[TOC]
# hive的數據類型
Hive的內置數據類型可以分為兩大類:
1. 基礎數據類型;
2. 復雜數據類型
# hive基本數據類型
基礎數據類型包括:TINYINT,SMALLINT,INT,BIGINT,BOOLEAN,FLOAT,DOUBLE,STRING,BINARY,TIMESTAMP,DECIMAL,CHAR,VARCHAR,DATE。

# hive集合類型
集合類型主要包括:array,map,struct等,hive的特性支持集合類型,這特性是關系型數據庫所不支持的,利用好集合類型可以有效提升SQL的查詢速率。
## 集合類型之array
`collection items terminated by '-';`這就是指定集合類型的分隔符
1. 先創建一張表
~~~
create table t_array(id int,name string,hobby array<string>)
row format delimited
fields terminated by ','
collection items terminated by '-';
~~~
2. 準備數據文件 array.txt
~~~
1,zhangsan,唱歌-跳舞-游泳
2,lisi,打游戲-籃球
~~~
3. 加載數據文件到t_array表中
~~~
load data local inpath '/root/array.txt' into table t_array;
~~~
4. 查詢數據
~~~
select id ,name,hobby[0],hobby[1] from t_array;
~~~
注意:array的訪問元素和java中是一樣的,這里通過索引來訪問。
## 集合類型之map
`map keys terminated by ':' ;`map的分割符,就是k-v鍵值對之間的分割符
1. 先創建一張表
~~~
create table t_map(id int,name string,hobby map<string,string>)
row format delimited
fields terminated by ','
collection items terminated by '-'
map keys terminated by ':' ;
~~~
2. 準備數據文件 map.txt
~~~
1,zhangsan,唱歌:非常喜歡-跳舞:喜歡-游泳:一般般
2,lisi,打游戲:非常喜歡-籃球:不喜歡
~~~
3. 加載數據文件到t_map表中
~~~
load data local inpath '/root/map.txt' into table t_map;
~~~
4. 查詢數據
~~~
select id,name,hobby['唱歌'] from t_map;
~~~
注意:map的訪問元素中的value和java中是一樣的,這里通過key來訪問。
## 集合類型之struct
1. 先創建一張表
~~~
create table t_struct(id int,name string,address struct<country:string,city:string>)
row format delimited
fields terminated by ','
collection items terminated by '-';
~~~
2. 準備數據文件 struct.txt
~~~
1,zhangsan,china-beijing
2,lisi,USA-newyork
~~~
3. 加載數據文件到t_struct表中
~~~
load data local inpath '/root/struct.txt' into table t_struct;
~~~
4. 查詢數據
~~~
select id,name,address.country,address.city from t_struct;
~~~
總結:struct訪問元素的方式是通過.符號
- linux
- 常用命令
- 高級文本命令
- 面試題
- redis
- String
- list
- hash
- set
- sortedSet
- 案例-推薦
- java高級特性
- 多線程
- 實現線程的三種方式
- 同步關鍵詞
- 讀寫鎖
- 鎖的相關概念
- 多線程的join
- 有三個線程T1 T2 T3,保證順序執行
- java五種線程池
- 守護線程與普通線程
- ThreadLocal
- BlockingQueue消息隊列
- JMS
- 反射
- volatile
- jvm
- IO
- nio
- netty
- netty簡介
- 案例一發送字符串
- 案例二發送對象
- 輕量級RPC開發
- 簡介
- spring(IOC/AOP)
- spring初始化順序
- 通過ApplicationContextAware加載Spring上下文
- InitializingBean的作用
- 結論
- 自定義注解
- zk在框架中的應用
- hadoop
- 簡介
- hadoop集群搭建
- hadoop單機安裝
- HDFS簡介
- hdfs基本操作
- hdfs環境搭建
- 常見問題匯總
- hdfs客戶端操作
- mapreduce工作機制
- 案列-單詞統計
- 局部聚合Combiner
- 案列-流量統計(分區,排序,比較)
- 案列-倒排索引
- 案例-共同好友
- 案列-join算法實現
- 案例-求topN(分組)
- 自定義inputFormat
- 自定義outputFormat
- 框架運算全流程
- mapreduce的優化方案
- HA機制
- Hive
- 安裝
- DDL操作
- 創建表
- 修改表
- DML操作
- Load
- insert
- select
- join操作
- 嚴格模式
- 數據類型
- shell參數
- 函數
- 內置運算符
- 內置函數
- 自定義函數
- Transform實現
- 特殊分割符處理
- 案例
- 級聯求和accumulate
- flume
- 簡介
- 安裝
- 常用的組件
- 攔截器
- 案例
- 采集目錄到HDFS
- 采集文件到HDFS
- 多個agent串聯
- 日志采集和匯總
- 自定義攔截器
- 高可用配置
- 使用注意
- sqoop
- 安裝
- 數據導入
- 導入數據到HDFS
- 導入關系表到HIVE
- 導入表數據子集
- 增量導入
- 數據導出
- 作業
- 原理
- azkaban
- 簡介
- 安裝
- 案例
- 簡介
- command類型單一job
- command類型多job工作流flow
- HDFS操作任務
- mapreduce任務
- hive腳本任務
- hbase
- 簡介
- 安裝
- 命令行
- 基本CURD
- 過濾器查詢
- 系統架構
- 物理存儲
- 尋址機制
- 讀寫過程
- Region管理
- master工作機制
- 建表高級屬性
- 與mapreduce結合
- 協處理器
- 點擊流平臺開發
- 簡介
- storm
- 簡介
- 安裝
- 集群啟動及任務過程分析
- 單詞統計
- 并行度
- ACK容錯機制
- ACK簡介