R + Hive = RHive

支持原创：http://blog.fens.me/nosql-r-hive/

R利剑NoSQL系列文章 之 Hive

  1. Hive介绍
  2. Hive安装
  3. RHive安装
  4. RHive函数库
  5. RHive基本使用操作

1. Hive介绍

Hive是建立在Hadoop上的数据仓库基础构架。它提供了一系列的工具，可以用来进行数据提取转化加载（ETL），这是一种可以存储、查询和分析存储在 Hadoop 中的大规模数据的机制。Hive 定义了简单的类 SQL 查询语言，称为 HQL，它允许熟悉 SQL 的用户查询数据。同时，这个语言也允许熟悉 MapReduce 开发者的开发自定义的 mapper 和 reducer 来处理内建的 mapper 和 reducer 无法完成的复杂的分析工作。

Hive 没有专门的数据格式。 Hive 可以很好的工作在 Thrift 之上，控制分隔符，也允许用户指定数据格式

上面内容摘自 百度百科(http://baike.baidu.com/view/699292.htm)

hive与关系数据库的区别：

  • 数据存储不同：hive基于hadoop的HDFS，关系数据库则基于本地文件系统
  • 计算模型不同：hive基于hadoop的mapreduce，关系数据库则基于索引的内存计算模型
  • 应用场景不同：hive是OLAP数据仓库系统提供海量数据查询的，实时性很差;关系数据库是OLTP事务系统，为实时查询业务服务
  • 扩展性不同：hive基于hadoop很容易通过分布式增加存储能力和计算能力，关系数据库水平扩展很难，要不断增加单机的性能

2. Hive安装

Hive是基于Hadoop开发的数据仓库产品，所以首先我们要先有Hadoop的环境。

Hadoop安装，请参考：Hadoop环境搭建, 创建Hadoop母体虚拟机

Hive的安装，请参考：Hive安装及使用攻略

Hadoop-1.0.3的下载地址
http://archive.apache.org/dist/hadoop/core/hadoop-1.0.3/

Hive-0.9.0的下载地址
http://archive.apache.org/dist/hive/hive-0.9.0/

Hive安装好后
启动hiveserver的服务

~ nohup hive --service hiveserver  &

Starting Hive Thrift Server

打开hive shell

~ hive shell

Logging initialized using configuration in file:/home/conan/hadoop/hive-0.9.0/conf/hive-log4j.proper             ties

Hive history file=/tmp/conan/hive_job_log_conan_201306261459_153868095.txt

#查看hive的表

hive> show tables;

hive_algo_t_account

o_account

r_t_account

Time taken: 2.12 seconds

#查看o_account表的数据

hive> select * from o_account;

1       abc@163.com     2013-04-22 12:21:39

2       dedac@163.com   2013-04-22 12:21:39

3       qq8fed@163.com  2013-04-22 12:21:39

4       qw1@163.com     2013-04-22 12:21:39

5       af3d@163.com    2013-04-22 12:21:39

6       ab34@163.com    2013-04-22 12:21:39

7       q8d1@gmail.com  2013-04-23 09:21:24

8       conan@gmail.com 2013-04-23 09:21:24

9       adeg@sohu.com   2013-04-23 09:21:24

10      ade121@sohu.com 2013-04-23 09:21:24

11      addde@sohu.com  2013-04-23 09:21:24

Time taken: 0.469 seconds

3. RHive安装

请提前配置好JAVA的环境：

~ java -version

java version "1.6.0_29"

Java(TM) SE Runtime Environment (build 1.6.0_29-b11)

Java HotSpot(TM) 64-Bit Server VM (build 20.4-b02, mixed mode)

安装R：Ubuntu 12.04，请更新源再下载R2.15.3版本

~ sudo sh -c "echo deb http://mirror.bjtu.edu.cn/cran/bin/linux/ubuntu precise/ >>/etc/apt/sources.list"

~ sudo apt-get update

~ sudo apt-get install r-base-core=2.15.3-1precise0precise1

安装R依赖库：rjava

#配置rJava

~ sudo R CMD javareconf

#启动R程序

~ sudo R

install.packages("rJava")



安装RHive
install.packages("RHive")

library(RHive)

Loading required package: rJava

Loading required package: Rserve

This is RHive 0.0-7. For overview type ‘?RHive’.

HIVE_HOME=/home/conan/hadoop/hive-0.9.0

call rhive.init() because HIVE_HOME is set.

由于RHive已经从CRAN上移除，需要动手下载安装，下载地址：https://cran.r-project.org/src/contrib/Archive/RHive/。我们需要动手下载RHive_0.0-7.tar.gz包，然后通过命令进行安装。



# 安装RHive

~ R CMD INSTALL RHive_0.0-7.tar.gz

4. RHive函数库

rhive.aggregate        rhive.connect          rhive.hdfs.exists      rhive.mapapply

rhive.assign           rhive.desc.table       rhive.hdfs.get         rhive.mrapply

rhive.basic.by         rhive.drop.table       rhive.hdfs.info        rhive.napply

rhive.basic.cut        rhive.env              rhive.hdfs.ls          rhive.query

rhive.basic.cut2       rhive.exist.table      rhive.hdfs.mkdirs      rhive.reduceapply

rhive.basic.merge      rhive.export           rhive.hdfs.put         rhive.rm

rhive.basic.mode       rhive.exportAll        rhive.hdfs.rename      rhive.sapply

rhive.basic.range      rhive.hdfs.cat         rhive.hdfs.rm          rhive.save

rhive.basic.scale      rhive.hdfs.chgrp       rhive.hdfs.tail        rhive.script.export

rhive.basic.t.test     rhive.hdfs.chmod       rhive.init             rhive.script.unexport

rhive.basic.xtabs      rhive.hdfs.chown       rhive.list.tables

rhive.size.table

rhive.big.query        rhive.hdfs.close       rhive.load             rhive.write.table

rhive.block.sample     rhive.hdfs.connect     rhive.load.table

rhive.close            rhive.hdfs.du          rhive.load.table2

Hive和RHive的基本操作对比：



#连接到hive

Hive:  hive shell

RHive: rhive.connect("192.168.1.210")

#列出所有hive的表

Hive:  show tables;

RHive: rhive.list.tables()

#查看表结构

Hive:  desc o_account;

RHive: rhive.desc.table('o_account'), rhive.desc.table('o_account',TRUE)

#执行HQL查询

Hive:  select * from o_account;

RHive: rhive.query('select * from o_account')

#查看hdfs目录

Hive:  dfs -ls /;

RHive: rhive.hdfs.ls()

#查看hdfs文件内容

Hive:  dfs -cat /user/hive/warehouse/o_account/part-m-00000;

RHive: rhive.hdfs.cat('/user/hive/warehouse/o_account/part-m-00000')

#断开连接

Hive:  quit;

RHive: rhive.close()

5. RHive基本使用操作

#初始化

rhive.init()

#连接hive

rhive.connect("192.168.1.210")

#查看所有表

rhive.list.tables()

             tab_name

1 hive_algo_t_account

2           o_account

3         r_t_account

#查看表结构

rhive.desc.table('o_account');

     col_name data_type comment

1          id       int

2       email    string

3 create_date    string

#执行HQL查询

rhive.query("select * from o_account");

   id           email         create_date

1   1     abc@163.com 2013-04-22 12:21:39

2   2   dedac@163.com 2013-04-22 12:21:39

3   3  qq8fed@163.com 2013-04-22 12:21:39

4   4     qw1@163.com 2013-04-22 12:21:39

5   5    af3d@163.com 2013-04-22 12:21:39

6   6    ab34@163.com 2013-04-22 12:21:39

7   7  q8d1@gmail.com 2013-04-23 09:21:24

8   8 conan@gmail.com 2013-04-23 09:21:24

9   9   adeg@sohu.com 2013-04-23 09:21:24

10 10 ade121@sohu.com 2013-04-23 09:21:24

11 11  addde@sohu.com 2013-04-23 09:21:24

#关闭连接

rhive.close()

[1] TRUE

创建临时表



rhive.block.sample('o_account', subset="id<5")

[1] "rhive_sblk_1372238856"

rhive.query("select * from rhive_sblk_1372238856");

  id          email         create_date

1  1    abc@163.com 2013-04-22 12:21:39

2  2  dedac@163.com 2013-04-22 12:21:39

3  3 qq8fed@163.com 2013-04-22 12:21:39

4  4    qw1@163.com 2013-04-22 12:21:39

#查看hdfs的文件

rhive.hdfs.ls('/user/hive/warehouse/rhive_sblk_1372238856/')

  permission owner      group length      modify-time

1  rw-r--r-- conan supergroup    141 2013-06-26 17:28

                                                 file

1 /user/hive/warehouse/rhive_sblk_1372238856/000000_0

rhive.hdfs.cat('/user/hive/warehouse/rhive_sblk_1372238856/000000_0')

1abc@163.com2013-04-22 12:21:39

2dedac@163.com2013-04-22 12:21:39

3qq8fed@163.com2013-04-22 12:21:39

4qw1@163.com2013-04-22 12:21:39

按范围分割字段数据



rhive.basic.cut('o_account','id',breaks='0:100:3')

[1] "rhive_result_20130626173626"

attr(,"result:size")

[1] 443

rhive.query("select * from rhive_result_20130626173626");

             email         create_date     id

1      abc@163.com 2013-04-22 12:21:39  (0,3]

2    dedac@163.com 2013-04-22 12:21:39  (0,3]

3   qq8fed@163.com 2013-04-22 12:21:39  (0,3]

4      qw1@163.com 2013-04-22 12:21:39  (3,6]

5     af3d@163.com 2013-04-22 12:21:39  (3,6]

6     ab34@163.com 2013-04-22 12:21:39  (3,6]

7   q8d1@gmail.com 2013-04-23 09:21:24  (6,9]

8  conan@gmail.com 2013-04-23 09:21:24  (6,9]

9    adeg@sohu.com 2013-04-23 09:21:24  (6,9]

10 ade121@sohu.com 2013-04-23 09:21:24 (9,12]

11  addde@sohu.com 2013-04-23 09:21:24 (9,12]

Hive操作HDFS



#查看hdfs文件目录

rhive.hdfs.ls()

  permission owner      group length      modify-time   file

1  rwxr-xr-x conan supergroup      0 2013-04-24 01:52 /hbase

2  rwxr-xr-x conan supergroup      0 2013-06-23 10:59  /home

3  rwxr-xr-x conan supergroup      0 2013-06-26 11:18 /rhive

4  rwxr-xr-x conan supergroup      0 2013-06-23 13:27   /tmp

5  rwxr-xr-x conan supergroup      0 2013-04-24 19:28  /user

#查看hdfs文件内容

rhive.hdfs.cat('/user/hive/warehouse/o_account/part-m-00000')

1abc@163.com2013-04-22 12:21:39

2dedac@163.com2013-04-22 12:21:39

3qq8fed@163.com2013-04-22 12:21:39

RHive的更多相关文章

  1. CentOS6.5安装RHive

    1.安装RServe软件包(各个节点都要安装) [root@Hadoop-NN-01 mysofts] # R CMD INSTALL Rserve_1.7-2.tar.gz 2.设置环境变量 [ro ...

  2. Ubuntu12.04安装R ，Rstudio, RHive

    环境: Ubuntu12.04 R-3.1.0 0.Ubuntu安装R官网的介绍 http://mirrors.ustc.edu.cn/CRAN/ Precise Pangolin (12.04; L ...

  3. 【翻译】Awesome R资源大全中文版来了，全球最火的R工具包一网打尽，超过300+工具，还在等什么？

    0.前言 虽然很早就知道R被微软收购,也很早知道R在统计分析处理方面很强大,开始一直没有行动过...直到 直到12月初在微软技术大会,看到我软的工程师演示R的使用,我就震惊了,然后最近在网上到处了解和 ...

  4. Hadoop学习路线图

    Hadoop家族产品,常用的项目包括Hadoop, Hive, Pig, HBase, Sqoop, Mahout, Zookeeper, Avro, Ambari, Chukwa,新增加的项目包括, ...

  5. R统计分析处理

    [翻译]Awesome R资源大全中文版来了,全球最火的R工具包一网打尽,超过300+工具,还在等什么? 阅读目录 0.前言 1.集成开发环境 2.语法 3.数据操作 4.图形显示 5.HTML部件 ...

  6. Hadoop家族 路线图（转）

    主要介绍Hadoop家族产品,常用的项目包括Hadoop, Hive, Pig, HBase, Sqoop, Mahout, Zookeeper, Avro, Ambari, Chukwa,新增加的项 ...

  7. Hive学习路线图(转)

    Hadoophivehqlroadmap学习路线图   1 Comment Hive学习路线图 Hadoop家族系列文章,主要介绍Hadoop家族产品,常用的项目包括Hadoop, Hive, Pig ...

  8. 【转】Hive学习路线图

    原文博客出自于:http://blog.fens.me/hadoop-hive-roadmap/ 感谢! Hive学习路线图 Hadoop家族系列文章,主要介绍Hadoop家族产品,常用的项目包括Ha ...

  9. Hadoop家族学习路线图--转载

    原文地址:http://blog.fens.me/hadoop-family-roadmap/ Sep 6, 2013 Tags: Hadoophadoop familyroadmap Comment ...

随机推荐

  1. SEO-长尾词与分词技术

        长尾关键词与分词技术 长尾关键词:网站非目标关键词,能给网站带来流量的关键词. 例如:主关键词是成都网站建设 那么,跟成都网站建设相关的词,就叫做长尾关键词. 比如:成都网站建设哪里好?成都网 ...

  2. 配置adb环境变量

    作为Android开发人员,会经常使用adb命令来进行push.pull.install.看数据库等.记录一下adb配置流程,以备后用. 在没有配置adb之前,我们打开Windows命令处理程序(cm ...

  3. TSQL语句和CRUD（20161016）

    上午 TSQL语句 1.创建数据库 create database test2; 2.删除数据库 drop database test2; 3.创建表 create table ceshi ( ids ...

  4. 制作流程图，activity，好不容易找到的

    Star UML指导手册 Module by: Stephen Wong 原著:Stephen Wong            翻译:火猴 1.   综述:http://pan.baidu.com/s ...

  5. redux三个基本原则

    (1)单一数据源:整个应用的state被存储在一棵object tree中,并且这个object tree只存在于唯一一个store中: (2)state是只读的:唯一改变state的方法就是触发ac ...

  6. mybatis基础学习3---特殊sql语句(备忘)

    1: 2: 3:resultMap的用法

  7. 浅谈HashMap的内部实现

    权衡时空 HashMap是以键值对的方式存储数据的. 如果没有内存限制,那我直接用哈希Map的键作为数组的索引,取的时候直接按索引get就行了,可是地价那么贵,哪里有无限制的地盘呢. 如果没有时间限制 ...

  8. appledoc导出iOS代码文档的使用和问题详解（干货篇）

    appledoc导出iOS代码文档的使用和问题详解(干货篇) 1. 简单说一下背景和自己感受 背景: 项目好像突然黄了,公司让详细写项目代码的注释并且导出文档,弄完之后就要封版. 说实话:听到这个消息 ...

  9. Javascript：面试经典套路-查重（reduce）

    今天在偶然间查看到了一段代码,代码使用了很短的篇幅完成了字符串统计相同字符次数这个经典面试题,其中用到了reduce这个方法,网上查了查,没有查到什么有价值的东西,导致浪费了我一些时间才看懂,现将我的 ...

  10. javaScript绑定事件委托 demo

    事件绑定通常发生在 onload 或 DOMContentReady , 事件绑定占用 处理时间 占用内存, 而且不是每个事件都会被 点击执行. 由此 事件委托 可以优化事件绑定行为.. 事件逐层冒泡 ...