why
【为了测试CLI和Beeline命令行工具，这里先创建一个数据库和表并导入一些数据】
1. 创建数据库
# 创建数据库
hive> CREATE DATABASE IF NOT EXISTS hive_test
> COMMENT 'hive database for test'
> LOCATION '/tmp/hive/test'
> WITH DBPROPERTIES ('create'='yuanzhengme');
OK
Time taken: 0.453 seconds
可以看到HDFS的test目录已被创建：
可以看到MySQL数据库的元数据也被录入了：
2. 创建表
# 创建表 【这里不再贴出hive的日志】
hive> use hive_test;
hive> create table if not exists hive_test.word_count(word STRING, count INT) row format delimited fields terminated by ',' lines terminated by '\n' stored as textfile;
3. 导入数据
WordCount.txt 文件内容如下：
[root@tcloud wordCount]# cat ./WordCount.txt
spark,3
hive,3
hadoop,2
kafka,1
hbase,1
# 导入数据 【这里不再贴出hive的日志】
hive> load data local inpath '/home/spark/testFile/wordCount/WordCount.txt' overwrite into table word_count;
验证一下：
可以看到hdfs是已经有WordCount.txt文件了：
可以看到MySQL数据库的元数据也被录入了：
验证一下：
hive> select * from word_count;
OK
spark 3
hive 3
hadoop 2
kafka 1
hbase 1
Time taken: 5.871 seconds, Fetched: 5 row(s)
4. 编写测试SQL脚本并上传HDFS
-- 其中 hive_test.sql 内容如下
select * from hive_test.word_count;
添加到hdfs：
[root@tcloud ~]# hdfs dfs -put /home/hive/testFile/hive_test.sql /tmp/hive/test
可以看到hdfs目标文件已经有hive_test.sql文件了：
读取一下：
[root@tcloud ~]# hdfs dfs -cat /tmp/hive/test/hive_test.sql
select * from hive_test.word_count;
