hive原生和复合类型的数据载入和使用
原生类型
原生类型包含TINYINT,SMALLINT,INT,BIGINT,BOOLEAN,FLOAT,DOUBLE,STRING,BINARY (Hive 0.8.0以上才可用),TIMESTAMP (Hive 0.8.0以上才可用),这些数据载入非常easy。仅仅要设置好列分隔符,依照列分隔符输出到文件就能够了。
如果有这么一张用户登陆表
CREATE TABLE login (
uid BIGINT,
ip STRING
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
STORED AS TEXTFILE;
这表示登陆表ip字段和uid字段以分隔符','隔开。
输出hive表相应的数据
# printf "%s,%s\n" 3105007001 192.168.1.1 >> login.txt
# printf "%s,%s\n" 3105007002 192.168.1.2 >> login.txt
login.txt的内容:
# cat login.txt
3105007001,192.168.1.1
3105007002,192.168.1.2
载入数据到hive表
LOAD DATA LOCAL INPATH '/home/hadoop/login.txt' OVERWRITE INTO TABLE login PARTITION (dt='20130101');
查看数据
select uid,ip from login where dt='20130101';
3105007001 192.168.1.1
3105007002 192.168.1.2
array
如果登陆表是
CREATE TABLE login_array (
ip STRING,
uid array<BIGINT>
)
PARTITIONED BY (dt STRING)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
COLLECTION ITEMS TERMINATED BY '|'
STORED AS TEXTFILE;
这表示登陆表每一个ip有多个用户登陆,ip和uid字段之间使用','隔开,而uid数组之间的元素以'|'隔开。
输出hive表相应的数据
# printf "%s,%s|%s|%s\n" 192.168.1.1 3105007010 3105007011 3105007012 >> login_array.txt
# printf "%s,%s|%s|%s\n" 192.168.1.2 3105007020 3105007021 3105007022 >> login_array.txt
login_array.txt的内容:
cat login_array.txt
192.168.1.1,3105007010|3105007011|3105007012
192.168.1.2,3105007020|3105007021|3105007022
载入数据到hive表
LOAD DATA LOCAL INPATH '/home/hadoop/login_array.txt' OVERWRITE INTO TABLE login_array PARTITION (dt='20130101');
查看数据
select ip,uid from login_array where dt='20130101';
192.168.1.1 [3105007010,3105007011,3105007012]
192.168.1.2 [3105007020,3105007021,3105007022]
使用数组
select ip,uid[0] from login_array where dt='20130101'; --使用下标訪问数组 select ip,size(uid) from login_array where dt='20130101'; #查看数组长度 select ip from login_array where dt='20130101' where array_contains(uid,'3105007011');#数组查找
map
如果登陆表是
CREATE TABLE login_map (
ip STRING,
uid STRING,
gameinfo map<string,bigint>
)
PARTITIONED BY (dt STRING)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
COLLECTION ITEMS TERMINATED BY '|'
MAP KEYS TERMINATED BY ':'
STORED AS TEXTFILE;
这表示登陆表每一个用户都会有游戏信息。而用户的游戏信息有多个,key是游戏名。value是游戏的积分。map中的key和value以'':"分隔,map的元素以'|'分隔。
输出hive表相应的数据
# printf "%s,%s,%s:%s|%s:%s|%s:%s\n" 192.168.1.1 3105007010 wow 10 cf 1 qqgame 2 >> login_map.txt
# printf "%s,%s,%s:%s|%s:%s|%s:%s\n" 192.168.1.2 3105007012 wow 20 cf 21 qqgame 22 >> login_map.txt
login_map.txt的内容:
# cat login_map.txt
192.168.1.1,3105007010,wow:10|cf:1|qqgame:2
192.168.1.2,3105007012,wow:20|cf:21|qqgame:22
载入数据到hive表
LOAD DATA LOCAL INPATH '/home/hadoop/login_map.txt' OVERWRITE INTO TABLE login_map PARTITION (dt='20130101');
查看数据
select ip,uid,gameinfo from login_map where dt='20130101';
192.168.1.1 3105007010 {"wow":10,"cf":1,"qqgame":2}
192.168.1.2 3105007012 {"wow":20,"cf":21,"qqgame":22}
使用map
select ip,uid,gameinfo['wow'] from login_map where dt='20130101'; --使用下标訪问map select ip,uid,size(gameinfo) from login_map where dt='20130101'; #查看map长度 select ip,uid from login_map where dt='20130101' where array_contains(map_keys(gameinfo),'wow');#查看map的key。找出有玩wow游戏的记录
struct
如果登陆表是
CREATE TABLE login_struct (
ip STRING,
user struct<uid:bigint,name:string>
)
PARTITIONED BY (dt STRING)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
COLLECTION ITEMS TERMINATED BY '|'
MAP KEYS TERMINATED BY ':'
STORED AS TEXTFILE;
user是一个struct,分别包括用户uid和username。
输出hive表相应的数据
printf "%s,%s|%s|\n" 192.168.1.1 3105007010 blue >> login_struct.txt
printf "%s,%s|%s|\n" 192.168.1.2 3105007012 ggjucheng >> login_struct.txt
login_struct.txt的内容:
# cat login_struct.txt
192.168.1.1,3105007010,wow:10|cf:1|qqgame:2
192.168.1.2,3105007012,wow:20|cf:21|qqgame:22
载入数据到hive表
LOAD DATA LOCAL INPATH '/home/hadoop/login_struct.txt' OVERWRITE INTO TABLE login_struct PARTITION (dt='20130101');
查看数据
select ip,user from login_struct where dt='20130101';
192.168.1.1 {"uid":3105007010,"name":"blue"}
192.168.1.2 {"uid":3105007012,"name":"ggjucheng"}
使用struct
select ip,user.uid,user.name from login_map where dt='20130101';
union
用的比較少,临时不讲
嵌套复合类型
之前讲的array,map,struct这几种复合类型,里面的元素都是原生类型,假设元素是复合类型,那该怎么载入数据呢。
如果登陆表是
CREATE TABLE login_game_complex (
ip STRING,
uid STRING,
gameinfo map<bigint,struct<name:string,score:bigint,level:string>> )
PARTITIONED BY (dt STRING)
ROW FORMAT DELIMITED
STORED AS TEXTFILE;
这表示登陆表每一个用户都会有游戏信息,而用户的游戏信息有多个,key是游戏id,value是一个struct,包括游戏的名字。积分,等级。
这样的复杂类型的入库格式非常麻烦,并且复合嵌套层次非常多时,要生成的正确的格式也比較复杂,非常easy出错。
这里略微提下。在嵌套层次多的情况下,分隔符会会随着复合类型嵌套层次的递增。分隔符默认会以\0,\1,\2....变化。
这里不介绍从shell下生成文件load data入库。感兴趣的同学,能够看看hive的源码的org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe的serialize方法。
这里介绍使用还有一种数据操作方式:insert。先把一个简单的表的数据。载入load到hive,再使用insert插入数据到一个嵌套复杂类型的表。
创建简单的表
CREATE TABLE login_game_simple (
ip STRING,
uid STRING,
gameid bigint,
gamename string,
gamescore bigint,
gamelevel string
)
PARTITIONED BY (dt STRING)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
STORED AS TEXTFILE;
生成login_game_simple.txt的内容:
192.168.1.0,3105007010,1,wow,100,v1
192.168.1.0,3105007010,2,cf,100,v2
192.168.1.0,3105007010,3,qqgame,100,v3
192.168.1.2,3105007011,1,wow,101,v1
192.168.1.2,3105007011,3,qqgame,101,v3
192.168.1.2,3105007012,1,wow,102,v1
192.168.1.2,3105007012,2,cf,102,v2
192.168.1.2,3105007012,3,qqgame,102,v3
load data到hive后。再生成复杂的gameinfo map结构,插入到表login_game_complex
INSERT OVERWRITE TABLE login_game_complex PARTITION (dt='20130101')
select ip,uid,map(gameid, named_struct('name',gamename,'score',gamescore,'level',gamelevel) ) FROM login_game_simple where dt='20130101' ;
查询数据
select ip,uid,gameinfo from login_game_complex where dt='20130101';
192.168.1.0 3105007010 {1:{"name":"wow","score":100,"level":"v1"}}
192.168.1.0 3105007010 {2:{"name":"cf","score":100,"level":"v2"}}
192.168.1.0 3105007010 {3:{"name":"qqgame","score":100,"level":"v3"}}
192.168.1.2 3105007011 {1:{"name":"wow","score":101,"level":"v1"}}
192.168.1.2 3105007011 {3:{"name":"qqgame","score":101,"level":"v3"}}
192.168.1.2 3105007012 {1:{"name":"wow","score":102,"level":"v1"}}
192.168.1.2 3105007012 {2:{"name":"cf","score":102,"level":"v2"}}
192.168.1.2 3105007012 {3:{"name":"qqgame","score":102,"level":"v3"}}
这里仅仅是演示了嵌套复杂类型的入库方式,所以这里仅仅是样例。真正要完美入库。还是须要写一个自己定义函数。依据ip和uid做group by。然后把gameinfo合并起来。hive没有这种自己定义函数,篇幅着想,不引进复杂的自己定义函数编写。
hive原生和复合类型的数据载入和使用的更多相关文章
- Hive 文件格式 & Hive操作(外部表、内部表、区、桶、视图、索引、join用法、内置操作符与函数、复合类型、用户自定义函数UDF、查询优化和权限控制)
本博文的主要内容如下: Hive文件存储格式 Hive 操作之表操作:创建外.内部表 Hive操作之表操作:表查询 Hive操作之表操作:数据加载 Hive操作之表操作:插入单表.插入多表 Hive语 ...
- WebService之Axis2(2):复合类型数据的传递
在实际的应用中,不仅需要使用WebService来传递简单类型的数据,有时也需要传递更复杂的数据,这些数据可以被称为复合类型的数据.数组与类(接口)是比较常用的复合类型.在Axis2中可以直接使用将W ...
- 第54讲:Scala中复合类型实战详解
今天学习了scala的复合类型的内容,让我们通过实战来看看代码: trait Compound_Type1trait Compound_Type2class Compound_Type extends ...
- 实现在GET请求下调用WCF服务时传递对象(复合类型)参数
WCF实现RESETFUL架构很容易,说白了,就是使WCF能够响应HTTP请求并返回所需的资源,如果有人不知道如何实现WCF支持HTTP请求的,可参见我之前的文章<实现jquery.ajax及原 ...
- C语言中的复合类型
复合类型 一.掌握的类型 1. 指针数组 int * arr[10]; //arr是一个数组,有10个元素,每个元素都是一个指针,即arr是一个指针数组 int a,b,c,d; arr[0] = & ...
- 学习C++.Primer.Plus 4 复合类型
本章介绍的有复合类型有: 数组. 字符串. 结构. 共用体. 指针 数组: 声明数组时数组长度必须为常量(或const). 只有初始化时可以用“=”,其它时候均不可以给数组直接赋值,除了赋值的元素以外 ...
- Scala 深入浅出实战经典 第54讲:Scala中复合类型实战详解
王家林亲授<DT大数据梦工厂>大数据实战视频 Scala 深入浅出实战经典(1-64讲)完整视频.PPT.代码下载:百度云盘:http://pan.baidu.com/s/1c0noOt6 ...
- hive中同列多行数据组合的方法以及array to string要点(行转列)
1. 同列多行数据组合成一个字段cell的方法, top N 问题的hive方案 如下: hive 列转行 to json与to array list set等复杂结构,hive topN的提取的窗口 ...
- struts复合类型传值(对象传值)
01:导包,配置web.xml <?xml version="1.0" encoding="UTF-8"?> <web-app version ...
随机推荐
- virtualbox 虚拟机网络设置
1.宿主机网卡设置 virtualbox 第一块网卡设置 virtualbox第二块网卡设置 2.虚拟机网络设置 找到以上设置中MAC地址对应的那个网卡: 配置网络: 重启网络,ok.
- Java判断字符串是否为空的三种方法
方法一: 最多人使用的一个方法, 直观, 方便, 但效率很低.1: if(s == null || s.equals("")); 方法二: 比较字符串长度, 效率高, 是我知道的最 ...
- ADO.NET入门
什么是ADO.NET ADO.NET就是一组类库,这组类库可以让我们通过程序的方式访问数据库,就像System.IO下的类用类操作文件一样, System.Data.这组类是用来操作数据库(不光是MS ...
- 异构数据源海量数据交换工具-Taobao DataX 下载和使用
DataX介绍 DataX是一个在异构的数据库/文件系统之间高速交换数据的工具,实现了在任意的数据处理系统(RDBMS/Hdfs/Local filesystem)之间的数据交换. 目前成熟的数据导入 ...
- 04737_C++程序设计_第8章_多态性和虚函数
例8.1 分析下面程序的输出结果. 例8.2 分别使用指针和引用的display函数. #include <iostream> using namespace std; const dou ...
- c#搭建服务端 准备工作(1)
思路 搭建服务器主要为了接收客户端所传来的数据,在学习过程中,整体的搭建逻辑大体分为以下几个步骤: 1.启动线程监听服务端口 2.监听客户端链接并进行处理 3.接收客户端传入的消息 4.向客户端回传( ...
- 【HTML5】DOMContentLoaded事件
这个事件是从HTML中的onLoad的延伸而来的,当一个页面完成加载时,初始化脚本的方法是使用load事件,但这个类函数的缺点是仅在所有资源都完全加载后才被触发,这有时会导致比较严重的延迟,开发人员随 ...
- The Hardest Problem Ever(字符串)
The Hardest Problem Ever Time Limit: 1000MS Memory Limit: 10000K Total Submissions: 24039 Accept ...
- [基础]RHEL6下iSCSI客户端挂载配置
本文根据鸟哥私房菜进行操作:http://linux.vbird.org/linux_enterprise/xen.php?thisscreen=800x600 一.侦测 [root@vhost3 ~ ...
- 请问下mtk双卡手机怎样发短信是怎样选择sim卡来发(双卡都可用的情况下)?
如题,我如今可以获取双卡状态,当仅仅有单一卡的时候可以指定sim卡进行发短信,可是双卡都可用的情况下,程序就默认使用卡1发短信了.即使指定了sim卡编号.