：

        创建表user_info：

        create table user_info(id string,name string,gender string,age int,addr string);

        向表user_info中插入数据：

        insert into table user_info(id,name,gender,age,addr) values("12005000201","A","男",19,"A城市");

     3. 在用户信息表user_info中新增用户的学历、职称信息。

        以增加编号为12005000201的用户的学历、职称信息为例，其他用户类似。

        alter table user_info add columns(education string,technical string);

     4. 根据用户编号查询用户姓名和地址。

        以查询编号为12005000201的用户姓名和地址为例，其他用户类似。

        select name,addr from user_info where id='12005000201';

     5. 删除用户信息表。

        drop table user_info;

     6. 执行以下命令退出Hive客户端。

        !q

   • 外部分区表操作
     1. 可使用insert语句直接向外部表中插入数据，也可以使用load data命令导入HDFS中的文件数据到外部表中。如果需要使用load data命令导入文件数据，需执行以下操作：
        1. 根据表1数据创建文件。例如，文件名为“txt.log”，以空格拆分字段，以换行符作为行分隔符。
        2. 执行以下命令上传文件至HDFS中，例如“/tmp”目录下。

           hdfs dfs -put txt.log /tmp

     2. 执行以下命令创建外部表数据存储路径：

        创建“/hive”目录：

        hdfs dfs -mkdir /hive/

        创建“/hive/user_info”目录：

        hdfs dfs -mkdir /hive/user_info

     3. 执行以下命令登录Hive客户端命令行：

        beeline

     4. 执行以下命令创建表：

        create external table user_info(id string,name string,gender string,age int,addr string) partitioned by(year string) row format delimited fields terminated by ' ' lines terminated by '\n' stored as textfile location '/hive/user_info';

        其中：

        • fields terminated：表示分隔的字符，如按空格分隔，则值为' '。
        • lines terminated：表示分行的字符，如按换行分隔，则值为'\n'。
        • /hive/user_info：存储表user_info数据的HDFS路径。
     5. 导入数据。
        • 使用insert语句插入数据，以插入编号为12005000201的用户相关信息为例，其他用户类似。

          insert into user_info partition(year="2018") values ("12005000201","A","男",19,"A城市");

        • 使用load data命令导入文件数据。

          load data inpath '/tmp/txt.log' into table user_info partition (year='2011');

          其中，“/tmp/txt.log”为5.a上传至HDFS的数据文件。

     6. 执行以下命令查询导入数据。

        select * from user_info;

     7. 执行以下命令删除用户信息表。

        drop table user_info;

     8. 执行以下命令退出Hive客户端。

        !q