*hive-hql
1.数据类型
数值型：int
DECIMAL、DOUBLE
字符串：string
日期类型：date（毫秒），timestamp（纳秒）
2.数据定义语法：DDL （重要）
表的定义
表结构的修改
数据库对象：table、view、index、trigger（触发器）、procedure存储过程、function、constraint（约束）
table
Create/Drop/Alter/Use Database
Create/Drop/Truncate Table
Alter Table/Partition/Column
-----------------------------------------------------
Create/Drop/Reload Function
namespace:很多软件技术都会使用namespace（命名空间），它的主要作用是用来做 数据或程序 隔离的
做隔离的好处：1.权限控制,2.防止命名冲突
常见的namespace：package
数据库上的：database、schema
mq：频道channel
drop table:删除表
truncate table：清空表，只删除表中的数据，保留表的定义 ，释放空间（id重新从1开始）
delete from table：删除表数据 ，不释放空间（id连着以前的数字继续）
truncate 与delete 比较：
truncate table 在功能上与不带 WHERE 子句的 delete语句相同：二者均删除表中的全部行。
truncate 比 delete速度快，且使用的系统和事务日志资源少。
truncate 操作后的表比Delete操作后的表要快得多。
当表被清空后表和表的索引讲重新设置成初始大小，而delete则不能。
delete数据其实是行级别操作，可以回滚
truncate是表级别操作，不可回滚
create table的形式
1.create table table_name
(col1 type1,col2 type2,col3 type3)
row fromat delimited
LINES TERMINATED BY '\n'
FIELDS TERMINATED BY ' ';
2.create table pokers_clone like pokes
表克隆，只赋值表结构，不复制表数据
3.create table as select ...
create table pokers1 as
select * from pokes where foo>3
row format：数据行的格式定义
delimited：分割符
serder：序列化反序列化类
TEMPORARY：临时表修饰
temporary表创建出来只能被当前session访问
当session断开或消失的时候temporary表会被hive自动删除
限制：
不支持表分区
不支持创建索引
EXTERNAL：外部表修饰
外部表：允许用户创建的表的数据在hive的文件夹外部自由指定
如果删除外部表，源数据文件不会被删除，只是删除元数据
创建外表时一般通过在ddl后加
LOCATION '<hdfs_location>'的形式来指定该表所存放的文件夹位置
一般不使用load data的形式来加载数据
内部（managed）表：表所对应文件夹由hive自己维护
drop表时源数据文件和元数据同时都会被删除
load data：它的作用实质就是文件的剪切
一般情况下外来数据，或者原始数据都创建成外部表
在hive里面通过代码分析产生的数据一般都简称内部表
*hive表创建定义加载文件格式化的方式
1.delimited 指定分隔符，简单易用，但是限制比较多
2.serder 序列化反序列化，功能比较强，使用比较复杂 常用的有：正则serder
*hive表的分区和分桶
[PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)]
[CLUSTERED BY (col_name, col_name, ...) [SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS]
*hive的数据文件格式
STORED AS file_format
常用的文件格式
TEXTFILE 一般数据源会是文本格式
ORC hive里面最常用的一种文件格式
PARQUET impala里常用的一种文件格式
*hive查看表元数据信息
describe user_action_login --只有字段信息
describe extended user_action_login --详细信息
describe formatted user_action_login --格式化后的详细信息
*TBLPROPERTIES表的属性配置
比方说该表是否要压缩
该表是否支持事务等
*修改表
ALTER TABLE table_name RENAME TO new_table_name; --表重命名
ALTER TABLE table_name SET TBLPROPERTIES table_properties; --设置表的属性配置
ALTER TABLE table_name SET TBLPROPERTIES ('comment' = new_comment);
ALTER TABLE table_name CLUSTERED BY (col_name, col_name, ...) [SORTED BY (col_name, ...)]
INTO num_buckets BUCKETS; --把原来不是分桶表的表，改成是分桶表的表
ALTER TABLE table_name ADD [IF NOT EXISTS] PARTITION partition_spec [LOCATION 'location'][, PARTITION partition_spec [LOCATION 'location'], ...];
--修改表的分区操作
*hive创建函数
CREATE FUNCTION [db_name.]function_name AS class_name
[USING JAR|FILE|ARCHIVE 'file_uri' [, JAR|FILE|ARCHIVE 'file_uri'] ];
DROP FUNCTION [IF EXISTS] function_name;
3.数据操作语法：DML （重要）
DML: Load, Insert, Update, Delete
load：
LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)]
overwrite:覆盖并加载
local:添加local是path指向的是执行该语句的机器本地的文件目录
不加local时path指向的是hdfs的目录
insert：
INSERT OVERWRITE TABLE tablename1 [PARTITION (partcol1=val1, partcol2=val2 ...) [IF NOT EXISTS]] select_statement1 FROM from_statement;
INSERT INTO TABLE tablename1 [PARTITION (partcol1=val1, partcol2=val2 ...)] select_statement1 FROM from_statement;
insert into aaa (col1,col2,col3) values(value1,value2,value3)
-------------------------
create table user_new_tweet like user_action_m;
create table action_log_192_184_237_49 like user_action_m;
insert overwrite table user_new_tweet
select * from user_action_m
where action_type='new_tweet';
insert overwrite table action_log_192_184_237_49
select * from user_action_m
where ip='198.184.237.49';
优化的写法：
from user_action_m
insert overwrite table user_new_tweet select * where action_type='new_tweet'
insert overwrite table action_log_192_184_237_49 select * where ip='198.184.237.49'
-------------------------
使用insert把数据写出到hdfs的文件系统中
update、delete：
hive中只有支持事务管理（ACID）的表才能进行update和delete
如果想让一个表支持事务管理需要满足如下条件：
1.表的存储格式必须是ORC
2.表必须要进行分桶
3.表的属性上必须要配置：transactional=true
4.当前连接hiveserver的session必须要设置一些参数：
set hive.support.concurrency=true;
set hive.exec.dynamic.partition.mode=nonstrict;
set hive.txn.manager=org.apache.hadoop.hive.ql.lockmgr.DbTxnManager;
Import/Export
应用场景：
dml是对数据进行表级别操作
Import/Export主要是用作对数据的备份和恢复
4.数据查询语法：DQL （最重要）
5.数据库控制语法：DCL （不重要）
mysql的数据备份和恢复指令
mysqldump -uroot -psa dbname>backupfile.sql
mysql -uroot -psa dbname<backupfile.sql
-----------------------------------------------------------------------
*select
select关键词的后面可以添加哪些内容
1.*
2.具体的一个或多个字段名称
3.函数
4.常量
5.字段和数据运算表达式
*hbase的scan中rowkey的限定
在hbase中对rowkey添加startrowkey和stoprowkey，hbase对rowkey的比较过程是按照字节来进行比较的
-233223332
【0x00】【0x00】【0x32】【0x33】【0x33】【0x33】【0x33】【0x33】
1
【0x00】【0x00】【0x00】【0x00】【0x00】【0x00】【0x00】【0x01】
hbase的rowkey是按照字节的字典顺序来进行比较的，因此在限定范围时，要按照字节来限定，而不是某个数据类型的限定方式。
hbase的rowkey最好设计成字符串类型，因为rowkey的比较默认情况下是按照字典顺序来进行比较
*hbase过滤器
在关系型数据库我们添加条件去查询数据时，通常在sql中添加where语句如：
select * from tableA where col1=123
select * from tableA where col1>123
hbase中的过滤器就等同于关系型sql中where语句
在过滤数据计算上需要做两件事情：
1.比较计算，比较规则
2.取数规则，过滤规则，比较的什么结果的数据会被过滤掉
在hbase上的比较过滤器里面，需要用户提供两个组件：
1.比较器
2.运算符
hbase的过滤器有两种类型：
1.比较过滤器
底层的过滤器，可以通过对hbase表扫数据时添加扫描限定条件从而获取想要的数据内容
2.专有过滤器
是对比较过滤器的封装，是比较过滤器的简写
1.比较器的类型
BinaryComparator 二进制比较器，用于按字典顺序比较 Byte 数据值 (> < =)
BinaryPrefixComparator 前缀二进制比较器，按前缀比较 (like 'xxx%')
NullComparator 判断给定的是否为空 (is null)
BitComparator 按位比较
RegexStringComparator 正则比较
SubstringComparator 子串比较
2.运算符的类型
LESS <
LESS_OR_EQUAL <=
EQUAL =
NOT_EQUAL <>
GREATER_OR_EQUAL >=
。。。
3.比较过滤器类型
RowFilter，对rowkey进行过滤的过滤器，满足条件的整行数据都会被提取
FamilyFilter，对表的列簇进行过滤，只有满足比较条件的family下的数据才会被提取
QualifierFilter，对满足列成员名称的数据提取出来，只有该列成员的列名称满足条件的数据会被提取
ValueFilter,对列值进行比较查询的过滤器，只有满足该条件的单元格数据才会被提取
如果相对数据的时间进行限制过滤查询的话可以使用：setTimeRange
4.装有过滤器
PrefixFilter，相当于，过滤器：RowFilter
比较器：BinaryPrefixComparator
操作符：EQUAL
ColumnPrefixFilter，相当于，过滤器：QualifierFilter
比较器：BinaryPrefixComparator
操作符：EQUAL
MultipleColumnPrefixFilter，多子列前缀过滤器，指定多个qualifier的过滤器
DependentColumnFilter，综合子列过滤器
*比较过滤器的使用步骤
1.定义比较器对象，对象描述表里的什么字段和什么值进行比较，怎样比较（按字节或按位比较或者包含）
2.使用比较器再加上运算符创建出过滤器对象
3.定义scan对象，然后把过滤器对象设置到scan对象上
4.获取table对象，调用table的getScanner方法，把scan作为参数，即可获取过滤扫描的结果
人员信息表
人员的基本信息、人员联系方式信息
基本信息：姓名、性别、年龄、身份证号 。。。
联系方式：电话
邮寄地址
person_info
i c
name phone_1
gender phone_2
age mail_1
id_card mail_2
查询出person_info里面所有的电话号
c列簇下的qialify like 'phone_%'
QualifyFilter
*FuzzyRowFilter对rowkey进行指定字节位置处的数据进行模糊匹配比较
比方说：
rowkey：UserID + CreateTime + FileID
rowkey长度： 6 + 8 + 8 字节
我们只对时间进行限制查询，可以使用fuzzyFilter对rowkey上第6个字节开始到13个字节的数据
和给定的时间来进行比较
FuzzyRowFilter在每一个fuzzyFilter比较值之间接受两个参数，
第二个参数用来保证哪个位置处的数据会被比较
第一个参数用来提供比较值
【x】【f】【ee】【a】【3】【3】 【2】【0】【1】【8】【0】【1】【0】【2】 【x】【x】【x】【x】【x】【x】【x】【x】
提取日期=20180312的数据
第一个参数：
【x】【x】【x】【x】【x】【x】 【2】【0】【1】【8】【0】【3】【1】【2】 【x】【x】【x】【x】【x】【x】【x】【x】
第二个参数：
【1】【1】【1】【1】【1】【1】 【0】【0】【0】【0】【0】【0】【0】【0】 【1】【1】【1】【1】【1】【1】【1】【1】
作业：实现hbase的分页查询
分页查询，查询条件：当前页码pageIndex 每页的数据量：pageSize
从第(pageIndex-1)*pageSize条开始取数据
取pageSize条记录
public getInfoByPage(int pageIndex,int pageSize){
}
hbase上如何实现：
1.PageFilter：看一下就行了
2.获取到ResultScanner
然后空掉ResultScanner的next()方法,掉用(pageIndex-1)*pageSize，不取数据
然后从下一个next处开始取数据，然后取pageSize条本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
