Hive编程指南

资源名称：Hive编程指南

内容简介：

《Hive编程指南》是一本Apache Hive的编程指南，旨在介绍如何使用Hive的SQL方法HiveQL来汇总、查询和分析存储在Hadoop分布式文件系统上的大数据集合。全书通过大量的实例，首先介绍如何在用户环境下安装和配置Hive，并对Hadoop和MapReduce进行详尽阐述，最终演示Hive如何在Hadoop生态系统进行工作。

　　《Hive编程指南》适合对大数据感兴趣的爱好者以及正在使用Hadoop系统的数据库管理员阅读使用。

资源目录：

第1章　基础知识　

1.1　Hadoop和MapReduce综述　

1.2　Hadoop生态系统中的Hive　

1.2.1　Pig　

1.2.2　HBase　

1.2.3　Cascading、Crunch及其他　

1.3　Java和Hive：词频统计算法　

1.4　后续事情　

第2章　基础操作　

2.1　安装预先配置好的虚拟机　

2.2　安装详细步骤　

2.2.1　装Java　

2.2.2　安装Hadoop　

2.2.3　本地模式、伪分布式模式和分布式模式　

2.2.4　测试Hadoop　

2.2.5　安装Hive　

2.3　Hive内部是什么　

2.4　启动Hive　

2.5　配置Hadoop环境　

2.5.1　本地模式配置　

2.5.2　分布式模式和伪分布式模式配置　

2.5.3　使用JDBC连接元数据　

2.6　Hive命令　

2.7　命令行界面　

2.7.1　CLI 选项　

2.7.2　变量和属性　

2.7.3　Hive中“一次使用”命令　

2.7.4　从文件中执行Hive查询　

2.7.5　hiverc文件　

2.7.6　使用Hive CLI的更多介绍　

2.7.7　查看操作命令历史　

2.7.8　执行shell命令　

2.7.9　在Hive内使用Hadoop的dfs命令　

2.7.10　Hive脚本中如何进行注释　

2.7.11　显示字段名称　

第3章　数据类型和文件格式　

3.1　基本数据类型　

3.2　集合数据类型　

3.3　文本文件数据编码　

3.4　读时模式　

第4章　HiveQL：数据定义　

4.1　Hive中的数据库　

4.2　修改数据库　

4.3　创建表　

4.3.1　管理表　

4.3.2　外部表　

4.4　分区表、管理表　

4.4.1　外部分区表　

4.4.2　自定义表的存储格式　

4.5　删除表　

4.6　修改表　

4.6.1　表重命名　

4.6.2　增加、修改和删除表分区　

4.6.3　修改列信息　

4.6.4　增加列　

4.6.5　删除或者替换列　

4.6.6　修改表属性　

4.6.7　修改存储属性　

4.6.8　众多的修改表语句　

第5章　HiveQL：数据操作　

5.1　向管理表中装载数据　

5.2　通过查询语句向表中插入数据　

5.3　单个查询语句中创建表并加载数据　

5.4　导出数据　

第6章　HiveQL：查询　

6.1　SELECT…FROM语句　

6.1.1　使用正则表达式来指定列　

6.1.2　使用列值进行计算　

6.1.3　算术运算符　

6.1.4　使用函数　

6.1.5　LIMIT语句　

6.1.6　列别名　

6.1.7　嵌套SELECT语句　

6.1.8　CASE…WHEN…THEN 句式　

6.1.9　什么情况下Hive可以避免进行MapReduce　

6.2　WHERE语句　

6.2.1　谓词操作符　

6.2.2　关于浮点数比较　

6.2.3　LIKE和RLIKE　

6.3　GROUP BY 语句　

6.4　JOIN语句　

6.4.1　INNER JOIN　

6.4.2　JOIN优化　

6.4.3　LEFT OUTER JOIN　

6.4.4　OUTER JOIN　

6.4.5　RIGHT OUTER JOIN　

6.4.6　FULL OUTER JOIN　

6.4.7　LEFT SEMI-JOIN　

6.4.8　笛卡尔积JOIN　

6.4.9　map-side JOIN　

6.5　ORDER BY和SORT BY　

6.6　含有SORT BY 的DISTRIBUTE BY　

6.7　CLUSTER BY　

6.8　类型转换　

6.9　抽样查询　

6.9.1　数据块抽样　

6.9.2　分桶表的输入裁剪　

6.10　UNION ALL　

第7章　HiveQL：视图　

7.1　使用视图来降低查询复杂度　

7.2　使用视图来限制基于条件过滤的数据　

7.3　动态分区中的视图和map类型　

7.4　视图零零碎碎相关的事情　

第8章　HiveQL：索引　

8.1　创建索引　

8.2　重建索引　

8.3　显示索引　

8.4　删除索引　

8.5　实现一个定制化的索引处理器　

第9章　模式设计　

9.1　按天划分的表　

9.2　关于分区　

9.3　唯一键和标准化　

9.4　同一份数据多种处理　

9.5　对于每个表的分区　

9.6　分桶表数据存储　

9.7　为表增加列　

9.8　使用列存储表　

9.8.1　重复数据　

9.8.2　多列　

9.9　(几乎)总是使用压缩　

第10章　调优　

10.1　使用EXPLAIN　

10.2　EXPLAIN EXTENDED　

10.3　限制调整　

10.4　JOIN优化　

10.5　本地模式　

10.6　并行执行　

10.7　严格模式　

10.8　调整mapper和reducer个数　

10.9　JVM重用　

10.10　索引　

10.11　动态分区调整　

10.12　推测执行　

10.13　单个MapReduce中多个GROUP BY　

10.14　虚拟列　

第11章　其他文件格式和压缩方法　

11.1　确定安装编解码器　

11.2　选择一种压缩编/解码器　

11.3　开启中间压缩　

11.4　最终输出结果压缩　

11.5　sequence file存储格式　

11.6　使用压缩实践　

11.7　存档分区　

11.8　压缩：包扎　

第12章　开发　

12.1　修改Log4J属性　

12.2　连接Java调试器到Hive　

12.3　从源码编译Hive　

12.3.1　执行Hive测试用例　

12.3.2　执行hook　

12.4　配置Hive和Eclipse　

12.5　Maven工程中使用Hive　

12.6　Hive中使用hive_test进行单元测试　

12.7　新增的插件开发工具箱(PDK)　

第13章　函数　

13.1　发现和描述函数　

13.2　调用函数　

13.3　标准函数　

13.4　聚合函数　

13.5　表生成函数　

13.6　一个通过日期计算其星座的UDF　

13.7　UDF与GenericUDF　

13.8　不变函数　

13.9　用户自定义聚合函数　

13.10　用户自定义表生成函数　

13.10.1　可以产生多行数据的UDTF　

13.10.2　可以产生具有多个字段的单行数据的UDTF　

13.10.3　可以模拟复杂数据类型的UDTF　

13.11　在 UDF中访问分布式缓存　

13.12　以函数的方式使用注解　

13.12.1　定数性(deterministic)标注　

13.12.2　状态性(stateful)标注　

13.12.3　唯一性　

13.13　宏命令　

第14章　Streaming　

14.1　恒等变换　

14.2　改变类型　

14.3　投影变换　

14.4　操作转换　

14.5　使用分布式内存　

14.6　由一行产生多行　

14.7　使用streaming进行聚合计算　

14.8　CLUSTER BY、DISTRIBUTE BY、SORT BY　

14.9　GenericMR Tools for Streaming to Java　

14.10　计算cogroup　

第15章　自定义Hive文件和记录格式　

15.1　文件和记录格式　

15.2　阐明CREATE TABLE句式　

15.3　文件格式　

15.3.1　SequenceFile　

15.3.2　RCfile　

15.3.3　示例自定义输入格式：DualInputFormat　

15.4　记录格式：SerDe　

15.5　CSV和TSV SerDe　

15.6　ObjectInspector　

15.7　Thing Big Hive Reflection ObjectInspector　

15.8　XML UDF　

15.9　XPath相关的函数　

15.10　JSON SerDe　

15.11　Avro Hive SerDe　

15.11.1　使用表属性信息定义Avro Schema　

15.11.2　从指定URL中定义Schema　

15.11.3　进化的模式　

15.12　二进制输出　

第16章　Hive的Thrift服务　

16.1　启动Thrift Server　

16.2　配置Groovy使用HiveServer　

16.3　连接到HiveServer　

16.4　获取集群状态信息　

16.5　结果集模式　

16.6　获取结果　

16.7　获取执行计划　

16.8　元数据存储方法　

16.9　管理HiveServer　

16.9.1　生产环境使用HiveServer　

16.9.2　清理　

16.10　Hive ThriftMetastore　

16.10.1　ThriftMetastore 配置　

16.10.2　客户端配置　

第17章　存储处理程序和NoSQL　

17.1　Storage Handler Background　

17.2　HiveStorageHandler　

17.3　HBase　

17.4　Cassandra　

17.4.1　静态列映射(Static Column Mapping)　

17.4.2 为动态列转置列映射　

17.4.3　Cassandra SerDe Properties　

17.5　DynamoDB　

第18章　安全　

18.1　和Hadoop安全功能相结合　

18.2　使用Hive进行验证　

18.3　Hive中的权限管理　

18.3.1　用户、组和角色　

18.3.2　Grant 和 Revoke权限　

18.4　分区级别的权限　

18.5　自动授权　

第19章　锁　

19.1　Hive结合Zookeeper支持锁功能　

19.2　显式锁和独占锁　

第20章　Hive和Oozie整合　

20.1　Oozie提供的多种动作(Action)　

20.2　一个只包含两个查询过程的工作流示例　

20.3　Oozie 网页控制台　

20.4　工作流中的变量　

20.5　获取输出　

20.6　获取输出到变量　

第21章　Hive和亚马逊网络服务系统(AWS)　

21.1　为什么要弹性MapReduce　

21.2　实例　

21.3　开始前的注意事项　

21.4　管理自有EMR Hive集群　

21.5　EMR Hive上的Thrift Server服务　

21.6　EMR上的实例组　

21.7　配置EMR集群　

21.7.1　部署hive-site.xml文件　

21.7.2　部署.hiverc脚本　

21.7.3　建立一个内存密集型配置　

21.8　EMR上的持久层和元数据存储　

21.9　EMR集群上的HDFS和S3　

21.10　在S3上部署资源、配置和辅助程序脚本　

21.11　S3上的日志　

21.12　现买现卖　

21.13　安全组　

21.14　EMR和EC2以及Apache Hive的比较　

21.15　包装　

第22章　HCatalog　

22.1　介绍　

22.2　MapReduce　

22.2.1　读数据　

22.2.2　写数据　

22.3　命令行　

22.4　安全模型　

22.5　架构　

第23章　案例研究　

23.1　m6d.com(Media6Degrees)　

23.1.1　M 6D的数据科学，使用Hive和R　

23.1.2　M6D UDF伪随机　

23.1.3　M6D如何管理多MapReduce集群间的Hive数据访问　

23.2　Outbrain　

23.2.1　站内线上身份识别　

23.2.2　计算复杂度　

23.2.3　会话化　

23.3　NASA喷气推进实验室　

23.3.1　区域气候模型评价系统　

23.3.2　我们的经验：为什么使用Hive　

23.3.3　解决这些问题我们所面临的挑战　

23.4　Photobucket　

23.4.1　Photobucket 公司的大数据应用情况　

23.4.2　Hive所使用的硬件资源信息　

23.4.3　Hive提供了什么　

23.4.4　Hive支持的用户有哪些　

23.5　SimpleReach　

23.6　Experiences and Needs from the Customer Trenches　

23.6.1　介绍　

23.6.2　Customer Trenches的用例　

术语词汇表