-
1.create table t1(tid int,tname string, age int); --默认存储在 '/user/hive/warehouse' 2.指定存储目录：create table t2(tid int,tname string,age int) location '/mytable/hive/t2'; 3.指定分隔符：create table t1(tid int,tname string, age int) row format delimited fields terminated by ','; 4.使用查询语句创建新表：create table t4 as select * from sample_data; 5.查看t4表的文件：hdfs dfs -cat /user/hive/warehouse/t4/000000_0 6.create table t5 row format delimited fields terminated by ',' as select * from sample_data; 7.alter table t1 add columns(english int); 8.查看表结构：desc t1; 9.drop table t1;查看全部
-
1. 数组类型：create table student(sid int, sname string, grade array<float>); 插入数据：{1, Tom, [80, 90, 75]} 2. 集合类型：create table student1(sid int, sname string, grade map<string, float>); 插入数据：{1, Tom, <'大学语文', 85>} 3. create table student3(sid int, sname string, grades array<map<sring, float>>); 插入数据：{1, Tom, [<'大学语文',80>,<'大学英语',90>]} 4. 结构类型：create table student4(sid int,info struct<name:string,age:int,sex:string>); 插入数据：{1,{'Tom',10,'男'}}查看全部
-
Hive是建立在Hadoop HDFS（Hadoop分布式文件系统）上的数据仓库基础架构，可以用了进行数据的提取转化加载（ETL）。Hive定义了类SQL查询语句，称为HQL Hive允许MapReduce开发者自定义Mapper和Reducer来完成复杂操作。 实际上，Hive是通过SQL解析引擎（或者准确的说是HQL解析引擎）将一个查询语句转换成了map和reduce程序，然后放在Hadoop上执行，并把执行结果返回给用户。 Hive数据仓库的建立工具。 Hive中的表就是HDFS的目录和文件，HIVE的数据就是HDFS的数据。查看全部
-
星型模型：一个主题，其他都是围绕主体的信息。 雪花信息：多个主题，没一个主题可能都有其他的信息围绕。查看全部
-
数据仓库的建立： （1）抽取（Extract），从数据源中提取数据； （2）转换（Transfrom），将数据格式转换成数据仓库符合的类型； （3）装载（Load），将满足格式的数据存于数据仓库 数据仓库的结构： （1）数据源 （2）数据存储管理（ETL） （3）数据仓库引擎（里面有很多服务器，不同的服务器提供不同的服务例如：数据查询，数据报表，数据分析等） （4）前端展示，即把查询结果，报表，分析结果等在前段呈现查看全部
-
数据仓库也是一种数据库，但有以下特点： （1）是面向主题的，即有一个主要的内容类别； （2）是集成的，即可以从多处取数据集成，例如从某文本，oracle，mysql等 数据源中获取 （3）不可更新更改，删除操作，一般只是为了满足做数据分析而进行数据的查询操作。（这一点不同于普通数据库）查看全部
-
hive体系结构查看全部
-
结构图查看全部
-
Hive视图查看全部
-
Hive的数据模型--视图查看全部
-
外部表查看全部
-
分区表查看全部
-
Hive内部表查看全部
-
Hive的复杂数据类型查看全部
-
Hive的基本数据类型查看全部
举报
0/150
提交
取消