1、什么是Hadoop？什么是hive？
Hadoop：一个分布式系统基础架构，由Apache基金会开发，用户可以在不了解分布式底层细节的情况下，开发分布式程序，充分利用集群的威力告诉运算和存储。
Hadoop是项目的总称，主要是由分布式存储（HDFS）、分布式运算（MapReduce）组成。
HIVE是一个SQL解析引擎，它将SQL语句转译成M/RJOB 然后再Hadoop执行，与传统数据库完全不同，只是采用了同样的sql界面。
2、hadoop基本操作
2.1 查看指定目录下内容
Hadoop dfs –ls[文件目录]
如：hadoop dfs –ls /user/war/wangkai.pt
2.2 打开某个已存在的文件
Hadoop dfs –cat [file_path]
如：hadoop dfs –cat /user/war/wangkai.pt/test.txt
2.3 删除某个文件
hadoop fs -rm hdfs://ns4/user/mart_vdp/app.db/app_vdp_jdb_jw_store_task_rules/store_task.txt
2.4 将本地文件存储至hadoop
Hadoop fs –put [本地地址]
3、hive基本操作
3.1 进入hive
登陆hadoop服务器后，输入 hive（这处理的有点慢，多等会）
显示成hive>
>
后，即表示进入到hive中
3.2 hive基本操作
3.2.1 建表
语句：
CREATE [EXTERNAL] TABLE table_name
(col_name data_rype,.....)
[PATTITIONED BY (col_name data_type)]
[ROW FORMAT DELIMITED
[FIELDS TERMINATED BY '/t' ]
[STORED AS TEXTFILE]
举例：
create table input_data_test #表名
( item_sku_id string , #字段名称 字段类型
provider_code string ,
delivery_center string ,
stock bigint )
COMMETN '注释：XXXXX' #表注释
PARTITIONED BY ("ACTIVE") #分区表字段（如果文件非常大的话，采用分区表可以快速过滤出按分区字段划分的数字）
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '/t' #字段之间是按照什么分割开的，这个例子是中按照tab键分开，还可以使用其他字符，如|分开
STORED AS TEXTFILE; ＃用哪种方式存储数据
3.2.2 查看库
语句：show databases;
使用某一个库：use database；
3.2.3 查看表
语句：show tables
可以使用模糊查询：show tables '*TMP*'
查看表有哪些分区： show partitions table；
使用某一个表：use table;
查看表字段：desc table;
3.2.4删除表
Drop table table_name;
3.2.5增加字段：
alter table fdm_cep_ql_service_center_chain add columns (jd_account string);
3.2.6 导入数据
使用load命令将数据导入表中 load操作只是将数据复制/移动至Hive表对应的位置，不会对数据进行任何转换。
语句：
load data [local] inpath 'filepath' [overwrite] into table tablename [partition ]
举例：
load data local inpath '/python/app/task/data/gdm_m03_item_sku_da_06.txt' into table gdm.gdm_m03_item_sku_da;（不带分区）
load data local inpath '/python/app/task/data/no_commission_rules.txt' into table app.app_vdp_nojdb_jw_sku_commission_rules;（带分区）
注：就是普通的insert，只不过数据来源是通过inpath路径找到的，insert之前保证表已建完，并且格式于建表语句要求的格式一致（换行、分隔符等）
3.2.7 查询
1、where 语句
Where语句是个布尔表达式，例如：下面的查询语句只返回销售记录大于10，且归属地属于美国的销售代表。
Select * from sales where amount >10 and region =’US’
注：hive不支持where子句中的IN、EXIST或子查询。
2、基于partition的查询
一般select查询会扫描整个表（除非是为了抽样查询）。但是如果一个表使用partitioned by子句建表，查询就可以利用分区剪枝（input pruning）的特性，只扫描一个表中他关心的那一部分。
Hive当前的是实现是。只有分区断言出现在离from子句最近的那个where子句中，才会取用分区剪枝。
例如，如果表app_vdp_base_jdbang_income_ma_sum使用date列分区，一下语句只会读取分区为‘2016-06-01’的数据。
Select *
from app_vdp_base_jdbang_income_ma_sum
where tx_dt>=’2016-06-01’ and tx_dt <=’2016-06-31’
3、limit查询
Limit可以限制查询的记录数，查询的结果是随机选择的。下边的查询语句从t1表中随机查询5条记录：
Select * from t1 limit 5;
如果需要查询top多少的数据，则需要使用下面的语句：
查询销售记录最大的5个销售代表：
Select * from sales order by amount desc limit 5;
3.2.8 修改数据
Hive不支持update数据。
同时，hive导入数据的时候不会自动去重。
3.2.9 删除数据
Hive不支持条件删除，只能删除整个表后再重新建。
3.2.10 结果导出
在hive中查询出表数据后，如果数据太多，不好看，可以将数据导出来，然后在本地使用UE等工具查看。此命令在在linux下执行
格式：hive –e ‘查询语句’ > 文件名.txt #将查询语句查询出来的结果导出到txt中
例如：
hive - e 'select * from app.app_vdp_jdbang_jwang_xiadan_detail;' > wangsha1.txt
