这里是在基于完成mysql数据库的安装后使用Hive：

在windows中使用navicat远程登录到Linux下面的mysql数据之后，在mysql数据库里面有个DBS表，该表存放的就是hive表在hdfs系统中的路径，这里默认应该是hdfs://hadoop0:9000/user/hive/warehouse，现在为了简单将默认存放路径修改为/hive，那么这里会显示为：hdfs://hadoop0:9000/hive；

Hive的数据模型-数据库

1)类似传统数据库的DataBase；

2)默认数据库"default"；

使用#hive命令后，不使用hive>use，系统默认的数据库。可以显示使用hive>use

default;

创建一个新的数据库：

hive>create database test_dw;

Hive的数据模型-表

1)Table：内部表；

2)Partition：分区表；

3)External Table：外部表；

4)Bucket Table：桶表；

这里介绍下hive的这几种类型的表：

1. 内部表

1.1 创建一个普通的内部表：

create table t1(id string);

创建之后的t1存放在hdfs://hadoop0:9000/hive里面；

加载数据：

这里的命令有两种形式：

一种是加载Linux系统本地的文件数据到hive表，需要用local指定，inpath指定Linux的绝对路径；

LOAD DATA LOCAL INPATH '/root/id' INTO TABLE t1;

一种是直接加载hdfs系统上面的某个文件，则不需要local，inpath指定hdfs系统根路径下面的某个文件)：

LOAD DATA INPATH '/id' INTO TABLE t1;

注1：这里如果是加载hdfs系统上面的文件，每次加载完成后都会hdfs上面的文件的数据都已经加载hive表中，该文件存储在hdfs系统的指定路径，但是在hdfs系统的根路径下面就消失了，这里的根路径也可以是自定义的文件存放路径；

注2：hive表中的数据其实是一个数据文件，它是创建在hive下面的某个文件下的；

注3：hive里面的数据加载除了LOAD的加载方式外，还可以使用hadoop fs -put id /hive/t1/id2

这个命令来加载数据；

1.2 指定hive表字段直接的分隔符：

在hive的实际使用中，创建一个表，肯定不止一个字段，都是多个字段，所以当有多个字段的时候，就需要在创建表的时候指定各个字段直接的分隔符是什么：

创建一个两个字段的表：

CREATE TABLE t2(id int, name string) ROW FORMAT DELIMITED FIELDS

TERMINATED BY '\t';

注：行格式化，使用制表符(也可以指定其他的符号来区分)分隔各个字段，这个分隔其实是分隔的数据文件里面的字段值，好让各个值按顺序对应到hive的指定字段中；

使用命令：load data inpath '/user.txt' into t2;

或者是：hadoop fs -put stu /hive/t2

查询数据：select * from t2;

查看t2表的ID字段：select id from t2;

注：这时会发现，hive后台调用了mapreduce来执行该语句，所以在hive中所有的查询，除了select *

以外，其他的都要走mapreduce；

Load操作：当数据加载到表中时，不会对数据进行任何转换。Load操作知识将数据复制/移动到hive表对应的位置；

在hive中创建的表也会在mysql里面映射出来：

登录navicat后进入hadoop0数据库，查看TBLS，就能看到所有的内部表，同时这两个表的字段存放在COLUMNS_V2中；

2. 分区表

指的是hive里面的数据分区，分区就是按照某个不同的字段，把文件划分为不同的标准，比如在实际项目中，电信行业每天数据量很大，我们可以用时间来作为分区存放数据，方便按天查询；

使用partitioned by来创建分区表(例如：按天分区)

创建表：create table t3(id int) partitioned by (day int);

加载数据：load data inpath '/id' into table t3 partition (day=28);

分区表加载之后和内部表明显的区别是：在t3下面多了个目录，该目录为分区字段：day=28；

这样可以根据分区字段day来过滤查询：

select * from t3 where day=28;

3. 桶表(使用比较少，仅仅在表连接里面使用)

桶表时数据进行哈希取值，然后放到不同的文件中存储，就是把数据按照某个字段分到桶中；

创建表：

create table bucket_table(id string) clustered by(id) into 4

buckets;

加载数据：

先执行(启用桶加载)：set hive.enforce.bucketing = true;

再执行：insert into table bucket_table select name from t3;

注1：这里不能用LOAD来加载：因为load加载的不走mapreduce计算，但是桶表要求走mapreduce计算；

可以进入浏览器查看桶表，发现bucket_table下面有四个file，没有文件里面都存放了数据，桶表的这一特点表示：分到同一个桶表里面的数据的哈希值非常有可能相等；

注2：分区表和桶表都是对数据进行划分，它们的区别是：分区表是使用文件夹划分，桶表是使用文件划分；

注3：以上三种表统称为受控表(MANAGED_TABLE)，而下面的外部表则是(EXTERNAL_TABLE)；

4. 外部表

外部表只有一个过程，加载数据和创建表同时完成，并不会移动数据到数据库目录下，只是与外部建立一个连接；

外部表的优点：当删除一个外部表时，仅仅只是删除了该链接，而数据本身(hdfs上面的数据文件)依然存在；

在创建之前，先在hdfs上面创建一个文件夹，将数据文件上传到该文件夹下，例如：hdfs://hadoop0:9000/external/id；

创建表：

create external table t5(id int) location '/external';

使用location指定该文件夹即可，不用指定到具体文件；

因为外部的目录就已经指定了数据在哪里，这里指定的外部路径就是:hdfs://hadoop0:9000/external下面，所以就无需加载，直接查询就行：

查询数据：

select * from t5;

删除表之后数据文件依然存在，只是删除了一个链接：

drop table t5;

5. 视图

视图可以屏蔽掉复杂的操作、进行一些权限的控制，创建的语法和前面基本没有区别：

create view v1 AS select * from t1;

6. 表的修改

表的修改：

alter table target_tab add columns(cols, string);

表的删除：

drop table target_tab;

7. 导入数据

当数据被加载至表中时，不会对数据进行任何转换。Load 操作只是将数据复制/移动至 Hive 表对应的位置。

LOAD：

LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE

tablename [PARTITION (partcol1=val1, partcol2=val2 ...)]

把一个Hive表导入到另一个已建Hive表：

INSERT OVERWRITE TABLE tablename [PARTITION (partcol1=val1,

partcol2=val2 ...)] select_statement FROM from_statement

CTAS：

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name (col_name

data_type, ...) … AS SELECT …

例：create table new_external_test as select * from

external_table1;