1.  Hive基本操作
1.1  DDL操作
1.1.1    建立表
建表語法

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name

   [(col_name data_type[COMMENT col_comment], ...)] +

   [COMMENT table_comment]

   [PARTITIONED BY (col_namedata_type [COMMENT col_comment], ...)]

   [CLUSTERED BY (col_name, col_name,...)

   [SORTED BY (col_name[ASC|DESC], ...)] INTO num_buckets BUCKETS]

   [ROW FORMAT row_format]

   [STORED AS file_format]

   [LOCATION hdfs_path]

說明：

1、CREATE TABLE 建立一個指定名字的表。如果相同名字的表已經存在，則丟擲異常；使用者可以用 IF NOTEXISTS 選項來忽略這個異常。

2、EXTERNAL關鍵字可以讓使用者建立一個外部表，在建表的同時指定一個指向實際資料的路徑（LOCATION），Hive 建立內部表時，會將資料移動到資料倉庫指向的路徑；若建立外部表，僅記錄資料所在的路徑，不對資料的位置做任何改變。在刪除表的時候，內部表的元資料和資料會被一起刪除，而外部表只刪除元資料，不刪除資料。

3、 LIKE 允許使用者複製現有的表結構，但是不復制資料。

4、 ROW FORMAT

DELIMITED [FIELDS TERMINATED BY char] [COLLECTION ITEMSTERMINATED BY char]

        [MAP KEYSTERMINATED BY char] [LINES TERMINATED BY char]

   | SERDEserde_name [WITH SERDEPROPERTIES (property_name=property_value,property_name=property_value, ...)]

使用者在建表的時候可以自定義 SerDe 或者使用自帶的 SerDe。如果沒有指定 ROW FORMAT 或者 ROW FORMAT DELIMITED，將會使用自帶的 SerDe。在建表的時候，使用者還需要為表指定列，使用者在指定表的列的同時也會指定自定義的 SerDe，Hive通過 SerDe 確定表的具體的列的資料。

5、 STORED AS

SEQUENCEFILE|TEXTFILE|RCFILE

如果檔案資料是純文字，可以使用 STORED AS TEXTFILE。如果資料需要壓縮，使用 STORED ASSEQUENCEFILE。

6、CLUSTERED BY

對於每一個表（table）或者分割槽，Hive可以進一步組織成桶，也就是說桶是更為細粒度的資料範圍劃分。Hive也是 針對某一列進行桶的組織。Hive採用對列值雜湊，然後除以桶的個數求餘的方式決定該條記錄存放在哪個桶當中。

把表（或者分割槽）組織成桶（Bucket）有兩個理由：

（1）獲得更高的查詢處理效率。桶為表加上了額外的結構，Hive 在處理有些查詢時能利用這個結構。具體而言，連線兩個在（包含連線列的）相同列上劃分了桶的表，可以使用 Map 端連線 （Map-side join）高效的實現。比如JOIN操作。對於JOIN操作兩個表有一個相同的列，如果對這兩個表都進行了桶操作。那麼將儲存相同列值的桶進行JOIN操作就可以，可以大大較少JOIN的資料量。

（2）使取樣（sampling）更高效。在處理大規模資料集時，在開發和修改查詢的階段，如果能在資料集的一小部分資料上試執行查詢，會帶來很多方便。

 

 

具體例項
1、  建立內部表mytable。

2、  建立外部表pageview。

3、  建立分割槽表invites。

create table student_p(Sno int,Sname string,Sex string,Sage int,Sdept string) partitioned by(part string) row format delimited fields terminated by ','stored as textfile;

4、  建立帶桶的表student。

 

1.1.2   修改表
增加/刪除分割槽
ü  語法結構

ALTER TABLE table_name ADD [IF NOT EXISTS] partition_spec [ LOCATION'location1' ] partition_spec [ LOCATION 'location2' ] ...

partition_spec:

: PARTITION (partition_col = partition_col_value, partition_col =partiton_col_value, ...)

 

ALTER TABLE table_name DROP partition_spec, partition_spec,...

ü  具體例項

alter table student_p add partition(part='a') partition(part='b');

 

重命名錶
ü  語法結構

ALTER TABLE table_name RENAME TO new_table_name

ü  具體例項

增加/更新列
ü  語法結構

ALTER TABLE table_name ADD|REPLACE COLUMNS (col_name data_type[COMMENT col_comment], ...)

注：ADD是代表新增一欄位，欄位位置在所有列後面(partition列前)，REPLACE則是表示替換表中所有欄位。

 

ALTER TABLE table_name CHANGE [COLUMN] col_old_name col_new_namecolumn_type [COMMENT col_comment] [FIRST|AFTER column_name]

ü  具體例項

 

1.1.3   顯示命令
show tables

show databases

show partitions

show functions

desc extended t_name;

desc formatted table_name;

 

1.2  DML操作
1.2.1   Load
  語法結構

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

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

 

說明：

1、  Load操作只是單純的複製/移動操作，將資料檔案移動到 Hive 表對應的位置。

2、  filepath：

相對路徑，例如：project/data1

絕對路徑，例如：/user/hive/project/data1

包含模式的完整 URI，列如：

hdfs://namenode:9000/user/hive/project/data1

3、  LOCAL關鍵字

如果指定了 LOCAL，load 命令會去查詢本地檔案系統中的 filepath。

如果沒有指定 LOCAL 關鍵字，則根據inpath中的uri[M1] 查詢檔案

 

4、  OVERWRITE關鍵字

如果使用了 OVERWRITE 關鍵字，則目標表（或者分割槽）中的內容會被刪除，然後再將 filepath 指向的檔案/目錄中的內容新增到表/分割槽中。

如果目標表（分割槽）已經有一個檔案，並且檔名和 filepath 中的檔名衝突，那麼現有的檔案會被新檔案所替代。

具體例項

1、 載入相對路徑資料。

2、 載入絕對路徑資料。

3、 載入包含模式資料。

4、 OVERWRITE關鍵字使用。

 

1.2.2       Insert
  將查詢結果插入Hive表

ü  語法結構

利用查詢語句，將查詢結果插入新的表

INSERT OVERWRITE [INTO] TABLE tablename1 [PARTITION (partcol1=val1,partcol2=val2 ...)] select_statement1 FROM from_statement

 

插入一條資料

INSERT INTO TABLE VALUES(XX,YY,ZZ);

 

 

Multi Inserts多重插入:

FROM from_statement

INSERT OVERWRITE TABLE tablename1 [PARTITION (partcol1=val1,partcol2=val2 ...)] select_statement1

[INSERT OVERWRITE TABLE tablename2 [PARTITION ...]

select_statement2] ...

 

Dynamic partition inserts動態分割槽插入:

INSERT OVERWRITE TABLE tablename PARTITION (partcol1[=val1],partcol2[=val2] ...) select_statement FROM from_statement

 

ü  具體例項

1、基本模式插入。

2、多插入模式。

3、自動分割槽模式。

v 匯出表資料

ü  語法結構

INSERT OVERWRITE [LOCAL] DIRECTORY directory1 SELECT ... FROM ...

 

multiple inserts:

FROM from_statement

INSERT OVERWRITE [LOCAL] DIRECTORY directory1 select_statement1

[INSERT OVERWRITE [LOCAL] DIRECTORY directory2 select_statement2]...

 

ü  具體例項

1、匯出檔案到本地。

說明：

資料寫入到檔案系統時進行文字序列化，且每列用^A來區分，\n為換行符。用more命令檢視時不容易看出分割符，可以使用: sed-e 's/\x01/|/g' filename[dht2] 來檢視。

2、匯出資料到HDFS。

 

1.2.3       SELECT
  基本的Select操作

ü  語法結構

SELECT [ALL | DISTINCT] select_expr, select_expr, ...

FROM table_reference

[WHERE where_condition]

[GROUP BY col_list [HAVING condition]]

[CLUSTERBY col_list

  | [DISTRIBUTE BY col_list] [SORT BY| ORDER BY col_list]

]

[LIMIT number]

 

注：1、order by 會對輸入做全域性排序，因此只有一個reducer，會導致當輸入規模較大時，需要較長的計算時間。

2、sort by不是全域性排序，其在資料進入reducer前完成排序。因此，如果用sortby進行排序，並且設定mapred.reduce.tasks>1，則sort by只保證每個reducer的輸出有序，不保證全域性有序。

3、distribute by(欄位)根據指定的欄位將資料分到不同的reducer，且分發演算法是hash雜湊。

4、Cluster by(欄位) 除了具有Distributeby的功能外，還會對該欄位進行排序。

 

因此，如果分桶和sort欄位是同一個時，此時，cluster by = distribute by + sort by

 

分桶表的作用：最大的作用是用來提高join操作的效率；

（思考這個問題：

select a.id,a.name,b.addr from a join b ona.id = b.id;

如果a表和b表已經是分桶表，而且分桶的欄位是id欄位

做這個join操作時，還需要全表做笛卡爾積嗎？）

 

ü  具體例項

1、獲取年齡大的3個學生。

2、查詢學生資訊按年齡，降序排序。

3、按學生名稱彙總學生年齡。

 

2.3 Hive Join
  語法結構

join_table:

  table_reference JOINtable_factor [join_condition]

  | table_reference{LEFT|RIGHT|FULL} [OUTER] JOIN table_reference join_condition

  | table_reference LEFT SEMIJOIN table_reference join_condition

Hive 支援等值連線（equality joins）、外連線（outer joins）和（left/right joins）。Hive 不支援非等值的連線，因為非等值連線非常難轉化到 map/reduce 任務。

另外，Hive 支援多於 2 個表的連線。

寫 join 查詢時，需要注意幾個關鍵點：

1. 只支援等值join

例如：

  SELECT a.* FROMa JOIN b ON (a.id = b.id)

  SELECT a.* FROM a JOIN b

    ON (a.id = b.id AND a.department =b.department)

是正確的，然而:

  SELECT a.* FROM a JOIN b ON (a.id>b.id)

是錯誤的。

 

2. 可以 join 多於 2 個表。

例如

  SELECT a.val,b.val, c.val FROM a JOIN b

    ON (a.key =b.key1) JOIN c ON (c.key = b.key2)

如果join中多個表的join key 是同一個，則 join 會被轉化為單個map/reduce 任務，例如：

  SELECT a.val,b.val, c.val FROM a JOIN b

    ON (a.key =b.key1) JOIN c

    ON (c.key =b.key1)

被轉化為單個 map/reduce 任務，因為 join 中只使用了 b.key1 作為 join key。

SELECT a.val, b.val, c.val FROM a JOIN b ON (a.key =b.key1)

  JOIN c ON(c.key = b.key2)

而這一 join 被轉化為2 個 map/reduce 任務。因為 b.key1 用於第一次 join 條件，而 b.key2 用於第二次 join。

  

3．join 時，每次 map/reduce 任務的邏輯：

    reducer 會快取 join 序列中除了最後一個表的所有表的記錄，再通過最後一個表將結果序列化到檔案系統。這一實現有助於在 reduce 端減少記憶體的使用量。實踐中，應該把最大的那個表寫在最後（否則會因為快取浪費大量記憶體）。例如：

 SELECT a.val, b.val, c.val FROM a

    JOIN b ON(a.key = b.key1) JOIN c ON (c.key = b.key1)

所有表都使用同一個 join key（使用 1 次 map/reduce 任務計算）。Reduce 端會快取 a 表和 b 表的記錄，然後每次取得一個 c 表的記錄就計算一次 join 結果，類似的還有：

  SELECT a.val,b.val, c.val FROM a

    JOIN b ON(a.key = b.key1) JOIN c ON (c.key = b.key2)

這裡用了 2 次map/reduce 任務。第一次快取 a 表，用 b 表序列化；第二次快取第一次 map/reduce 任務的結果，然後用 c 表序列化。

 

4．LEFT，RIGHT 和 FULLOUTER 關鍵字用於處理 join 中空記錄的情況

例如：

  SELECT a.val,b.val FROM

a LEFT OUTER  JOIN b ON (a.key=b.key)

對應所有 a 表中的記錄都有一條記錄輸出。輸出的結果應該是 a.val, b.val，當 a.key=b.key 時，而當 b.key 中找不到等值的 a.key 記錄時也會輸出:

a.val, NULL

所以 a 表中的所有記錄都被保留了；

“a RIGHT OUTER JOIN b”會保留所有 b 表的記錄。

 

Join 發生在 WHERE 子句之前。如果你想限制 join 的輸出，應該在 WHERE 子句中寫過濾條件——或是在join 子句中寫。這裡面一個容易混淆的問題是表分割槽的情況：

  SELECT a.val,b.val FROM a

  LEFT OUTER JOINb ON (a.key=b.key)

  WHEREa.ds='2009-07-07' AND b.ds='2009-07-07'

會 join a 表到 b 表（OUTER JOIN），列出 a.val 和 b.val 的記錄。WHERE 從句中可以使用其他列作為過濾條件。但是，如前所述，如果 b 表中找不到對應 a 表的記錄，b 表的所有列都會列出 NULL，包括 ds 列。也就是說，join 會過濾 b 表中不能找到匹配a 表 join key 的所有記錄。這樣的話，LEFTOUTER 就使得查詢結果與 WHERE 子句無關了。解決的辦法是在 OUTER JOIN 時使用以下語法：

  SELECT a.val,b.val FROM a LEFT OUTER JOIN b

  ON (a.key=b.keyAND

     b.ds='2009-07-07' AND

     a.ds='2009-07-07')

這一查詢的結果是預先在 join 階段過濾過的，所以不會存在上述問題。這一邏輯也可以應用於 RIGHT 和 FULL 型別的join 中。

 

Join 是不能交換位置的。無論是 LEFT 還是RIGHT join，都是左連線的。

  SELECT a.val1,a.val2, b.val, c.val

  FROM a

  JOIN b ON(a.key = b.key)

  LEFT OUTER JOINc ON (a.key = c.key)

先 join a 表到 b 表，丟棄掉所有 join key 中不匹配的記錄，然後用這一中間結果和 c 表做 join。這一表述有一個不太明顯的問題，就是當一個 key 在 a 表和 c 表都存在，但是 b 表中不存在的時候：整個記錄在第一次 join，即 a JOIN b 的時候都被丟掉了（包括a.val1，a.val2和a.key），然後我們再和 c 表 join 的時候，如果c.key 與 a.key 或 b.key 相等，就會得到這樣的結果：NULL, NULL, NULL, c.val

 

  具體例項

1、  獲取已經分配班級的學生姓名。

2、  獲取尚未分配班級的學生姓名。

3、  LEFT  SEMI  JOIN是IN/EXISTS的高效實現。

 

3 Hive Shell引數
3.1 Hive命令列
  語法結構

hive [-hiveconf x=y]* [<-i filename>]* [<-ffilename>|<-e query-string>] [-S]

說明：

1、  -i 從檔案初始化HQL。

2、  -e從命令列執行指定的HQL

3、  -f執行HQL指令碼

4、  -v輸出執行的HQL語句到控制檯

5、  -p<port> connect to Hive Server on port number

6、  -hiveconfx=y Use this to set hive/hadoop configuration variables.

  具體例項

1、執行一個查詢。

2、執行一個檔案。

3、執行引數檔案。

 

3.2 Hive引數配置方式
Hive引數大全：

https://cwiki.apache.org/confluence/display/Hive/Configuration+Properties

 

開發Hive應用時，不可避免地需要設定Hive的引數。設定Hive的引數可以調優HQL程式碼的執行效率，或幫助定位問題。然而實踐中經常遇到的一個問題是，為什麼設定的引數沒有起作用？這通常是錯誤的設定方式導致的。

 

對於一般引數，有以下三種設定方式：

l 配置檔案

l 命令列引數

l 引數宣告

 

配置檔案：Hive的配置檔案包括

l 使用者自定義配置檔案：$HIVE_CONF_DIR/hive-site.xml

l 預設配置檔案：$HIVE_CONF_DIR/hive-default.xml

使用者自定義配置會覆蓋預設配置。

另外，Hive也會讀入Hadoop的配置，因為Hive是作為Hadoop的客戶端啟動的，Hive的配置會覆蓋Hadoop的配置。

配置檔案的設定對本機啟動的所有Hive程序都有效。

 

命令列引數：啟動Hive（客戶端或Server方式）時，可以在命令列新增-hiveconfparam=value來設定引數，例如：

bin/hive-hiveconf hive.root.logger=INFO,console

這一設定對本次啟動的Session（對於Server方式啟動，則是所有請求的Sessions）有效。

 

引數宣告：可以在HQL中使用SET關鍵字設定引數，例如：

setmapred.reduce.tasks=100;

這一設定的作用域也是session級的。

 

上述三種設定方式的優先順序依次遞增。即引數宣告覆蓋命令列引數，命令列引數覆蓋配置檔案設定。注意某些系統級的引數，例如log4j相關的設定，必須用前兩種方式設定，因為那些引數的讀取在Session建立以前已經完成了。

 

4. Hive函式
4.1 內建運算子
內容較多，見《Hive官方文件》

 

4.2 內建函式
內容較多，見《Hive官方文件》

https://cwiki.apache.org/confluence/display/Hive/LanguageManual+UDF

 

測試各種內建函式的快捷方法：

1、建立一個dual表

create table dual(id string);

2、load一個檔案（一行，一個空格）到dual表

3、select substr('angelababy',2,3) from dual;

 

 

 

4.3 Hive自定義函式和Transform
當Hive提供的內建函式無法滿足你的業務處理需要時，此時就可以考慮使用使用者自定義函式（UDF：user-defined function）。

4.3.1 自定義函式類別
UDF  作用於單個數據行，產生一個數據行作為輸出。（數學函式，字串函式）

UDAF（使用者定義聚集函式）：接收多個輸入資料行，併產生一個輸出資料行。（count，max）

 

4.3.2 UDF開發例項
l  簡單UDF示例

1、先開發一個java類，繼承UDF，並重載evaluate方法

package cn.itcast.bigdata.udf

import org.apache.hadoop.hive.ql.exec.UDF;

import org.apache.hadoop.io.Text;

public final class Lower extends UDF{

     public Text evaluate(final Text s){

          if(s==null){return null;}

          return new Text(s.toString().toLowerCase());

     }

}

 

2、打成jar包上傳到伺服器

3、將jar包新增到hive的classpath

hive>add JAR /home/hadoop/udf.jar;

4、建立臨時函式與開發好的java class關聯

Hive>create temporary function tolowercase as 'cn.itcast.bigdata.udf.ToProvince';

 

5、即可在hql中使用自定義的函式tolowercase ip 

Select tolowercase(name),age from t_test;

 

l  Json資料解析UDF開發

作業：

有原始json資料如下：

{"movie":"1193","rate":"5","timeStamp":"978300760","uid":"1"}

{"movie":"661","rate":"3","timeStamp":"978302109","uid":"1"}

{"movie":"914","rate":"3","timeStamp":"978301968","uid":"1"}

{"movie":"3408","rate":"4","timeStamp":"978300275","uid":"1"}

{"movie":"2355","rate":"5","timeStamp":"978824291","uid":"1"}

{"movie":"1197","rate":"3","timeStamp":"978302268","uid":"1"}

{"movie":"1287","rate":"5","timeStamp":"978302039","uid":"1"}

 

需要將資料匯入到hive資料倉庫中

我不管你中間用幾個表，最終我要得到一個結果表：

movie

rate

timestamp

uid

1197

3

978302268

1

注：全在hive中完成，可以用自定義函式

 

 

4.3.3 Transform實現
Hive的 TRANSFORM 關鍵字提供了在SQL中呼叫自寫指令碼的功能

適合實現Hive中沒有的功能又不想寫UDF的情況

 

使用示例1：下面這句sql就是借用了weekday_mapper.py對資料進行了處理.

CREATE TABLE u_data_new (

  movieid INT,

  rating INT,

  weekday INT,

  userid INT)

ROW FORMAT DELIMITED

FIELDS TERMINATED BY '\t';

add FILE weekday_mapper.py;

INSERT OVERWRITE TABLE u_data_new

SELECT

  TRANSFORM (movieid , rate, timestring,uid)

  USING 'python weekday_mapper.py'

  AS (movieid, rating, weekday,userid)

FROM t_rating;

 

其中weekday_mapper.py內容如下

#!/bin/python

import sys

import datetime

for line in sys.stdin:

  line = line.strip()

  movieid, rating, unixtime,userid = line.split('\t')

  weekday = datetime.datetime.fromtimestamp(float(unixtime)).isoweekday()

  print '\t'.join([movieid, rating, str(weekday),userid])

 

5. Hive實戰
Hive 實戰案例1——資料ETL
需求：
ü 對web點選流日誌基礎資料表進行etl（按照倉庫模型設計）

ü 按各時間維度統計來源域名top10

已有資料表 “t_orgin_weblog”：

+------------------+------------+----------+--+

|     col_name     | data_type  | comment  |

+------------------+------------+----------+--+

| valid            | string     |          |

| remote_addr      | string     |          |

| remote_user      | string     |          |

| time_local       | string     |          |

| request          | string     |          |

| status           | string     |          |

| body_bytes_sent  | string     |          |

| http_referer     | string     |          |

| http_user_agent  | string     |          |

+------------------+------------+----------+--+

 

 

資料示例：

| true|1.162.203.134| - | 18/Sep/2013:13:47:35| /images/my.jpg                        | 200| 19939 | "http://www.angularjs.cn/A0d9"                      | "Mozilla/5.0 (Windows   |   | true|1.202.186.37 | - | 18/Sep/2013:15:39:11| /wp-content/uploads/2013/08/windjs.png| 200| 34613 | "http://cnodejs.org/topic/521a30d4bee8d3cb1272ac0f" | "Mozilla/5.0 (Macintosh;|

 

實現步驟：
1、對原始資料進行抽取轉換

--將來訪url分離出host  path query  query id

drop table if exists t_etl_referurl;

create table t_etl_referurl as

SELECT a.*,b.*

FROM t_orgin_weblog a LATERAL VIEW parse_url_tuple(regexp_replace(http_referer, "\"", ""), 'HOST', 'PATH','QUERY', 'QUERY:id') b as host, path, query, query_id

 

 

2、從前述步驟進一步分離出日期時間形成ETL明細表“t_etl_detail”    day tm  

drop table if exists t_etl_detail;

create table t_etl_detail as

select b.*,substring(time_local,0,11) as daystr,

substring(time_local,13) as tmstr,

substring(time_local,4,3) as month,

substring(time_local,0,2) as day,

substring(time_local,13,2) as hour

from t_etl_referurl b;

 

 

 

3、對etl資料進行分割槽(包含所有資料的結構化資訊)

drop table t_etl_detail_prt;

create table t_etl_detail_prt(

valid                   string,

remote_addr            string,

remote_user            string,

time_local               string,

request                 string,

status                  string,

body_bytes_sent         string,

http_referer             string,

http_user_agent         string,

host                   string,

path                   string,

query                  string,

query_id               string,

daystr                 string,

tmstr                  string,

month                  string,

day                    string,

hour                   string)

partitioned by (mm string,dd string);

 

匯入資料

insert into table t_etl_detail_prt partition(mm='Sep',dd='18')

select * from t_etl_detail where daystr='18/Sep/2013';

insert into table t_etl_detail_prt partition(mm='Sep',dd='19')

select * from t_etl_detail where daystr='19/Sep/2013';

 

分個時間維度統計各referer_host的訪問次數並排序

create table t_refer_host_visit_top_tmp as

select referer_host,count(*) as counts,mm,dd,hh from t_display_referer_counts group by hh,dd,mm,referer_host order by hh asc,dd asc,mm asc,counts desc;

 

 

4、來源訪問次數topn各時間維度URL

取各時間維度的referer_host訪問次數topn

select * from (select referer_host,counts,concat(hh,dd),row_number() over (partition by concat(hh,dd) order by concat(hh,dd) asc) as od from t_refer_host_visit_top_tmp) t where od<=3;

 

 

Hive 實戰案例2——訪問時長統計
需求：
從web日誌中統計每日訪客平均停留時間

實現步驟：
1、  由於要從大量請求中分辨出使用者的各次訪問，邏輯相對複雜，通過hive直接實現有困難，因此編寫一個mr程式來求出訪客訪問資訊（詳見程式碼）

啟動mr程式獲取結果：

[[email protected]ode-01 ~]$ hadoop jar weblog.jar cn.itcast.bigdata.hive.mr.UserStayTime /weblog/input /weblog/stayout

 

2、  將mr的處理結果匯入hive表

drop table t_display_access_info_tmp;

create table t_display_access_info_tmp(remote_addr string,firt_req_time string,last_req_time string,stay_long bigint)

row format delimited fields terminated by '\t';

 

load data inpath '/weblog/stayout4' into table t_display_access_info_tmp;

 

3、得出訪客訪問資訊表 "t_display_access_info"

由於有一些訪問記錄是單條記錄，mr程式處理處的結果給的時長是0，所以考慮給單次請求的停留時間一個預設市場30秒

drop table t_display_access_info;

create table t_display_access_info as

select remote_addr,firt_req_time,last_req_time,

case stay_long

when 0 then 30000

else stay_long

end as stay_long

from t_display_access_info_tmp;

 

 

4、統計所有使用者停留時間平均值

select avg(stay_long) fromt_display_access_info;

 

 

 

 

Hive實戰案例3——級聯求和accumulate
需求：
有如下訪客訪問次數統計表t_access_times

實現步驟
可以用一個hql語句即可實現：

select A.username,A.month,max(A.salary) as salary,sum(B.salary) as accumulate

from

(select username,month,sum(salary) as salary from t_access_times group by username,month) A

inner join

(select username,month,sum(salary) as salary from t_access_times group by username,month) B

on

A.username=B.username

where B.month <= A.month

group by A.username,A.month

order by A.username,A.month;

 

 

如果指定了 LOCAL，那麼：

load 命令會去查詢本地檔案系統中的 filepath。如果發現是相對路徑，則路徑會被解釋為相對於當前使用者的當前路徑。

load 命令會將 filepath中的檔案複製到目標檔案系統中。目標檔案系統由表的位置屬性決定。被複制的資料檔案移動到表的資料對應的位置。

 

如果沒有指定 LOCAL 關鍵字，如果 filepath 指向的是一個完整的 URI，hive 會直接使用這個 URI。否則：如果沒有指定 schema 或者 authority，Hive 會使用在 hadoop 配置檔案中定義的 schema 和 authority，fs.default.name指定了 Namenode 的 URI。

如果路徑不是絕對的，Hive 相對於/user/進行解釋。

Hive 會將 filepath 中指定的檔案內容移動到table （或者 partition）所指定的路徑中
--------------------- 

轉載：
原文：https://blog.csdn.net/tototuzuoquan/article/details/73038499