Hive編程技術(shù)與應(yīng)用（第二版）

內(nèi)容實(shí)用——理論與實(shí)踐結(jié)合，重點(diǎn)突出應(yīng)用

體系完善——構(gòu)建完整的大數(shù)據(jù)專業(yè)解決方案

產(chǎn)教融合——高校企業(yè)共參與，對(duì)標(biāo)行業(yè)標(biāo)準(zhǔn)

資源豐富——微課、課件、教案、源碼、答案

再 版 前 言

現(xiàn)在是大數(shù)據(jù)時(shí)代，我們正以前所未有的速度和規(guī)模產(chǎn)生數(shù)據(jù)。數(shù)據(jù)資產(chǎn)正在成為與土地、資本、人力并駕齊驅(qū)的關(guān)鍵生產(chǎn)要素，并在社會(huì)、經(jīng)濟(jì)、科學(xué)研究等方面顛覆人們探索世界的方法，驅(qū)動(dòng)產(chǎn)業(yè)間的融合與分立。大數(shù)據(jù)是用來(lái)描述巨大數(shù)據(jù)規(guī)模、復(fù)雜數(shù)據(jù)類型的數(shù)據(jù)集，它本身蘊(yùn)含著豐富的價(jià)值。對(duì)這些數(shù)據(jù)的分析處理促進(jìn)了許多優(yōu)秀的海量數(shù)據(jù)分析平臺(tái)的產(chǎn)生，Hadoop平臺(tái)就是當(dāng)前最為主流的一款。

Hive是Hadoop生態(tài)系統(tǒng)中必不可少的一個(gè)工具，它提供了一種SQL語(yǔ)言，可以查詢存儲(chǔ)在HDFS（Hadoop Distributed File System，Hadoop分布式文件系統(tǒng)）中的數(shù)據(jù)或者Hadoop支持的其他文件系統(tǒng)，如MapR-FS、Amazon S3、HBase和Cassandra。Hive降低了應(yīng)用程序遷移到Hadoop集群的復(fù)雜度，掌握SQL語(yǔ)句的開發(fā)人員可以輕松地學(xué)習(xí)并使用Hive。

本書在第一版的基礎(chǔ)上修訂了差錯(cuò)，升級(jí)軟件版本并配套了微課資源和習(xí)題。全書共分10章，其中不僅有詳細(xì)的理論講解，還有大量的實(shí)戰(zhàn)操作。具體內(nèi)容如下：

第1章首先介紹了Hive的基本工作原理及HiveQL語(yǔ)句在Hive中執(zhí)行的具體流程；其次介紹了Hive中的數(shù)據(jù)類型，主要包括基本數(shù)據(jù)類型和復(fù)雜數(shù)據(jù)類型；最后介紹了Hive的特點(diǎn)。

第2章詳細(xì)介紹了Hive的基本架構(gòu)，主要包括Hive的相關(guān)用戶接口、Hive元數(shù)據(jù)庫(kù)中的表結(jié)構(gòu)和三種存儲(chǔ)方式、Hive數(shù)據(jù)存儲(chǔ)中的相關(guān)概念、Hive中文件格式的不同特性和區(qū)別。

第3章介紹了HiveQL的相關(guān)表操作。

第4章介紹了HiveQL的相關(guān)數(shù)據(jù)操作，主要包括數(shù)據(jù)的導(dǎo)入和導(dǎo)出。

第5章介紹了HiveQL查詢語(yǔ)句中的不同語(yǔ)法和使用方式。

第6章介紹了Hive的完整安裝過(guò)程。在此基礎(chǔ)上給出Hive的不同訪問(wèn)方式，并基于Hive CLI方式給出相關(guān)操作的介紹，同時(shí)給出Hive數(shù)據(jù)定義的相關(guān)操作。

第7章介紹了Hive的自定義函數(shù)，給出了UDF、UDTF、UDAF各自的函數(shù)實(shí)現(xiàn)方式，并給出了具體的實(shí)現(xiàn)源碼。

第8～10章給出了Hive的相關(guān)綜合案例，將之前章節(jié)的內(nèi)容通過(guò)實(shí)際案例串聯(lián)起來(lái)，達(dá)到最終應(yīng)用的目的。

本書由張鐵紅、張繼山、那銳擔(dān)任主編，林徐、孫帥、諶婧嬌、王云擔(dān)任副主編，參與編寫的還有何姍姍。本書的編寫得到北京百知教育科技有限公司和中國(guó)水利水電出版社的大力支持，在此表示感謝。

由于時(shí)間倉(cāng)促，加之編者水平有限，書中難免存在不足之處，懇請(qǐng)讀者提出寶貴的意見和建議。

編　者

2022年5月

第1章　Hive介紹 1
1.1　Hive的工作原理 1
1.2　Hive的數(shù)據(jù)類型 2
1.3　Hive的特點(diǎn) 3
本章小結(jié) 4
習(xí)題1 4
第2章　Hive架構(gòu) 6
2.1　Hive用戶接口 6
2.1.1　Hive CLI 6
2.1.2　HWI 7
2.1.3　Thrift服務(wù) 11
2.2　Hive元數(shù)據(jù)庫(kù) 12
2.2.1　Hive元數(shù)據(jù)表結(jié)構(gòu) 12
2.2.2　Hive元數(shù)據(jù)的三種存儲(chǔ)模式 13
2.3　Hive數(shù)據(jù)存儲(chǔ) 14
2.4　Hive文件格式 15
2.4.1　TextFile格式 15
2.4.2　SequenceFile格式 15
2.4.3　RCFile格式 15
2.4.4　ORC格式 15
本章小結(jié) 17
習(xí)題2 17
第3章　HiveQL表操作 19
3.1　內(nèi)部表 19
3.2　外部表 23
3.3　分區(qū)表 25
3.3.1　靜態(tài)分區(qū) 27
3.3.2　動(dòng)態(tài)分區(qū) 28
3.4　桶表 30
3.5　視圖 32
3.5.1　使用視圖降低查詢復(fù)雜度 33
3.5.2　使用視圖來(lái)限制基于條件過(guò)濾的數(shù)據(jù) 33
3.5.3　動(dòng)態(tài)分區(qū)中的視圖和map類型 34
本章小結(jié) 34
習(xí)題3 34
第4章　HiveQL數(shù)據(jù)操作 36
4.1　裝載數(shù)據(jù)到表中 36
4.2　通過(guò)查詢語(yǔ)句向表中插入數(shù)據(jù) 37
4.3　單個(gè)查詢語(yǔ)句中創(chuàng)建并加載數(shù)據(jù) 39
4.4　導(dǎo)出數(shù)據(jù) 39
本章小結(jié) 39
習(xí)題4 40
第5章　HiveQL查詢 42
5.1　select...from語(yǔ)句 42
5.1.1　使用正則表達(dá)式來(lái)指定列 43
5.1.2　使用列值進(jìn)行計(jì)算 43
5.1.3　算術(shù)運(yùn)算符 44
5.1.4　函數(shù) 45
5.1.5　limit語(yǔ)句 48
5.1.6　列別名 49
5.1.7　嵌套select語(yǔ)句 49
5.1.8　case...when...then語(yǔ)句 49
5.2　where語(yǔ)句 49
5.2.1　謂詞操作符 50
5.2.2　關(guān)于浮點(diǎn)數(shù)比較 51
5.2.3　like和rlike 52
5.3　group by語(yǔ)句 53
5.4　join語(yǔ)句 54
5.4.1　inner join 54
5.4.2　join優(yōu)化 55
5.4.3　left outer join 56
5.4.4　right outer join 56
5.4.5　full outer join 56
5.4.6　left semi join 57
5.4.7　笛卡兒積join 57
5.4.8　map-side join 58
5.5　order by和sort by 58
5.6　含有sort by的distribute by 59
5.7　cluster by 60
5.8　類型轉(zhuǎn)換 60
5.9　抽樣查詢 61
5.9.1　數(shù)據(jù)塊抽樣 61
5.9.2　分桶表的輸入裁剪 62
5.10　union all 62
本章小結(jié) 63
習(xí)題5 63
第6章　Hive配置與應(yīng)用 65
6.1　Hive安裝與配置 65
6.2　Hive訪問(wèn) 68
6.3　Hive基本操作 70
6.3.1　Hive CLI命令行操作講解 70
6.3.2　Hive的數(shù)據(jù)類型 74
6.3.3　Hive表的創(chuàng)建 75
6.3.4　Hive數(shù)據(jù)導(dǎo)入 76
6.3.5　Hive數(shù)據(jù)導(dǎo)出 78
6.4　Hive數(shù)據(jù)定義 80
6.4.1　內(nèi)部表與外部表的區(qū)別 80
6.4.2　內(nèi)部表的創(chuàng)建 80
6.4.3　外部表的創(chuàng)建 82
6.4.4　表的分區(qū)與桶的建立 83
6.4.5　刪除表與修改表結(jié)構(gòu) 89
6.4.6　HiveQL簡(jiǎn)單查詢語(yǔ)句 90
6.4.7　where語(yǔ)句 93
6.5　Hive高級(jí)查詢 93
本章小結(jié) 99
習(xí)題6 100
第7章　Hive自定義函數(shù) 102
7.1　UDF 102
7.2　UDTF 105
7.3　UDAF 107
7.4　Hive函數(shù)綜合案例 112
7.4.1　Row_Sequence實(shí)現(xiàn)列自增長(zhǎng) 112
7.4.2　列轉(zhuǎn)行和行轉(zhuǎn)列 113
本章小結(jié) 116
習(xí)題7 116
第8章　Hive綜合案例（一） 118
8.1　項(xiàng)目背景與數(shù)據(jù)情況 118
8.2　關(guān)鍵績(jī)效指標(biāo) 119
8.3　開發(fā)步驟分析 120
8.4　表結(jié)構(gòu)設(shè)計(jì) 120
8.5　數(shù)據(jù)清洗過(guò)程 121
8.5.1　定期上傳日志至HDFS 121
8.5.2　編寫MapReduce程序清理日志 122
8.5.3　定期清理日志至HDFS 124
8.5.4　查詢清洗前后的數(shù)據(jù) 124
8.6　數(shù)據(jù)統(tǒng)計(jì)分析 125
8.6.1　借助Hive進(jìn)行統(tǒng)計(jì) 125
8.6.2　使用HiveQL統(tǒng)計(jì)關(guān)鍵指標(biāo) 125
本章小結(jié) 126
第9章　Hive綜合案例（二） 127
9.1　項(xiàng)目應(yīng)用場(chǎng)景 127
9.2　設(shè)計(jì)與實(shí)現(xiàn) 127
9.2.1　日志格式分析 127
9.2.2　建立表 127
9.2.3　程序設(shè)計(jì) 128
9.2.4　編碼實(shí)現(xiàn) 129
9.2.5　運(yùn)行并測(cè)試 130
本章小結(jié) 131
第10章　Hive綜合案例（三） 132
10.1　應(yīng)用場(chǎng)景 132
10.2　設(shè)計(jì)與實(shí)現(xiàn) 132
10.2.1　數(shù)據(jù)處理 132
10.2.2　使用Hive對(duì)清洗后的數(shù)據(jù)進(jìn)行多維分析 134
10.2.3　在MySQL中建立數(shù)據(jù)庫(kù) 137
10.2.4　使用Sqoop把分析結(jié)果導(dǎo)入到 MySQL中 138
10.2.5　程序設(shè)計(jì)與實(shí)現(xiàn) 139
10.2.6　運(yùn)行并測(cè)試 139
本章小結(jié) 140
附錄1　部分類代碼 141
附錄2　MySQL安裝 153

1. 零基礎(chǔ)玩轉(zhuǎn)國(guó)產(chǎn)大模型DeepSeek [徐永冰 張帥 編著]
2. 網(wǎng)絡(luò)工程師5天修煉（適配第6版考綱） [主編　朱小平 施游]
3. 信息系統(tǒng)項(xiàng)目管理師考試32小時(shí)通關(guān)（適用第4版考綱） [薛大龍]
4. 信息系統(tǒng)管理工程師考試32小時(shí)通關(guān)（適配第2版考綱） [薛大龍　劉偉]
5. 土木工程材料檢測(cè)實(shí)訓(xùn) [洪曉江 達(dá)則曉麗 錢波]
6. 科技信息檢索與論文寫作實(shí)用教程 [李振華]
7. 傳統(tǒng)山水畫論解讀與實(shí)踐 [陳鈉 著]
8. Python數(shù)據(jù)庫(kù)編程 [主編 殷樹友 邢 翀]
9. 計(jì)算機(jī)基礎(chǔ)實(shí)訓(xùn)指導(dǎo) [主編 袁春萍 朱妮]
10. 嵌入式人工智能技術(shù)應(yīng)用（數(shù)字教材） [主編 胡娜 楊國(guó)勇 晏廷榮]
11. Vienna整流器技術(shù) [桂存兵 著]
12. 變頻器與伺服應(yīng)用 [陳剛 葉云飛]
13. 物聯(lián)網(wǎng)工程設(shè)計(jì)與實(shí)踐 [湯琳 李敏]
14. 爐邊夜話——深入淺出話AI [汪建　著]
15. 電商運(yùn)營(yíng)與管理 [鐘肖英 陳瀟]
16. Java面向?qū)ο蟪绦蛟O(shè)計(jì) [主編 姜春磊 陳虹潔]
17. 信息技術(shù)基礎(chǔ)（Windows 10+WPS Office）（微課版） [主編　石利平　田輝平　謝盛嘉]
18. 人工智能應(yīng)用 [主編　陳　萍　劉培培　陳孟軍]
19. 大學(xué)生職業(yè)發(fā)展與就業(yè)指導(dǎo) [主編　劉志堅(jiān)]
20. 高級(jí)辦公應(yīng)用項(xiàng)目教程 [主編 屈晶 趙成麗]
21. 微信小程序開發(fā)項(xiàng)目實(shí)戰(zhàn)（微課版） [主編 黃龍泉 郭峰 朱倩]
22. 企業(yè)檔案工作實(shí)戰(zhàn)寶典百問(wèn)百答 [華俊 盧秀英 邵甜甜 著]
23. 計(jì)算機(jī)網(wǎng)絡(luò)原理及應(yīng)用 [主編 唐繼勇 葉坤 孫夢(mèng)娜]
24. 大學(xué)生創(chuàng)業(yè)基礎(chǔ) [主編 王麗莉 王 楊]
25. 船舶輔機(jī) [主編 王連海 于洋 姜淑翠]
26. 大學(xué)生就業(yè)指導(dǎo) [主編 王麗莉 董宴廷]
27. 系統(tǒng)架構(gòu)設(shè)計(jì)師章節(jié)習(xí)題與考點(diǎn)特訓(xùn) [主編 薛大龍 鄒月平]
28. 高校學(xué)生工作探索與實(shí)踐 [郭亮 著]
29. 大學(xué)生情商管理 [方雄 著]
30. 2023年長(zhǎng)沙市會(huì)展業(yè)發(fā)展報(bào)告 [主編 周棟良]