马士兵hive的学习

软件包地址

https://pan.baidu.com/s/1b7sID4

一,上传并解压hive压缩包到/usr/local

#cd /usr/local
#tar -xvf apache-hive-2.1.1-bin.tar.gz 
#ls
#mv apache-hive-2.1.1-bin hive
#cd hive
#ll
vi /etc/profile
image.png
配置文件。
export HADOOP_HOME=/usr/local/hadoop
export HIVE_HOME=/usr/local/hive
export PATH=$PATH:/usr/local/hadoop/bin:/usr/local/hadoop/sbin
export PATH=$PATH:$HIVE_HOME/bin
#source /etc/profile
#echo $HIVE_HOME
#hive
#rm -rf m*_db

修改hive-site.xml配置

#cp hive-default.xml.template hive-site.xml  //因为里面没有,所以复制一份
里面的内容太多,所以把他拿到windows里改,用xftp连接,找到里面的hive-site.xml,以Notepad++方式打开。
按ctrl+f搜索,把hive.metastore.schema.verification里面的true改为false.
image.png

在虚拟机里新建目录。

#cd ..
#mkdir tmp
image.png

更改目录

image.png

把配置文件改为root。

image.png

对derby进行格式化

cd ../  //这时候是在hive目录
#schematool -initSchema -dbType derby

启动hive

#hive
exit;
#hive
show databases;
create table wordcount(line string);
 show tables;
 desc wordcount;
dfs -ls /
dsf -ls /tmp;
启动hive之前,必须先启动hadoop,hdfs集群和yarn。
exit;
#cd
#cat input.txt
#hadoop fs -mkdir /wcinput/
#hadoop fs -put input.txt /wcinput/
#cd /usr/local/hive
#hive
show tables;
load data inpath '/wcinput/' overwrite into table wordcount;
desc wordcount;
select * from wordcount;
select split(line, ' ') from wordcount;
OK
["hello","java"]
["hello","c"]
["hello","c++"]
["hello","python"]
["hello","wd"]
["hello","zz"]
Time taken: 0.75 seconds, Fetched: 6 row(s)

select explode(split(line, ' ')) from wordcount;
OK
hello
java
hello
c
hello
c++
hello
python
hello
wd
hello
zz
Time taken: 0.368 seconds, Fetched: 12 row(s)

select explode(split(line, ' ')) as word from wordcount;
OK
hello
java
hello
c
hello
c++
hello
python
hello
wd
hello
zz
Time taken: 0.359 seconds, Fetched: 12 row(s)

select word,count(*) as count from (select explode(split(line, ' ')) as word from wordcount) w group by word;
Total MapReduce CPU Time Spent: 3 seconds 150 msec
OK
c   1
c++ 1
hello   6
java    1
python  1
wd  1
zz  1
Time taken: 29.352 seconds, Fetched: 7 row(s)
create table sgr(qtime string,qid string,qword string,url string) row format delimited fields terminated by ',';

 desc sgr;

load data inpath '/sougou.dic' into table sgr;
文档网址:
mashibing.com/hive.html

select count(*) from sgr;

create table sougou_results as select keyword, count(1) as count from (select qword as krd from sougou) t group by keyword order by count desc;

select * from sougou_results limit 10;
OK
[哄抢救灾物资]    133812
[汶川地震原因]    117532
[封杀莎朗斯通]    25298
[一个暗娼的自述]   19516
[广州军区司令员]   17322
[暗娼李湘]  17168
[成都警方扫黄现场]  10742
[百度]    9916
[尼泊尔地图] 9772
[现役解放军中将名单] 9442
Time taken: 0.223 seconds, Fetched: 10 row(s)
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,376评论 6 491
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,126评论 2 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,966评论 0 347
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,432评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,519评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,792评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,933评论 3 406
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,701评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,143评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,488评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,626评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,292评论 4 329
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,896评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,742评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,977评论 1 265
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,324评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,494评论 2 348

推荐阅读更多精彩内容

  • 什么是Hive: Hive是基于Hadoop之上的数据仓库,数据存放在HDFS上,它同样可以通过ETL来进行数据的...
    三万_chenbing阅读 291评论 0 2
  • 本文是对Hive组件的学习的一个初步总结,包括如下章节的内容: Hive是什么 Hive安装 快速上手 Hive元...
    我是老薛阅读 1,915评论 1 23
  • Mapreduce+Hive+Spark平台搭建 说明 平台搭建成功后,使用Scala语言进行算法设计和应用的开发...
    泽泽馥泽泽阅读 5,089评论 4 6
  • 一Hive的介绍和下载安装 http://archive.apache.org/ 1.1 Hive的三种模式 1....
    钟敏_1788阅读 982评论 0 0
  • 第一部分 什么是Hive: Hive是基于Hadoop之上的数据仓库,数据存放在HDFS上,它同样可以通过ETL来...
    wangmin阅读 2,022评论 0 12