24、Hive 教程 - 谈谈 Hive 开发过程中需要注意的二三事?

一、前言

主要讲讲一些 Hive 开发过程中需要注意的一些规范,大家可要注意┗|`O′|┛ 嗷~~ 🚢

二、建表规范

Hive 分为内部表和外部表,一般情况,只允许建外部表,不建议使用内部表 ❗

2.1 LZO标准建表模板如下所示

create EXTERNAL table app_sku_pur_attrib (

stat_dt string comment '统计日期' ,

ord_item_units double comment '下单商品件数',

valid_ord_qtty bigint comment '有效订单量' )

comment '商品采销属性'

PARTITIONED BY ( dt string )

ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe'

WITH SERDEPROPERTIES ( 'field.delim'='\t' )

STORED AS INPUTFORMAT "com.hadoop.mapred.DeprecatedLzoTextInputFormat"

OUTPUTFORMAT "org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat";

##建表时需要加上表注释、字段注释;

2.2 ORC标准建表模板如下所示

create external table app_jdw_jmart_zbinfo_test_test(

capacity_all float comment '数据总容量PB',

deal_data_dt float comment '日处理数据量PB',

add_data_dt float comment '日新增数据量PB',

add_job_dt float comment '日运行job数W',

machine_num int comment '平台总机器数',

corejob_avgtime string comment '核心任务平均运行时长')

PARTITIONED BY ( week_nm string,dt string )

ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' (列分隔符)

NULL DEFINED AS "" (空值展示为"")

STORED AS ORC (存储格式为ORC,不可少)

LOCATION '*************' (指定表的location)

tblproperties ('orc.compress'='SNAPPY'); (ORC压缩格式为SNAPPY)

三、字段类型使用 Hive 标准字段

**原生类型:**

    TINYINT

    SMALLINT

    INT

    BIGINT

    BOOLEAN

    FLOAT

    DOUBLE

    STRING

    BINARY (Hive 0.8.0以上才可用)

    TIMESTAMP (Hive 0.8.0以上才可用)

**复合类型:**

    arrays: ARRAY<data_type>

    maps: MAP<primitive_type, data_type>

    structs: STRUCT<col_name : data_type [COMMENT col_comment], ...>

    union: UNIONTYPE<data_type, data_type, ...>

四、数据类型标准

为了提高通用性,代码字段尽量不用数字型,建议多采用STRING类型;

日期类型字段由于格式多样,造成在信息加工处理过程中的格式转换复杂且易出错,因此对日期类型字段统一制定如下规范

“2013-01-01 13:35:23.71” 为例说明日期字段类型规范内容。

五、HDFS 目录规范

5.1 表的 HDFS 目录与分区层级的名称和顺序保持一致

正确:

表分区dt=update

Hdfs目录:hdfs://ns3/user/jd_ad/chenyanan/source_id_base64/dt=update

表分区:dt,dp

Hdfs目录:

hdfs://ns3/user/jd_ad/ad.db/ad_ads_swc_request_log/dt=20161104/dp=03

错误:

表分区dt=update

hdfs目录:hdfs://ns3/user/jd_ad/chenyanan/source_id_base64/update

表分区:dt,dp

Hdfs目录:

hdfs://ns3/user/jd_ad/ad.db/ad_ads_swc_request_log/2016110403

5.2 表的 HDFS 目录中不能有特殊字符(只能包含字母、数字、=、-)

错误:hdfs://ns3/user/jd_ad/ad.db/ad_base_model_click/dt=%22%22%22+ ht.data_day_str + %22%22%22,包含%符号

正确:hdfs://ns3/user/jd_ad/ad.db/ad_base_model_click/dt=222222