Hive编程指南

《Hive编程指南》是 O'Reilly 出品的 Apache Hive 实用指南的中文译本，由人民邮电出版社于 2013 年 12 月出版，曹坤翻译。全书以 HiveQL 为主线，面向已经具备 SQL 基础、希望把关系型数据仓库能力迁移到 Hadoop 上的读者。 书中从 Hadoop 与 MapReduce 的基础概念讲起，说明 Hive 在 Hadoop 生态（Pig、HBase、Cascading 等）中的位置与分工，并用 Java 与 Hive 的词频统计对比，帮助读者理解“把 SQL 翻译成 MapReduce 作业”这一核心机制。随后进入实际操作：安装 Hadoop 与 Hive、选择本地/伪分布式/分布式模式、启动 CLI、管理变量与属性、执行脚本与查看历史命令。 主体部分系统讲解 Hive 的数据模型与语言：基本数据类型与集合类型、文本文件编码与“读时模式”；数据库与表的创建、管理表与外部表、分区表与外部分区表、修改表与分区；数据的装载、查询插入与导出；SELECT、正则列选择、CASE 表达式，以及什么情况下 Hive 可以避免启动 MapReduce。后续章节覆盖视图、索引、模式设计（按天分区、唯一键与非标准化、分桶表、列式存储、压缩）与调优。 后半部分延伸到进阶话题：其他文件格式与压缩方法、以 Java 或脚本语言开发扩展、内置函数、Streaming、自定义 Hive 文件与记录格式（如 RCFile）、Thrift 服务、存储处理程序与 NoSQL、安全、锁、与 Oozie 的整合、在 AWS 上使用 Hive、HCatalog，最后以案例研究收尾，展示企业在 PB 级数据上的实际用法。