hive能替代oracle_173-Hive
1、Hive基本概念
1.1 什么是Hive
Hive：由Facebook開源用于解決海量結構化日志的數據統計。
Hive是基于Hadoop的一個數據倉庫工具，可以將結構化的數據文件映射為一張表，并提供類SQL查詢功能。
本質是：將HQL轉化成MapReduce程序
1）Hive處理的數據存儲在HDFS
2）Hive分析數據底層的實現是MapReduce
3）執行程序運行在Yarn上
1.2 Hive的優缺點
1.2.1 優點
（1）操作接口采用類SQL語法，提供快速開發的能力（簡單、容易上手）。
（2）避免了去寫MapReduce，減少開發人員的學習成本。
（3）Hive的執行延遲比較高，因此Hive常用于數據分析，對實時性要求不高的場合。
（4）Hive優勢在于處理大數據，對于處理小數據沒有優勢，因為Hive的執行延遲比較高。
（5）Hive支持用戶自定義函數，用戶可以根據自己的需求來實現自己的函數。
1.2.2 缺點
（1）Hive的HQL表達能力有限
①迭代式算法無法表達
②數據挖掘方面不擅長，由于MapReduce數據處理流程的限制，效率更高的算法卻無法實現。
（2）Hive的效率比較低
①Hive自動生成的MapReduce作業，通常情況下不夠智能化
②Hive調優比較困難，粒度較粗
1.3 Hive架構原理
（1）用戶接口：Client
CLI（command-line interface）、JDBC/ODBC(jdbc訪問hive)、WEBUI（瀏覽器訪問hive）
（2）元數據：Metastore
元數據包括：表名、表所屬的數據庫（默認是default）、表的擁有者、列/分區字段、表的類型（是否是外部表）、表的數據所在目錄等；
默認存儲在自帶的derby數據庫中，推薦使用MySQL存儲Metastore
（3）Hadoop
使用HDFS進行存儲，使用MapReduce進行計算。
（4）驅動器：Driver
①解析器（SQL Parser）：將SQL字符串轉換成抽象語法樹AST，這一步一般都用第三方工具庫完成，比如antlr；對AST進行語法分析，比如表是否存在、字段是否存在、SQL語義是否有誤。
②編譯器（Physical Plan）：將AST編譯生成邏輯執行計劃。
③優化器（Query Optimizer）：對邏輯執行計劃進行優化。
④執行器（Execution）：把邏輯執行計劃轉換成可以運行的物理計劃。對于Hive來說，就是MR/Spark。
Hive通過給用戶提供的一系列交互接口，接收到用戶的指令(SQL)，使用自己的Driver，結合元數據(MetaStore)，將這些指令翻譯成MapReduce，提交到Hadoop中執行，最后，將執行返回的結果輸出到用戶交互接口。
1.4 Hive和數據庫比較
由于 Hive 采用了類似SQL 的查詢語言 HQL(Hive Query Language)，因此很容易將 Hive 理解為數據庫。其實從結構上來看，Hive 和數據庫除了擁有類似的查詢語言，再無類似之處。本文將從多個方面來闡述 Hive 和數據庫的差異。數據庫可以用在 Online 的應用中，但是Hive 是為數據倉庫而設計的，清楚這一點，有助于從應用角度理解 Hive 的特性。
（1）查詢語言
由于SQL被廣泛的應用在數據倉庫中，因此，專門針對Hive的特性設計了類SQL的查詢語言HQL。熟悉SQL開發的開發者可以很方便的使用Hive進行開發。
（2）數據存儲位置
Hive 是建立在 Hadoop 之上的，所有 Hive 的數據都是存儲在 HDFS 中的。而數據庫則可以將數據保存在塊設備或者本地文件系統中。
（3）數據更新
由于Hive是針對數據倉庫應用設計的，而數據倉庫的內容是讀多寫少的。因此，Hive中不建議對數據的改寫，所有的數據都是在加載的時候確定好的。而數據庫中的數據通常是需要經常進行修改的，因此可以使用 INSERT INTO … VALUES 添加數據，使用 UPDATE … SET修改數據。
（4）執行
Hive中大多數查詢的執行是通過 Hadoop 提供的 MapReduce 來實現的。而數據庫通常有自己的執行引擎。
（5）執行延遲
Hive 在查詢數據的時候，由于沒有索引，需要掃描整個表，因此延遲較高。另外一個導致 Hive 執行延遲高的因素是 MapReduce框架。由于MapReduce 本身具有較高的延遲，因此在利用MapReduce 執行Hive查詢時，也會有較高的延遲。相對的，數據庫的執行延遲較低。當然，這個低是有條件的，即數據規模較小，當數據規模大到超過數據庫的處理能力的時候，Hive的并行計算顯然能體現出優勢。
（6）可擴展性
由于Hive是建立在Hadoop之上的，因此Hive的可擴展性是和Hadoop的可擴展性是一致的（世界上最大的Hadoop 集群在 Yahoo!，2009年的規模在4000 臺節點左右）。而數據庫由于 ACID 語義的嚴格限制，擴展行非常有限。目前最先進的并行數據庫 Oracle 在理論上的擴展能力也只有100臺左右。
（7）數據規模
由于Hive建立在集群上并可以利用MapReduce進行并行計算，因此可以支持很大規模的數據；對應的，數據庫可以支持的數據規模較小。
2.1 Hive安裝地址
（1）Hive官網地址
http://hive.apache.org/
（2）文檔查看地址
https://cwiki.apache.org/confluence/display/Hive/GettingStarted
（3）下載地址
http://archive.apache.org/dist/hive/
（4）github地址
https://github.com/apache/hive
2.2 Hive安裝部署
（1）Hive安裝及配置
①把apache-hive-1.2.1-bin.tar.gz上傳到linux的/opt/software目錄下
②解壓apache-hive-1.2.1-bin.tar.gz到/opt/module/目錄下面
[atguigu@hadoop102 software]$ tar -zxvf apache-hive-1.2.1-bin.tar.gz -C /opt/module/③修改apache-hive-1.2.1-bin.tar.gz的名稱為hive
[atguigu@hadoop102 module]$ mv apache-hive-1.2.1-bin/ hive④修改/opt/module/hive/conf目錄下的hive-env.sh.template名稱為hive-env.sh
[atguigu@hadoop102 conf]$ mv hive-env.sh.template hive-env.sh⑤配置hive-env.sh文件
（a）配置HADOOP_HOME路徑
export HADOOP_HOME=/opt/module/hadoop-2.7.2（b）配置HIVE_CONF_DIR路徑
export HIVE_CONF_DIR=/opt/module/hive/conf（2）Hadoop集群配置
①必須啟動hdfs和yarn
[atguigu@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh [atguigu@hadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh②在HDFS上創建/tmp和/user/hive/warehouse兩個目錄并修改他們的同組權限可寫
[atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -mkdir /tmp [atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -mkdir -p /user/hive/warehouse[atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -chmod g+w /tmp [atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -chmod g+w /user/hive/warehouse（3）Hive基本操作
①啟動hive
[atguigu@hadoop102 hive]$ bin/hive②查看數據庫
hive> show databases;③打開默認數據庫
hive> use default;④顯示default數據庫中的表
hive> show tables;⑤創建一張表
hive> create table student(id int, name string);⑥顯示數據庫中有幾張表
hive> show tables;⑦查看表的結構
hive> desc student;⑧向表中插入數據
hive> insert into student values(1000,"ss");⑨查詢表中數據
hive> select * from student;⑩退出hive
hive> quit;說明：（查看hive在hdfs中的結構）
數據庫：在hdfs中表現為${hive.metastore.warehouse.dir}目錄下一個文件夾
表：在hdfs中表現所屬db目錄下一個文件夾，文件夾中存放該表中的具體數據
2.3 將本地文件導入Hive案例
需求
將本地/opt/module/datas/student.txt這個目錄下的數據導入到hive的student(id int, name string)表中。
（1）數據準備
在/opt/module/datas這個目錄下準備數據
①在/opt/module/目錄下創建datas
[atguigu@hadoop102 module]$ mkdir datas②在/opt/module/datas/目錄下創建student.txt文件并添加數據
[atguigu@hadoop102 datas]$ touch student.txt [atguigu@hadoop102 datas]$ vi student.txt 1001 zhangshan 1002 lishi 1003 zhaoliu注意以tab鍵間隔。
（2）Hive實際操作
①啟動hive
[atguigu@hadoop102 hive]$ bin/hive②顯示數據庫
hive> show databases;③使用default數據庫
hive> use default;④顯示default數據庫中的表
hive> show tables;⑤刪除已創建的student表
hive> drop table student;⑥創建student表, 并聲明文件分隔符’t’
hive> create table student(id int, name string) ROW FORMAT DELIMITED FIELDS TERMINATED BY 't';⑦加載/opt/module/datas/student.txt 文件到student數據庫表中。
hive> load data local inpath '/opt/module/datas/student.txt' into table student;⑧Hive查詢結果
hive> select * from student; OK 1001 zhangshan 1002 lishi 1003 zhaoliu Time taken: 0.266 seconds, Fetched: 3 row(s)（3）遇到的問題
再打開一個客戶端窗口啟動hive，會產生java.sql.SQLException異常。
Exception in thread "main" java.lang.RuntimeException: java.lang.RuntimeException:Unable to instantiateorg.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClientat org.apache.hadoop.hive.ql.session.SessionState.start(SessionState.java:522)at org.apache.hadoop.hive.cli.CliDriver.run(CliDriver.java:677)at org.apache.hadoop.hive.cli.CliDriver.main(CliDriver.java:621)at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)at java.lang.reflect.Method.invoke(Method.java:606)at org.apache.hadoop.util.RunJar.run(RunJar.java:221)at org.apache.hadoop.util.RunJar.main(RunJar.java:136) Caused by: java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClientat org.apache.hadoop.hive.metastore.MetaStoreUtils.newInstance(MetaStoreUtils.java:1523)at org.apache.hadoop.hive.metastore.RetryingMetaStoreClient.<init>(RetryingMetaStoreClient.java:86)at org.apache.hadoop.hive.metastore.RetryingMetaStoreClient.getProxy(RetryingMetaStoreClient.java:132)at org.apache.hadoop.hive.metastore.RetryingMetaStoreClient.getProxy(RetryingMetaStoreClient.java:104)at org.apache.hadoop.hive.ql.metadata.Hive.createMetaStoreClient(Hive.java:3005)at org.apache.hadoop.hive.ql.metadata.Hive.getMSC(Hive.java:3024)at org.apache.hadoop.hive.ql.session.SessionState.start(SessionState.java:503) ... 8 more原因是，Metastore默認存儲在自帶的derby數據庫中，推薦使用MySQL存儲Metastore;
2.4 MySql安裝
2.4.1 安裝包準備
（1）查看mysql是否安裝，如果安裝了，卸載mysql
①查看
[root@hadoop102 桌面]# rpm -qa|grep mysql mysql-libs-5.1.73-7.el6.x86_64②卸載
[root@hadoop102 桌面]# rpm -e --nodeps mysql-libs-5.1.73-7.el6.x86_64（2）解壓mysql-libs.zip文件到當前目錄
[root@hadoop102 software]# unzip mysql-libs.zip [root@hadoop102 software]# ls mysql-libs.zip mysql-libs（3）進入到mysql-libs文件夾下
[root@hadoop102 mysql-libs]# ll總用量 76048
-rw-r--r--. 1 root root 18509960 3月 26 2015 MySQL-client-5.6.24-1.el6.x86_64.rpm
-rw-r--r--. 1 root root 3575135 12月 1 2013 mysql-connector-java-5.1.27.tar.gz
-rw-r--r--. 1 root root 55782196 3月 26 2015 MySQL-server-5.6.24-1.el6.x86_64.rpm
2.4.2 安裝MySql服務器
（1）安裝mysql服務端
[root@hadoop102 mysql-libs]# rpm -ivh MySQL-server-5.6.24-1.el6.x86_64.rpm（2）查看產生的隨機密碼
[root@hadoop102 mysql-libs]# cat /root/.mysql_secret OEXaQuS8IWkG19Xs（3）查看mysql狀態
[root@hadoop102 mysql-libs]# service mysql status（4）啟動mysql
[root@hadoop102 mysql-libs]# service mysql start2.4.3 安裝MySql客戶端
（1）安裝mysql客戶端
[root@hadoop102 mysql-libs]# rpm -ivh MySQL-client-5.6.24-1.el6.x86_64.rpm（2）鏈接mysql
[root@hadoop102 mysql-libs]# mysql -uroot -i_hycfM36Dyi_yP3（3）修改密碼
mysql>SET PASSWORD=PASSWORD('000000');（4）退出mysql
mysql>exit2.4.4 MySql中user表中主機配置
配置只要是root用戶+密碼，在任何主機上都能登錄MySQL數據庫。
（1）進入mysql
[root@hadoop102 mysql-libs]# mysql -uroot -p000000（2）顯示數據庫
mysql>show databases;（3）使用mysql數據庫
mysql>use mysql;（4）展示mysql數據庫中的所有表
mysql>show tables;（5）展示user表的結構
mysql>desc user;（6）查詢user表
mysql>select User, Host, Password from user;（7）修改user表，把Host表內容修改為%
mysql>update user set host='%' where host='localhost';（8）刪除root用戶的其他host
mysql>delete from user where Host='hadoop102'; mysql>delete from user where Host='127.0.0.1'; mysql>delete from user where Host='::1';（9）刷新
mysql>flush privileges;（10）退出
mysql>quit;2.5 Hive元數據配置到MySql
2.5.1 驅動拷貝
（1）在/opt/software/mysql-libs目錄下解壓mysql-connector-java-5.1.27.tar.gz驅動包
[root@hadoop102 mysql-libs]# tar -zxvf mysql-connector-java-5.1.27.tar.gz（2）拷貝/opt/software/mysql-libs/mysql-connector-java-5.1.27目錄下的mysql-connector-java-5.1.27-bin.jar到/opt/module/hive/lib/
[root@hadoop102 mysql-connector-java-5.1.27]# cp mysql-connector-java-5.1.27-bin.jar /opt/module/hive/lib/2.5.2 配置Metastore到MySql
（1）在/opt/module/hive/conf目錄下創建一個hive-site.xml
[atguigu@hadoop102 conf]$ touch hive-site.xml [atguigu@hadoop102 conf]$ vi hive-site.xml（2）根據官方文檔配置參數，拷貝數據到hive-site.xml文件中
<?xml version="1.0"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> <configuration><property><name>javax.jdo.option.ConnectionURL</name><value>jdbc:mysql://hadoop102:3306/metastore?createDatabaseIfNotExist=true</value><description>JDBC connect string for a JDBC metastore</description></property><property><name>javax.jdo.option.ConnectionDriverName</name><value>com.mysql.jdbc.Driver</value><description>Driver class name for a JDBC metastore</description></property><property><name>javax.jdo.option.ConnectionUserName</name><value>root</value><description>username to use against metastore database</description></property><property><name>javax.jdo.option.ConnectionPassword</name><value>000000</value><description>password to use against metastore database</description></property> </configuration>（3）配置完畢后，如果啟動hive異常，可以重新啟動虛擬機。（重啟后，別忘了啟動hadoop集群）
2.5.3 多窗口啟動Hive測試
（1）先啟動MySQL
[atguigu@hadoop102 mysql-libs]$ mysql -uroot -p000000查看有幾個數據庫
mysql> show databases; +--------------------+ | Database | +--------------------+ | information_schema | | mysql | | performance_schema | | test | +--------------------+（2）再次打開多個窗口，分別啟動hive
[atguigu@hadoop102 hive]$ bin/hive（3）啟動hive后，回到MySQL窗口查看數據庫，顯示增加了metastore數據庫
mysql> show databases; +--------------------+ | Database | +--------------------+ | information_schema | | metastore | | mysql | | performance_schema | | test | +--------------------+2.6 HiveJDBC訪問
2.6.1 啟動hiveserver2服務
[atguigu@hadoop102 hive]$ bin/hiveserver22.6.2 啟動beeline
[atguigu@hadoop102 hive]$ bin/beeline Beeline version 1.2.1 by Apache Hive beeline>2.6.3 連接hiveserver2
beeline> !connect jdbc:hive2://hadoop102:10000（回車） Connecting to jdbc:hive2://hadoop102:10000 Enter username for jdbc:hive2://hadoop102:10000: atguigu（回車） Enter password for jdbc:hive2://hadoop102:10000: （直接回車） Connected to: Apache Hive (version 1.2.1) Driver: Hive JDBC (version 1.2.1) Transaction isolation: TRANSACTION_REPEATABLE_READ 0: jdbc:hive2://hadoop102:10000> show databases; +----------------+--+ | database_name | +----------------+--+ | default | | hive_db2 | +----------------+--+2.7 Hive常用交互命令
（1）“-e”不進入hive的交互窗口執行sql語句
[atguigu@hadoop102 hive]$ bin/hive -e "select id from student;"（2）“-f”執行腳本中sql語句
①在/opt/module/datas目錄下創建hivef.sql文件
[atguigu@hadoop102 datas]$ touch hivef.sql文件中寫入正確的sql語句
select *from student;
②執行文件中的sql語句
[atguigu@hadoop102 hive]$ bin/hive -f /opt/module/datas/hivef.sql③執行文件中的sql語句并將結果寫入文件中
[atguigu@hadoop102 hive]$ bin/hive -f /opt/module/datas/hivef.sql > /opt/module/datas/hive_result.txt2.8 Hive其他命令操作
（1）退出hive窗口：
hive(default)>exit; hive(default)>quit;在新版的hive中沒區別了，在以前的版本是有的：
exit:先隱性提交數據，再退出；
quit:不提交數據，退出；
（2）在hive cli命令窗口中如何查看hdfs文件系統
hive(default)>dfs -ls /;（3）在hive cli命令窗口中如何查看本地文件系統
hive(default)>! ls /opt/module/datas;（4）查看在hive中輸入的所有歷史命令
①進入到當前用戶的根目錄/root或/home/atguigu
②查看. hivehistory文件
[atguigu@hadoop102 ~]$ cat .hivehistory2.9 Hive常見屬性配置
2.9.1 Hive數據倉庫位置配置
（1）Default數據倉庫的最原始位置是在hdfs上的：/user/hive/warehouse路徑下。
（2）在倉庫目錄下，沒有對默認的數據庫default創建文件夾。如果某張表屬于default數據庫，直接在數據倉庫目錄下創建一個文件夾。
（3）修改default數據倉庫原始位置（將hive-default.xml.template如下配置信息拷貝到hive-site.xml文件中）。
<property> <name>hive.metastore.warehouse.dir</name> <value>/user/hive/warehouse</value> <description>location of default database for the warehouse</description> </property>配置同組用戶有執行權限
bin/hdfs dfs -chmod g+w /user/hive/warehouse2.9.2 查詢后信息顯示配置
（1）在hive-site.xml文件中添加如下配置信息，就可以實現顯示當前數據庫，以及查詢表的頭信息配置。
<property><name>hive.cli.print.header</name><value>true</value> </property><property><name>hive.cli.print.current.db</name><value>true</value> </property>（2）重新啟動hive，對比配置前后差異。
①配置前，如圖6-2所示
圖6-2 配置前
②配置后，如圖6-3所示
圖6-3 配置后
2.9.3 Hive運行日志信息配置
（1）Hive的log默認存放在/tmp/atguigu/hive.log目錄下（當前用戶名下）
（2）修改hive的log存放日志到/opt/module/hive/logs
①修改/opt/module/hive/conf/hive-log4j.properties.template文件名稱為
hive-log4j.properties
[atguigu@hadoop102 conf]$ pwd /opt/module/hive/conf [atguigu@hadoop102 conf]$ mv hive-log4j.properties.template hive-log4j.properties②在hive-log4j.properties文件中修改log存放位置
hive.log.dir=/opt/module/hive/logs2.9.4 參數配置方式
（1）查看當前所有的配置信息
hive>set;（2）參數的配置三種方式
①配置文件方式
默認配置文件：hive-default.xml
用戶自定義配置文件：hive-site.xml
注意：用戶自定義配置會覆蓋默認配置。另外，Hive也會讀入Hadoop的配置，因為Hive是作為Hadoop的客戶端啟動的，Hive的配置會覆蓋Hadoop的配置。配置文件的設定對本機啟動的所有Hive進程都有效。
②命令行參數方式
啟動Hive時，可以在命令行添加-hiveconf param=value來設定參數。
例如：
[atguigu@hadoop103 hive]$ bin/hive -hiveconf mapred.reduce.tasks=10;注意：僅對本次hive啟動有效
查看參數設置：
hive (default)> set mapred.reduce.tasks;③參數聲明方式
可以在HQL中使用SET關鍵字設定參數
例如：
hive (default)> set mapred.reduce.tasks=100;注意：僅對本次hive啟動有效。
查看參數設置
hive (default)> set mapred.reduce.tasks;上述三種設定方式的優先級依次遞增。即配置文件<命令行參數<參數聲明。注意某些系統級的參數，例如log4j相關的設定，必須用前兩種方式設定，因為那些參數的讀取在會話建立以前已經完成了。
3、Hive數據類型
3.1 基本數據類型
表6-1
對于Hive的String類型相當于數據庫的varchar類型，該類型是一個可變的字符串，不過它不能聲明其中最多能存儲多少個字符，理論上它可以存儲2GB的字符數。
3.2 集合數據類型
表6-2
Hive有三種復雜數據類型ARRAY、MAP 和 STRUCT。ARRAY和MAP與Java中的Array和Map類似，而STRUCT與C語言中的Struct類似，它封裝了一個命名字段集合，復雜數據類型允許任意層次的嵌套。
案例實操
（1）假設某表有如下一行，我們用JSON格式來表示其數據結構。在Hive下訪問的格式為
{"name": "songsong","friends": ["bingbing" , "lili"] , //列表Array, "children": { //鍵值Map,"xiao song": 18 ,"xiaoxiao song": 19}"address": { //結構Struct,"street": "hui long guan" ,"city": "beijing" } }（2）基于上述數據結構，我們在Hive里創建對應的表，并導入數據。
創建本地測試文件test.txt
songsong,bingbing_lili,xiao song:18_xiaoxiao song:19,hui long guan_beijing yangyang,caicai_susu,xiao yang:18_xiaoxiao yang:19,chao yang_beijing注意：MAP，STRUCT和ARRAY里的元素間關系都可以用同一個字符表示，這里用“_”。
（3）Hive上創建測試表test
create table test( name string, friends array<string>, children map<string, int>, address struct<street:string, city:string> ) row format delimited fields terminated by ',' collection items terminated by '_' map keys terminated by ':' lines terminated by 'n';字段解釋：
row format delimited fields terminated by ',' -- 列分隔符
collection items terminated by '_' --MAP STRUCT 和 ARRAY 的分隔符(數據分割符號)
map keys terminated by ':' -- MAP中的key與value的分隔符
lines terminated by 'n'; -- 行分隔符
（4）導入文本數據到測試表
hive (default)> load data local inpath ‘/opt/module/datas/test.txt’into table test（5）訪問三種集合列里的數據，以下分別是ARRAY，MAP，STRUCT的訪問方式
hive (default)> select friends[1],children['xiao song'],address.city from test where name="songsong"; OK _c0 _c1 city lili 18 beijing Time taken: 0.076 seconds, Fetched: 1 row(s)3.3 類型轉化
Hive的原子數據類型是可以進行隱式轉換的，類似于Java的類型轉換，例如某表達式使用INT類型，TINYINT會自動轉換為INT類型，但是Hive不會進行反向轉化，例如，某表達式使用TINYINT類型，INT不會自動轉換為TINYINT類型，它會返回錯誤，除非使用CAST操作。
3.3.1．隱式類型轉換規則如下
（1）任何整數類型都可以隱式地轉換為一個范圍更廣的類型，如TINYINT可以轉換成INT，INT可以轉換成BIGINT。
（2）所有整數類型、FLOAT和STRING類型都可以隱式地轉換成DOUBLE。
（3）TINYINT、SMALLINT、INT都可以轉換為FLOAT。
（4）BOOLEAN類型不可以轉換為任何其它的類型。
3.3.2．可以使用CAST操作顯示進行數據類型轉換
例如CAST('1' AS INT)將把字符串'1' 轉換成整數1；如果強制類型轉換失敗，如執行CAST('X' AS INT)，表達式返回空值 NULL。
0: jdbc:hive2://hadoop102:10000> select '1'+2, cast('1'as int) + 2; +------+------+--+ | _c0 | _c1 | +------+------+--+ | 3.0 | 3 | +------+------+--+ 與50位技術專家面對面20年技術見證，附贈技術全景圖總結
以上是生活随笔為你收集整理的hive能替代oracle_173-Hive的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： python秒数转化为时间用户jianp
- 下一篇： github page hexo博客gi