hive需要MySQL和hadoop的支持

文章目录

• hive需要MySQL和hadoop的支持
• • 安装完毕MySQL之后下载并解压hive
  • 添加系统环境变量
  • 配置hive
  • 修改 vim hive-env.sh
  • 修改hive-site.xml(1、简化配置（推荐）)
  • 修改hive-site.xml(2、在简化的基础上添加了部分配置)
  • 下载一个mysql的连接包，然后移动到`hive/lib/`中(编写java连接mysql的那个jar包)
  • hive第一次启动需要进入hive下初始化（hive/bin）
  • 由于我的初始化过，所以这次初始化失败了，（初始化只能在第一次使用前，并且只需要执行一次）
  • 启动mysql，hadoop集群，然后直接输入hive，就可以启动hive了
• 实验3
• • 数据集：
  • （1）创建一个内部表stocks，字段分隔符为英文逗号，表结构如表A-6所示。
  • （2）创建一个外部分区表dividends（分区字段为exchange和symbol），字段分隔符为英文逗号，表结构如表A-7所示。
  • （3）从stocks.csv文件向stocks表中导入数据。
  • （4） 创建一个未分区的外部表dividends_unpartitioned，并从dividends.csv向其中导入数据，表结构如表A-8所示。
  • （5）通过对dividends_unpartitioned的查询语句，利用Hive自动分区特性向分区表dividends各个分区中插入对应数据。
  • （6）查询IBM公司(symbol=IBM)从2000年起所有支付股息的交易日(dividends表中有对应记录)的收盘价(price_close)。
  • （7）查询苹果公司(symbol=AAPL)2008年10月每个交易日的涨跌情况，涨显示rise，跌显示fall,不变显示unchange。
  • （8）查询stocks表中收盘价(price_close)比开盘价(price_open)高得最多的那条记录的交易所(exchange)、股票代码(symbol)、日期(ymd)、收盘价、开盘价及二者差价。
  • （9）从stocks表中查询苹果公司（symbol=AAPL）年平均调整后收盘价(price_adj_close) 大于50美元的年份及年平均调整后收盘价。
  • （10）查询每年年平均调整后收盘价(price_adj_close)前三名的公司的股票代码及年平均调整后收盘价。

安装完毕MySQL之后下载并解压hive

tar -zxvf apache-hive-2.3.6-bin.tar.gz
mv apache-hive-2.3.6-bin hive
cd hive/conf

添加系统环境变量

#hive
export HIVE_HOME=/usr/hive
#Hive配置文件路径
export HIVE_CONF_DIR=/usr/hive/conf
export PATH=$PATH:$HIVE_HOME/bin

配置hive

cp hive-env.sh.template hive-env.sh 
cp hive-default.xml.template hive-site.xml 
cp hive-log4j2.properties.template hive-log4j2.properties 
cp hive-exec-log4j2.properties.template hive-exec-log4j2.properties

修改 vim hive-env.sh

#Java路径
export JAVA_HOME=/usr/java/jdk1.8.0_221-amd64
#Hadoop安装路径
export HADOOP_HOME=/usr/hadoop/hadoop-2.9.2
#Hive安装路径
export HIVE_HOME=/usr/hive
#Hive配置文件路径
export HIVE_CONF_DIR=/usr/hive/conf
# hive存放外部jar包的位置
export HIVE_AUX_JARS_PATH=/usr/hive/bin

修改hive-site.xml(1、简化配置（推荐）)

javax.jdo.option.ConnectionURL
//所连接的MySQL数据库实例 hive这个数据库将会在初始化hive的时候创建，当然也可以改为其他名称
jdbc:mysql://localhost:3306/hive?createDatabaseIfNotExist=true

javax.jdo.option.ConnectionDriverName
//连接的MySQL数据库驱动 
com.mysql.jdbc.Driver

javax.jdo.option.ConnectionUserName
//连接的MySQL数据库用户名 
root

javax.jdo.option.ConnectionPassword
//连接的MySQL数据库密码 
root

修改hive-site.xml(2、在简化的基础上添加了部分配置)

hive.exec.scratchdir/tmp

hive.exec.local.scratchdir/usr/hive/tmp/${user.name}Local scratch space for Hive jobs
hive.downloaded.resources.dir/usr/hive/tmp/${hive.session.id}_resourcesTemporary local directory for added resources in the remote file system.hive.metastore.warehouse.dir/usr/hive/warehouse

hive.querylog.location/usr/hive/logs/${user.name}
hive.server2.logging.operation.log.location/usr/hive/logs/${user.name}/operation_logsTop level directory where operation logs are stored if logging functionality is enabled

javax.jdo.option.ConnectionURLjdbc:mysql://localhost:3306/hive?createDatabaseIfNotExist=true&characterEncoding=UTF-8&useSSL=falsejavax.jdo.option.ConnectionDriverNamecom.mysql.jdbc.Driverjavax.jdo.option.ConnectionUserNamerootjavax.jdo.option.ConnectionPasswordroot

下载一个mysql的连接包，然后移动到hive/lib/中(编写java连接mysql的那个jar包)

hive第一次启动需要进入hive下初始化（hive/bin）

schematool -dbType derby -initSchema

由于我的初始化过，所以这次初始化失败了，（初始化只能在第一次使用前，并且只需要执行一次）

启动mysql，hadoop集群，然后直接输入hive，就可以启动hive了

实验3

数据集：

数据获取地址：https://www.cocobolo.top/FileServer/prog-hive-1st-ed-data.zip
解压后可以得到本实验所需的stocks.csv和dividends.csv两个文件。

（1）创建一个内部表stocks，字段分隔符为英文逗号，表结构如表A-6所示。

创建表的语句如下：

create table if not exists stocks
(
`exchange` string,
`symbol` string,
`ymd` string,
`price_open` float,
`price_high` float,
`price_low` float,
`price_close` float,
`volume` int,
`price_adj_close` float
)
row format delimited fields terminated by ',';

（2）创建一个外部分区表dividends（分区字段为exchange和symbol），字段分隔符为英文逗号，表结构如表A-7所示。

create external table if not exists dividends
(
`ymd` string,
`dividend` float
)
partitioned by(`exchange` string ,`symbol` string)
row format delimited fields terminated by ',';

（3）从stocks.csv文件向stocks表中导入数据。

操作语句如下：

load data local inpath '/usr/data/stocks/stocks.csv' overwrite into table stocks;

（4） 创建一个未分区的外部表dividends_unpartitioned，并从dividends.csv向其中导入数据，表结构如表A-8所示。

create external table if not exists dividends_unpartitioned
(
`exchange` string ,
`symbol` string,
`ymd` string,
`dividend` float
)
row format delimited fields terminated by ',';

导入数据

load data local inpath '/usr/data/dividends/dividends.csv' overwrite into table dividends_unpartitioned;

（5）通过对dividends_unpartitioned的查询语句，利用Hive自动分区特性向分区表dividends各个分区中插入对应数据。

操作语句如下：

set hive.exec.dynamic.partition=true;
set hive.exec.dynamic.partition.mode=nonstrict;
set hive.exec.max.dynamic.partitions.pernode=1000;
insert overwrite table dividends partition(`exchange`,`symbol`) select `ymd`,`dividend`,`exchange`,`symbol` from dividends_unpartitioned;

（6）查询IBM公司(symbol=IBM)从2000年起所有支付股息的交易日(dividends表中有对应记录)的收盘价(price_close)。

select s.ymd,s.symbol,s.price_close
from stocks s 
LEFT SEMI JOIN 
dividends d
ON s.ymd=d.ymd and s.symbol=d.symbol
where s.symbol='IBM' and year(ymd)>=2000;

（7）查询苹果公司(symbol=AAPL)2008年10月每个交易日的涨跌情况，涨显示rise，跌显示fall,不变显示unchange。

select ymd,
casewhen price_close-price_open>0 then 'rise'when price_close-price_open<0 then 'fall'else 'unchanged'
end as situation
from stocks
where symbol='AAPL' and substring(ymd,0,7)='2008-10';

（8）查询stocks表中收盘价(price_close)比开盘价(price_open)高得最多的那条记录的交易所(exchange)、股票代码(symbol)、日期(ymd)、收盘价、开盘价及二者差价。

select `exchange`,symbol,ymd,price_close-price_open as `diff`
from
(select *from stocksorder by price_close-price_open desclimit 1
)t;

（9）从stocks表中查询苹果公司（symbol=AAPL）年平均调整后收盘价(price_adj_close) 大于50美元的年份及年平均调整后收盘价。

selectyear(ymd) as `year`,avg(price_adj_close) as avg_price from stocks
where `exchange`='NASDAQ' and symbol='AAPL'
group by year(ymd)
having avg_price > 50;

（10）查询每年年平均调整后收盘价(price_adj_close)前三名的公司的股票代码及年平均调整后收盘价。

select t2.`year`,symbol,t2.avg_price
from
(select*,row_number() over(partition by t1.`year` order by t1.avg_price desc) as `rank`from(selectyear(ymd) as `year`,symbol,avg(price_adj_close) as avg_pricefrom stocksgroup by year(ymd),symbol)t1
)t2
where t2.`rank`<=3;