一、实验目的
(1)理解 Hive 作为数据仓库在 Hadoop 体系结构中的角色。
(2)熟练使用常用的 HiveQL。
二、实验平台
- 操作系统:Ubuntu18.04(或Ubuntu16.04);
- Hadoop版本:3.1.3;
- Hive版本:3.1.2;
- JDK版本:1.8。
三、数据集
准备工作:
- 由《Hive编程指南》(O’Reilly系列,人民邮电出版社)提供,下载地址: https://raw.githubusercontent.com/oreillymedia/programming_hive/master/prog-hive-1st-ed-data.zip
- 备用下载地址: https://www.cocobolo.top/FileServer/prog-hive-1st-ed-data.zip
- 下载慢可参考我上传的资源:林子雨Hive数据集下载
解压后可以得到本实验所需的
stocks.csv
和
dividends.csv
两个文件。
进入你的 Downloads(下载)文件夹,右键解压刚下载的数据压缩包,进入
prog-hive-1st-ed-data
文件夹,右键打开终端:
cd ~/Downloads/prog-hive-1st-ed-data
sudocp ./data/stocks/stocks.csv /usr/local/hive
sudocp ./data/dividends/dividends.csv /usr/local/hive
进入 Hadoop 目录,启动 Hadoop:
cd /usr/local/hadoop
sbin/start-dfs.sh
启动 MySQL:
service mysql start
切换到 Hive 目录下,启动 MySQL 和 Hive:
cd /usr/local/hive
bin/hive
四、实验步骤
(1)创建一个内部表 stocks,字段分隔符为英文逗号,表结构如下所示:
stocks 表结构:
col_namedata_typeexchangestringsymbolstringymdstringprice_openfloatprice_highfloatprice_lowfloatprice_closefloatvolumeintprice_adj_closefloat
代码:
createtableifnotexists stocks
(`exchange` string,`symbol` string,`ymd` string,`price_open`float,`price_high`float,`price_low`float,`price_close`float,`volume`int,`price_adj_close`float)row format delimited fieldsterminatedby',';
查看表:
hive>describe stocks;
OK
exchange string
symbol string
ymd string
price_open float
price_high float
price_low float
price_close float
volume int
price_adj_close floatTime taken: 0.062 seconds, Fetched: 9row(s)
hive>
(2)创建一个外部分区表 dividends(分区字段为 exchange 和 symbol),字段分隔符为英文逗号,表结构如下所示:
dividends 表结构
col_namedata_typeymdstringdividendfloatexchangestringsymbolstring
代码:
create external tableifnotexists dividends
(`ymd` string,`dividend`float)
partitioned by(`exchange` string ,`symbol` string)row format delimited fieldsterminatedby',';
查看表:
hive>describe dividends;
OK
ymd string
dividend float
exchange string
symbol string
# Partition Information # col_name data_type comment
exchange string
symbol string
Time taken: 0.106 seconds, Fetched: 9row(s)
hive>
(3)从 stocks.csv 文件向 stocks 表中导入数据:
代码:
loaddatalocal inpath '/usr/local/hive/stocks.csv' overwrite intotable stocks;
(4) 创建一个未分区的外部表 dividends_unpartitioned,并从 dividends.csv 向其中导入数据,表结构如下所示:
dividends_unpartitioned 表结构
col_namedata_typeymdstringdividendfloatexchangestringsymbolstring
代码:
create external tableifnotexists dividends_unpartitioned
(`exchange` string ,`symbol` string,`ymd` string,`dividend`float)row format delimited fieldsterminatedby',';
导入数据:
loaddatalocal inpath '/usr/local/hive/dividends.csv' overwrite intotable dividends_unpartitioned;
(5)通过对 dividends_unpartitioned 的查询语句,利用 Hive 自动分区特性向分区表 dividends 各个分区中插入对应数据。
代码:
set hive.exec.dynamic.partition=true;set hive.exec.dynamic.partition.mode=nonstrict;set hive.exec.max.dynamic.partitions.pernode=1000;insert overwrite table dividends partition(`exchange`,`symbol`)select`ymd`,`dividend`,`exchange`,`symbol`from dividends_unpartitioned;
(6)查询IBM公司(symbol = IBM)从 2000 年起所有支付股息的交易日(dividends 表中有对应记录)的收盘价(price_close)。
操作语句如下:
select s.ymd,s.symbol,s.price_close
from stocks s
LEFT SEMI JOIN
dividends d
ON s.ymd=d.ymd and s.symbol=d.symbol
where s.symbol='IBM'andyear(ymd)>=2000;
输出如下(折叠部分输出):
2010-02-08 IBM 121.882009-11-06 IBM 123.492009-08-06 IBM 117.38...2000-05-08 IBM 109.752000-02-08 IBM 118.81Time taken: 8.75 seconds, Fetched: 41row(s)
(7)查询苹果公司(symbol = AAPL)2008 年 10 月每个交易日的涨跌情况,涨显示 rise,跌显示 fall,不变显示 unchange。
操作语句如下:
select ymd,casewhen price_close-price_open>0then'rise'when price_close-price_open<0then'fall'else'unchanged'endas situation
from stocks
where symbol='AAPL'and substring(ymd,0,7)='2008-10';
输出如下(折叠部分输出):
2008-10-31 rise
2008-10-30 rise
...2008-10-02 fall
2008-10-01 fall
Time taken: 0.1 seconds, Fetched: 23row(s)
(8)查询 stocks 表中收盘价(price_close)比开盘价(price_open)高得最多的那条记录的交易所(exchange)、股票代码(symbol)、日期(ymd)、收盘价、开盘价及二者差价。
操作语句如下:
select`exchange`,`symbol`,`ymd`,price_close,price_open,price_close-price_open as`diff`from(select*from stocks
orderby price_close-price_open desclimit1)t;
输出如下:
NASDAQ INFY 2000-02-11670.06534.5135.56Time taken: 4.476 seconds, Fetched: 1row(s)
9)从 stocks 表中查询苹果公司(symbol=AAPL)年平均调整后收盘价(price_adj_close)大于 50 美元的年份及年平均调整后收盘价。
操作语句如下:
selectyear(ymd)as`year`,avg(price_adj_close)as avg_price from stocks
where`exchange`='NASDAQ'and symbol='AAPL'groupbyyear(ymd)having avg_price >50;
输出如下:
200670.810637531052552007128.273904230490162008141.97901150548882009146.814127119760662010204.72159912109376Time taken: 2.347 seconds, Fetched: 5row(s)
(10)查询每年年平均调整后收盘价(price_adj_close)前三名的公司的股票代码及年平均调整后收盘价。
操作语句如下:
select t2.`year`,symbol,t2.avg_price
from(select*,row_number()over(partitionby t1.`year`orderby t1.avg_price desc)as`rank`from(selectyear(ymd)as`year`,
symbol,avg(price_adj_close)as avg_price
from stocks
groupbyyear(ymd),symbol
)t1
)t2
where t2.`rank`<=3;
输出如下(折叠部分输出):
NULL stock_symbol NULL1962 IBM 2.00722221344236341962 GE 0.16876984293025638...2009 GTC 174.116071156093062010 ISRG 319.753601074218752010 AMEN 313.8752010 GTC 214.36719848632814Time taken: 7.715 seconds, Fetched: 140row(s)
五、总结
版权归原作者 Z.Q.Feng 所有, 如有侵权,请联系我们删除。