正版 Hive编程指南

第1章　基础知识　11.1　Hadoop和MapReduce综述　31.2　Hadoop生态系统中的Hive　61.2.1　Pig　81.2.2　HBase　81.2.3　Cascading、Crunch及其他　91.3　Java和Hive：词频统计算法　111.4　后续事情　13第2章　基础操作　142.1　安装预先配置好的虚拟机　142.2　安装详细步骤　152.2.1　装Java　162.2.2　安装Hadoop　172.2.3　本地模式、伪分布式模式和分布式模式　182.2.4　测试Hadoop　192.2.5　安装Hive　212.3　Hive内部是什么　222.4　启动Hive　222.5　配置Hadoop环境　242.5.1　本地模式配置　242.5.2　分布式模式和伪分布式模式配置　262.5.3　使用JDBC连接元数据　272.6　Hive命令　292.7　命令行界面　302.7.1　CLI 选项　302.7.2　变量和属性　312.7.3　Hive中“一次使用”命令　342.7.4　从文件中执行Hive查询　352.7.5　hiverc文件　362.7.6　使用Hive CLI的更多介绍　362.7.7　查看操作命令历史　372.7.8　执行shell命令　372.7.9　在Hive内使用Hadoop的dfs命令　382.7.10　Hive脚本中如何进行注释　382.7.11　显示字段名称　38第3章　数据类型和文件格式　403.1　基本数据类型　403.2　集合数据类型　423.3　文本文件数据编码　443.4　读时模式　47第4章　HiveQL：数据定义　484.1　Hive中的数据库　484.2　修改数据库　524.3　创建表　524.3.1　管理表　564.3.2　外部表　564.4　分区表、管理表　574.4.1　外部分区表　614.4.2　自定义表的存储格式　634.5　删除表　664.6　修改表　664.6.1　表重命名　674.6.2　增加、修改和删除表分区　674.6.3　修改列信息　684.6.4　增加列　684.6.5　删除或者替换列　684.6.6　修改表属性　694.6.7　修改存储属性　694.6.8　众多的修改表语句　70第5章　HiveQL：数据操作　715.1　向管理表中装载数据　715.2　通过查询语句向表中插入数据　735.3　单个查询语句中创建表并加载数据　765.4　导出数据　76第6章　HiveQL：查询　786.1　SELECT…FROM语句　786.1.1　使用正则表达式来指定列　806.1.2　使用列值进行计算　816.1.3　算术运算符　816.1.4　使用函数　826.1.5　LIMIT语句　936.1.6　列别名　936.1.7　嵌套SELECT语句　936.1.8　CASE…WHEN…THEN 句式　936.1.9　什么情况下Hive可以避免进行MapReduce　946.2　WHERE语句　956.2.1　谓词操作符　966.2.2　关于浮点数比较　976.2.3　LIKE和RLIKE　986.3　GROUP BY 语句　996.4　JOIN语句　1006.4.1　INNER JOIN　1006.4.2　JOIN优化　1036.4.3　LEFT OUTER JOIN　1046.4.4　OUTER JOIN　1046.4.5　RIGHT OUTER JOIN　1066.4.6　FULL OUTER JOIN　1076.4.7　LEFT SEMI-JOIN　1076.4.8　笛卡尔积JOIN　1086.4.9　map-side JOIN　1086.5　ORDER BY和SORT BY　1106.6　含有SORT BY 的DISTRIBUTE BY　1116.7　CLUSTER BY　1126.8　类型转换　1126.9　抽样查询　1136.9.1　数据块抽样　1146.9.2　分桶表的输入裁剪　1146.10　UNION ALL　115第7章　HiveQL：视图　1177.1　使用视图来降低查询复杂度　1177.2　使用视图来限制基于条件过滤的数据　1187.3　动态分区中的视图和map类型　1187.4　视图零零碎碎相关的事情　119第8章　HiveQL：索引　1228.1　创建索引　1228.2　重建索引　1248.3　显示索引　1248.4　删除索引　1248.5　实现一个定制化的索引处理器　125第9章　模式设计　1269.1　按天划分的表　1269.2　关于分区　1279.3　唯一键和标准化　1289.4　同一份数据多种处理　1299.5　对于每个表的分区　1309.6　分桶表数据存储　1319.7　为表增加列　1329.8　使用列存储表　1339.8.1　重复数据　1339.8.2　多列　1339.9　(几乎)总是使用压缩　134第10章　调优　13510.1　使用EXPLAIN　13510.2　EXPLAIN EXTENDED　13810.3　限制调整　13910.4　JOIN优化　14010.5　本地模式　14010.6　并行执行　14110.7　严格模式　14110.8　调整mapper和reducer个数　14210.9　JVM重用　14410.10　索引　14510.11　动态分区调整　14510.12　推测执行　14610.13　单个MapReduce中多个GROUP BY　14710.14　虚拟列　147第11章　其他文件格式和压缩方法　14911.1　确定安装编解码器　14911.2　选择一种压缩编/解码器　15011.3　开启中间压缩　15111.4　最终输出结果压缩　15211.5　sequence file存储格式　15211.6　使用压缩实践　15311.7　存档分区　15711.8　压缩：包扎　159第12章　开发　16012.1　修改Log4J属性　16012.2　连接Java调试器到Hive　16112.3　从源码编译Hive　16112.3.1　执行Hive测试用例　16212.3.2　执行hook　16312.4　配置Hive和Eclipse　16312.5　Maven工程中使用Hive　16412.6　Hive中使用hive_test进行单元测试　16512.7　新增的插件开发工具箱(PDK)　167第13章　函数　16813.1　发现和描述函数　16813.2　调用函数　16913.3　标准函数　16913.4　聚合函数　16913.5　表生成函数　17013.6　一个通过日期计算其星座的UDF　17113.7　UDF与GenericUDF　17413.8　不变函数　17713.9　用户自定义聚合函数　17713.10　用户自定义表生成函数　18313.10.1　可以产生多行数据的UDTF　18313.10.2　可以产生具有多个字段的单行数据的UDTF　18513.10.3　可以模拟复杂数据类型的UDTF　18513.11　在 UDF中访问分布式缓存　18813.12　以函数的方式使用注解　19013.12.1　定数性(deterministic)标注　19113.12.2　状态性(stateful)标注　19113.12.3　唯一性　19113.13　宏命令　191第14章　Streaming　19314.1　恒等变换　19414.2　改变类型　19414.3　投影变换　19414.4　操作转换　19514.5　使用分布式内存　19514.6　由一行产生多行　19614.7　使用streaming进行聚合计算　19714.8　CLUSTER BY、DISTRIBUTE BY、SORT BY　19814.9　GenericMR Tools for Streaming to Java　20114.10　计算cogroup　203第15章　自定义Hive文件和记录格式　20415.1　文件和记录格式　20415.2　阐明CREATE TABLE句式　20415.3　文件格式　20615.3.1　SequenceFile　20715.3.2　RCfile　20715.3.3　示例自定义输入格式：DualInputFormat　20815.4　记录格式：SerDe　21015.5　CSV和TSV SerDe　21115.6　ObjectInspector　21215.7　Thing Big Hive Reflection ObjectInspector　21215.8　XML UDF　21215.9　XPath相关的函数　21315.10　JSON SerDe　21415.11　Avro Hive SerDe　21515.11.1　使用表属性信息定义Avro Schema　21515.11.2　从指定URL中定义Schema　21615.11.3　进化的模式　21615.12　二进制输出　217第16章　Hive的Thrift服务　21816.1　启动Thrift Server　21816.2　配置Groovy使用HiveServer　21916.3　连接到HiveServer　21916.4　获取集群状态信息　22016.5　结果集模式　22016.6　获取结果　22016.7　获取执行计划　22116.8　元数据存储方法　22116.9　管理HiveServer　22216.9.1　生产环境使用HiveServer　22316.9.2　清理　22416.10　Hive ThriftMetastore　22416.10.1　ThriftMetastore 配置　22416.10.2　客户端配置　224第17章　存储处理程序和NoSQL　22617.1　Storage Handler Background　22617.2　HiveStorageHandler　22717.3　HBase　22717.4　Cassandra　22917.4.1　静态列映射(Static Column Mapping)　22917.4.2 为动态列转置列映射　22917.4.3　Cassandra SerDe Properties　22917.5　DynamoDB　230第18章　安全　23218.1　和Hadoop安全功能相结合　23318.2　使用Hive进行验证　23318.3　Hive中的权限管理　23418.3.1　用户、组和角色　23518.3.2　Grant 和 Revoke权限　23618.4　分区级别的权限　23818.5　自动授权　239第19章　锁　24119.1　Hive结合Zookeeper支持锁功能　24119.2　显式锁和独占锁　244第20章　Hive和Oozie整合　24520.1　Oozie提供的多种动作(Action)　24520.2　一个只包含两个查询过程的工作流示例　24720.3　Oozie 网页控制台　24820.4　工作流中的变量　24820.5　获取输出　24920.6　获取输出到变量　250第21章　Hive和亚马逊网络服务系统(AWS)　25121.1　为什么要弹性MapReduce　25121.2　实例　25121.3　开始前的注意事项　25221.4　管理自有EMR Hive集群　25221.5　EMR Hive上的Thrift Server服务　25321.6　EMR上的实例组　25321.7　配置EMR集群　25421.7.1　部署hive-site.xml文件　25421.7.2　部署.hiverc脚本　25521.7.3　建立一个内存密集型配置　25521.8　EMR上的持久层和元数据存储　25621.9　EMR集群上的HDFS和S3　25721.10　在S3上部署资源、配置和辅助程序脚本　25821.11　S3上的日志　25821.12　现买现卖　25821.13　安全组　26021.14　EMR和EC2以及Apache Hive的比较　26021.15　包装　261第22章　HCatalog　26222.1　介绍　26222.2　MapReduce　26322.2.1　读数据　26322.2.2　写数据　26522.3　命令行　26822.4　安全模型　26922.5　架构　270第23章　案例研究　27123.1　m6d.com(Media6Degrees)　27123.1.1　M 6D的数据科学，使用Hive和R　27123.1.2　M6D UDF伪随机　27523.1.3　M6D如何管理多MapReduce集群间的Hive数据访问　28023.2　Outbrain　28423.2.1　站内线上身份识别　28423.2.2　计算复杂度　28723.2.3　会话化　28823.3　NASA喷气推进实验室　29523.3.1　区域气候模型评价系统　29523.3.2　我们的经验：为什么使用Hive　29723.3.3　解决这些问题我们所面临的挑战　29823.4　Photobucket　29923.4.1　Photobucket 公司的大数据应用情况　29923.4.2　Hive所使用的硬件资源信息　30023.4.3　Hive提供了什么　30023.4.4　Hive支持的用户有哪些　30023.5　SimpleReach　30023.6　Experiences and Needs from the Customer Trenches　30323.6.1　介绍　30323.6.2　Customer Trenches的用例　304术语词汇表　312

Edward Capriolo：Media6degrees公司系统管理员，他是Apache软件基金会成员，还是Hadoop-Hive项目成员。
Dean Wampler：Think Big Analytics公司总顾问，对大数据问题以及Hadoop和机器学习有专门的研究。
Jason Rutherglen：Think Big Analytics公司软件架构师，对大数据、Hadoop、搜索和安全有专门的研究。

Hive图书。
Hive在Hadoop系统中的应用趋势比较可观。

    《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，很终演示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。

市场中**本Hive图书。
　　Hive在Hadoop系统中的应用趋势比较可观。

要把关系型数据库应用迁移到Hadoop上，你该何去何从？本书介绍了ApacheHive，它是基于Hadoop的数据仓库架构。通过本书，读者可以很快学会如何使用Hive的SQL方言——HiveQL来汇总、查询和分析存储在Hadoop分布式文件系统上的大型数据集。 卡普廖洛、万普勒、卢森格林编著的《Hive编程指南》以实际案例为主线，详细介绍如何在用户环境下安装和配置Hive，并对Hadoop和MapReduce的各项技术进行概要介绍，同时演示Hive在Hadoop生态系统中是如何工作的。在本书中，读者还可以看到众多的实际使用场景，包括企业如何使用Hive解决了涉及PB级数据的问题。

　　《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，*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。