OS:LINUX ubuntu server 9.10

事前要先架好subversion 叢集hadoop

1.首先使用svn update hive的資料 在用ant執行package

cd /opt
svn co http://svn.apache.org/repos/asf/hadoop/hive/trunk hive
cd hive
ant package

2.在/opt/hadoop/conf/hadoop-env.sh

加上export HIVE_HOME=/opt/hive

3.啟動hadoop

cd /opt/hadoop

本機執行 bin/hadoop namenode -format

bin/start-dfs.sh

bin/start-mapred.sh

bin/hadoop fs -mkdir /tmp
bin/hadoop fs -mkdir /user/hive/warehouse
bin/hadoop fs -chmod g+w /tmp
bin/hadoop fs -chmod g+w /user/hive/warehouse

4.啟動hive

cd /opt/hive

/bin/hive

ps如果跑出缺少*.jar檔 則要去下載

cd /opt

wget http://archive.cloudera.com/cdh/testing/hive-0.4.0+14.tar.gz

下載上面連結檔案然後解壓縮把裡面/lib/的jar檔都複製到/opt/hive/lib/下

tar -zxvf hive-0.4.0+14.tar.gz

mv hive-0.4.0+14 hive2

cp /opt/hive2/lib/*.jar /opt/hive/lib/

依/opt/bin/hive執行檔的內容 更改jar的檔名 依我的為例

cp hive_exec.jar hive-exec-.jar

cp hive_metastore.jar hive-metastore-.jar

cp hive_cli.jar  hive-cli-.jar

就可以執行/opt/hive/bin/hive

5.成功執行hive會跑出hive>

然後就可以打指令(大小寫沒差)

a.創造TABLE

CREATE TABLE pokes (foo INT, bar STRING); 

以下指令指出ds是一個virtual column

CREATE TABLE invites (foo INT, bar STRING) PARTITIONED BY (ds STRING);  

b.show

SHOW TABLES;
SHOW TABLES '.*s'; <-秀出結尾為s的table

c.描述Table

DESCRIBE invites;

d.增加column及改名

ALTER TABLE pokes ADD COLUMNS (new_col INT);
ALTER TABLE invites ADD COLUMNS (new_col2 INT COMMENT 'a comment');
ALTER TABLE invites RENAME TO invite;

(後面還要用到先不要改名)

e.刪掉table

DROP TABLE pokes;

(後面還要用到先不要刪)

f.網頁觀看

可以在http://192.168.1.4:50070裡面找到喔

6.輸入data (編輯檔案可以開另一個terminal) 不然重登hive還要重create table 不過裡面的檔案都還在...怪怪的

cd /opt/hive

mkdir examples

cd exampes

mkdir files

cd files

gedit kv1.txt

內容 欄與欄用空白鍵隔開

123 string

12 asd

2 1234

輸入到pokes table

hive> LOAD DATA LOCAL INPATH '/opt/hive/examples/files/kv1.txt' OVERWRITE INTO TABLE pokes; 

hive> LOAD DATA LOCAL INPATH '/opt/hive/examples/files/kv1.txt' OVERWRITE INTO TABLE invites PARTITION (ds='2009-01-31');

hive> LOAD DATA LOCAL INPATH '/opt/hive/examples/files/kv1.txt' OVERWRITE INTO TABLE invites PARTITION (ds='2009-01-31');

由上面指令可以看到virtual column ds的用處 可以另外輸入如時間等的標記 不過不能省略不輸入ds

OVERWRITE 是覆蓋舊檔 如果省略OVERWRITE 那麼就會累加進TABLES裡

7.使用SQL指令

由於是使用mapreduce的查詢 所以要設定 (可以參考/opt/hadoop/conf/hadoop-site.xml)

hive> SET mapred.job.tracker=192.168.1.4:9001;

hive> SET -v ; <-可以跑出目前的設定 可以依上面的方法去更改設定

hive> SET mapred.job.tracker; <-看單一設定

hive> SET fs.default.name=主機host名稱:9000;

hive> SELECT a.foo FROM invites a WHERE a.ds='<2010-1-31>';

上面這句會跑 不過沒有任何結果 因為沒有說要把結果存在那

hive> INSERT OVERWRITE DIRECTORY '/tmp/hdfs_out' SELECT a.* FROM invites a WHERE a.ds='<2010-1-31>';

hive> INSERT OVERWRITE LOCAL DIRECTORY '/tmp/local_out' SELECT a.* FROM pokes a;

上面第一句是說把結果存在hdfs://tmp/hdfs_out

第二句是說把結果存在本機 /tmp/local_out 為一般檔案

下面這句是把結果放在table裡

INSERT OVERWRITE TABLE events SELECT a.* FROM profiles a WHERE a.key < 100; 

8.其它sql

group by

INSERT OVERWRITE TABLE events SELECT a.bar, count(1) FROM invites a WHERE a.foo > 0 GROUP BY a.bar;

FROM invites a INSERT OVERWRITE TABLE events SELECT a.bar, count(1) WHERE a.foo > 0 GROUP BY a.bar;

FROM可以移到前面

join

INSERT OVERWRITE TABLE events SELECT t1.bar, t1.foo, t2.foo FROM pokes t1 JOIN invites t2 ON (t1.bar = t2.bar);

streaming

FROM invites a INSERT OVERWRITE TABLE events SELECT TRANSFORM(a.foo, a.bar) AS (oof, rab) USING '/bin/cat' WHERE a.ds > '2008-08-09';

COUNT(1)

算row數

SELECT COUNT(1) FROM invites;

9.ps

CREATE TABLE u_data (
  userid INT,
  movieid INT,
  rating INT,
  unixtime STRING)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t' <-可以指定斷欄的符號
STORED AS TEXTFILE;


wget http://www.grouplens.org/system/files/ml-data.tar__0.gz
tar -xvzf ml-data.tar__0.gz

LOAD DATA LOCAL INPATH 'ml-data/u.data' OVERWRITE INTO TABLE u_data;

把下載的資料解壓縮後注入u_data

創造一個檔案weekday_mapper.py 內容如下

import sys
import datetime

for line in sys.stdin:
  line = line.strip()
  userid, movieid, rating, unixtime = line.split('\t')
  weekday = datetime.datetime.fromtimestamp(float(unixtime)).isoweekday()
  print '\t'.join([userid, movieid, rating, str(weekday)])

然後下指令加入

add FILE weekday_mapper.py;


CREATE TABLE u_data_new (
  userid INT,
  movieid INT,
  rating INT,
  weekday INT)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t';


INSERT OVERWRITE TABLE u_data_new
SELECT
  TRANSFORM (userid, movieid, rating, unixtime)
  USING 'python weekday_mapper.py'
  AS (userid, movieid, rating, weekday)
FROM u_data;

上面是說 TRANSFORM u_data的欄位AS u_data_new的欄位 使用weekday_mapper.py作轉換

將string的時間中的星期資料轉出來且形態為int

觀看

SELECT weekday, COUNT(1)
FROM u_data_new
GROUP BY weekday;

10.ps

weblog

add jar ../build/contrib/hive_contrib.jar;

CREATE TABLE apachelog (
  host STRING,
  identity STRING,
  user STRING,
  time STRING,
  request STRING,
  status STRING,
  size STRING,
  referer STRING,
  agent STRING)
ROW FORMAT SERDE 'org.apache.hadoop.hive.contrib.serde2.RegexSerDe'
WITH SERDEPROPERTIES (
  "input.regex" = "([^ ]*) ([^ ]*) ([^ ]*) (-|\\[[^\\]]*\\]) ([^ \"]*|\"[^\"]*\") (-|[0-9]*) (-|[0-9]*)(?: ([^ \"]*|\"[^\"]*\") ([^ \"]*|\"[^\"]*\"))?",
  "output.format.string" = "%1$s %2$s %3$s %4$s %5$s %6$s %7$s %8$s %9$s"
)
STORED AS TEXTFILE;

arrow
arrow
    全站熱搜
    創作者介紹
    創作者 caramels 的頭像
    caramels

    Samuel

    caramels 發表在 痞客邦 留言(0) 人氣()