Hive是基于Hadoop的数据仓库平台。

Hive提供了类SQL查询语言。Hive的数据存储于HDFS中。一般情况下，用户提交的查询将被Hive转换为MapReduce作业并提交给Hadoop运行。

我们从Hive的安装开始，逐步学习Hive的方方面面。

安装Hive

安装前提

l  Java 6

l  Hadoop

选择哪一个版本请参照Hive官方文档。安装Have是不需要特别设置关于Hadoop的信息，只要保证HADOOP_HOME环境变量正确设置就可以了。

安装

我们选择下载0.11.1稳定版本。下载地址:

http://mirrors.hust.edu.cn/apache/hive/stable/

1)      解压安装包到指定的目录：

tar xzf hive-0.11.0.tar.gz

2)      设置环境变量

export HIVE_INSTALL=/opt/Hive-0.11.0

export PATH=$PATH:$HIVE_INSTALL/bin

3）输入以下命令进入Shell

Hive

Hive交互环境（ Shell）

Shell是我们和Hive交互的主要工具。

Hive的查询语言我们称为HiveQL。HiveQL的设计受到了MySQL的很多影响，所以如果你熟悉MySQL的话，你会发现使用HiveQL是同样的方便。

进入Shell后，输入以下命令看看Hive是否工作正常：

SHOW TABLES;

输出结果为：

OK

Time taken: 8.207seconds

如果输出结果显示有错误，可能是Hadoop没有运行，或者HADOOP_HOME变量没有真确设置。

和SQL一样，HiveQL一般是大小写无关的（字符串比较除外）。

输入命令是按Tab键，Hive将提示所有可用的输入。（命令自动完成）

第一次使用该命令可能会花上好几秒中甚至更长，因为Hive将创建metastore数据库（存储于metastore_db目录，此目录在你运行hive时所在目录之下，所以第一次运行Hive时，请先进入到合适的目录下）。

我们也可以直接从命令行运行hive脚本，比如：

hive –f /home/user/ hive.q

其中，-f 后面跟上脚本文件名（包括路径）。

无论是在交互模式还是非交互模式下，hive一般都会输出一些辅助信息，比如执行命令的时间等。如果你不需要输出这些消息，可以在进入hive时加上-s选项，比如：

hive –S

注意：S为大写

简单示例

我们以以下数据作为测试数据，结构为（班级号，学号，成绩）。

C01,N0101,82

C01,N0102,59

C01,N0103,65

C02,N0201,81

C02,N0202,82

C02,N0203,79

C03,N0301,56

C03,N0302,92

C03,N0306,72

执行以下命令：

create table student(classNostring, stuNo string, score int) row format delimited fields terminated by ‘,‘;

其中，定义表结构和SQL类似.。其它设置表示字段间以逗号分隔，一行为一个记录。

load data local inpath ‘/home/user/input/student.txt‘overwrite into table student;

输出结果如下：

Copying data fromfile:/home/user/input/student.txt

Copying file:file:/home/user/input/student.txt

Loading data to tabledefault.student

rmr: DEPRECATED: Please use ‘rm-r‘ instead.

Deleted/user/hive/warehouse/student

Table default.student stats:[num_partitions: 0, num_files: 1, num_rows: 0, total_size: 117, raw_data_size:0]

这个命令将student.txt文件内容加载到表student中。这个加载操作将直接把student.txt文件复制到hive的warehouse目录中，这个目录由hive.metastore.warehouse.dir配置项设置，默认值为/user/hive/warehouse。Overwrite选项将导致Hive事先删除student目录下所有的文件。

Hive不会对student.txt做任何格式处理，因为Hive本身并不强调数据的存储格式。

此例中，Hive将数据存储于HDFS系统中。当然，Hive也可以将数据存储于本地。

如果不加overwrite选项，且加载的文件在Hive中已经存在，则Hive会为文件重新命名。比如不加overwrite选项将以上命令执行两次，则第二次加载后，hive中新产生的文件名将会是“student_copy_1.txt”。（和Hadoop权威教程中描述的不一致，读者请慎重验证）

接下来，我们执行以下命令：

select * from student;

输出如下：

C01  N0101      82

C01  N0102      59

C01  N0103      65

C02  N0201      81

C02  N0202      82

C02  N0203      79

C03  N0301      56

C03  N0302      92

C03  N0306      72

执行以下命令：

Select classNo,count(score) fromstudent where score>=60 group by classNo;

输出如下：

C01  2

C02  3

C03  2

由此看见，HiveQL的使用和SQL及其类似。我们用到了group和count，其实在后台Hive将这些操作都转换成了MapReduce操作提交给Hadoop执行，并最终输出结果。