Hive UDF作业

说到这次作业，看似简单的几个步骤，对于我这样的菜鸟来说可真是一波三折啊。下面来说说这次的步骤和我遇到的问题。

首先准备工作，搭建好hive环境，保证hadoop集群是启动的。这个就不多说了。

第一步：将数据导入Hive中

在hive中，创建 stock 表结构。

hive>  create table if not exists stock (tradedate STRING,tradetime STRING,stockid STRING,buyprice DOUBLE,buysize INT,sellprice DOUBLE,sellsize INT)

>row format delimited fields terminated by ','  STORED AS TEXTFILE;

这一步没什么可说的，顺利进行

将HDFS中的股票历史数据导入hive中。

hive> LOAD DATA INPATH '/home/hadoop/stock.csv' INTO TABLE stock;

结果这里就报错了，错误提示是在hdfs上没有相匹配的目录文件，大概就是这个意思。

我当时就是想不明白是怎么回事，后来找了班上的一些同学的帮助。我们特训班7班的“西安—假装”同学那里我知道了错误的原因在哪里了。

原因：'/home/hadoop/stock.csv 的目录文件是在本地的linux上的，而hdfs是在

我自己开始就把概念搞混了，错误的以为hdfs是linux里的某个目录。正确操作应该是

hive> LOAD DATA LOCAL INPATH '/home/hadoop/stock.csv' INTO TABLE stock;

加上LOCAL表示本地的意思。

创建分区表 stock_partition，用日期做为分区表的分区ID。

hive>  create table if not exists stock_partition (tradetime STRING,stockid STRING,buyprice DOUBLE,buysize INT,sellprice DOUBLE,sellsize INT)

                    >partitioned by (tradedate STRING) row format delimited fields terminated by ',';

如果设置动态分区首先执行。

hive>set hive.exec.dynamic.partition.mode=nonstrict;

创建动态分区，将stock表中的数据导入stock_partition表。

hive>  insert overwrite table stock_partition partition(tradedate)

                    > select tradetime,stockid,buyprice,buysize,sellprice,sellsize, tradedate from stock distribute by tradedate;

这几步也ok没什么大问题，就是将stock表中的数据导入stock_partition表，这个过程需要一些时间，耐心等待。

接下来遇到的问题就麻烦了，我也是请教了别人才知道原因出在哪里。

Hive 自定义Max统计最大值，和Hive 自定义Min统计最小值。这两个函数的时候我居然还犯了这样的低级错误自己开始还不知道。

我就直接打包到linux下去使用，毫无疑问肯定报错。其实就是缺少了hive的架包没因进去。

经过到网上下载hive架包，把架包添加到工程，错误消失了，再次打包，结果还是报错了

首先这步将自定义的Max和Min分别打包成maxUDF.jar和minUDF.jar, 然后上传至/home/hadoop/hive目录下，添加Hive自定义的UDF函数

没问题。

接下来创建Hive自定义的临时方法maxprice和minprice

问题来了。

这有说什么原因呢？？？真的要问下自己了，基础太不扎实了，简直漏洞百出，实在没有头绪的时候，我又和我们班的同学还老师请教了下，开始我是核对jdk版本是否一致，核对结果是一样的，排除了jdk的问题，经过老师和同学的指导，分析：

1. 我敲的代码有问题，经过检查，代码没问题，该引入的包都引入了。
2. Hive环境没搭建好，这个原因也排除。
3. 那就只有最后一个原因了，打包的过程出了问题。

确实是，打包的时候应把这两个文件一起打包，我开始是只打包了代码。

OK这样打包后顺利通过，没问题了

统计204001股票，每日的最高价格和最低价格

真是活见鬼了，没有哪步是顺利过的。又出错了

好吧，分析错误吧，其实这个是图文教程里出错了，正确的应该是

select stockid,tradedate, max(maxprice(buyprice,sellprice)),min(minprice(buyprice,sellprice))  from stock_partition where stockid='204001' group by stockid,tradedate;

经过实现，结果出来了

统计204001这只股票，每天每分钟的均价

OK结果也出来了，到这里本次作业完成！