Hive的安裝和使用以及Java操作hive

Hive 引言

簡介

hive是facebook開源，並捐獻給了apache組織，作爲apache組織的頂級項目(hive.apache.org)。 hive是一個基於大數據技術的數據倉庫(DataWareHouse)技術，主要是通過將用戶書寫的SQL語句翻譯成MapReduce代碼，然後發佈任務給MR框架執行，完成SQL 到 MapReduce的轉換。可以將結構化的數據文件映射爲一張數據庫表，並提供類SQL查詢功能。

總結

• Hive是一個數據倉庫
• Hive構建在HDFS上，可以存儲海量數據。
• Hive允許程序員使用SQL命令來完成數據的分佈式計算，計算構建在yarn之上。(Hive會將SQL轉化爲MR操作)

優點：

​ 簡化程序員的開發難度，寫SQL即可，避免了去寫mapreduce,減少開發人員的學習成本

缺點：

​ 延遲較高(MapReduce本身延遲，Hive SQL向MapReduce轉化優化提交)，適合做大數據的離線處理(TB PB級別的數據，統計結果延遲1天產出)

Hive不適合場景：

​ 1：小數據量

​ 2：實時計算

• 數據庫 DataBase
  • 數據量級小，數據價值高
• 數據倉庫 DataWareHouse
  • 數據體量大，數據價值低

Hive 的架構

1. 簡介

HDFS：用來存儲hive倉庫的數據文件
yarn：用來完成hive的HQL轉化的MR程序的執行
MetaStore：保存管理hive維護的元數據
Hive：用來通過HQL的執行，轉化爲MapReduce程序的執行，從而對HDFS集羣中的數據文件進行統計。

2. 圖

Hive的安裝

# 步驟
1. HDFS(Hadoop2.9.2)
2. Yarn(Hadoop2.9.2)
3. MySQL(5.6)
4. Hive(1.2.1)

虛擬機內存設置至少1G

1. 安裝mysql數據庫

參考MySQL安裝文檔

2. 安裝Hadoop

# 配置hdfs和yarn的配置信息
[root@hive40 ~]# jps
1651 NameNode
2356 NodeManager
2533 Jps
1815 DataNode
2027 SecondaryNameNode
2237 ResourceManager

3. 安裝hive

1 上傳hive安裝包到linux中

2 解壓縮hive

[root@hadoop ~]# tar -zxvf apache-hive-1.2.1-bin.tar.gz -C /opt/installs
[root@hadoop ~]# mv apache-hive-1.2.1-bin hive1.2.1

3 配置環境變量

export HIVE_HOME=/opt/installs/hive1.2.1
export PATH=$PATH:$HIVE_HOME/bin

4 加載系統配置生效

[root@hadoop ~]# source /etc/profile

5 配置hive

hive-env.sh

拷貝一個hive-env.sh:[root@hadoop10 conf]# cp hive-env.sh.template hive-env.sh

# 配置hadoop目錄
HADOOP_HOME=/opt/installs/hadoop2.9.2/
# 指定hive的配置文件目錄
export HIVE_CONF_DIR=/opt/installs/hive1.2.1/conf/

hive-site.xml

拷貝得到hive-site.xml：[root@hadoop10 conf]# cp hive-default.xml.template hive-site.xml

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
    <!--hive的元數據保存在mysql中，需要連接mysql，這裏配置訪問mysql的信息-->
    <!--url：這裏必須用ip-->
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://hadoop10:3306/hive</value>
    </property>
    <!--drivername-->
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
    </property>
    <!--username-->
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>
    <!--password-->
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>admins</value>
    </property>
</configuration>

登錄mysql創建hive數據庫(使用命令行創建)

create database hive

複製mysql驅動jar到hive的lib目錄中

4 啓動

1. 啓動 hadoop

啓動hadoop

# 啓動HDFS
start-dfs.sh
# 啓動yarn
start-yarn.sh

2. 本地啓動hive

初始化元數據：schematool -dbType mysql -initSchema

初始化mysql的hivedatabase中的信息。

3. 啓動Hive的兩種方式

# 本地模式啓動 【管理員模式】
# 啓動hive服務器，同時進入hive的客戶端。只能通過本地方式訪問。
[root@hadoop10 ~]# hive
Logging initialized using configuration in jar:file:/opt/installs/hive1.2.1/lib/hive-common-1.2.1.jar!/hive-log4j.properties
hive>

# 客戶端操作之HQL(Hive Query language)

# 1.查看數據庫
	hive> show databases;
# 2. 創建一個數據庫
	hive> create database baizhi;
# 3. 查看database 
	hive> show databases;
# 4. 切換進入數據庫
	hive> use baizhi;
# 5.查看所有表
	hive> show tables;
# 6.創建一個表
	hive> create table t_user(id string,name string,age int);
# 7. 添加一條數據(轉化爲MR執行--不讓用，僅供測試)
	hive> insert into t_user values('1001','zhangsan',20);
# 8.查看錶結構
	hive> desc t_user;
# 9.查看錶的schema描述信息。(表元數據，描述信息)
	hive> show create table t_user;
	# 明確看到，該表的數據存放在hdfs中。
# 10 .查看數據庫結構
	hive> desc database baizhi;
# 11.查看當前庫
	hive> select current_database();
# 12 其他sql
    select * from t_user;
    select count(*) from t_user; (Hive會啓動MapReduce)
    select * from t_user order by id;

---

3.hive的客戶端和服務端

# 啓動hive的服務器，可以允許遠程連接方式訪問。
// 前臺啓動
[root@hadoop10 ~]# hiveserver2 
// 後臺啓動
[root@hadoop10 ~]# hiveserver2 &

beeline客戶端

# 啓動客戶端
[root@hadoop10 ~]# beeline
beeline> !connect jdbc:hive2://hadoop10:10000
回車輸入mysql用戶名
回車輸入mysql密碼

DBeaver客戶端(圖形化界面)

# 1: 解壓
# 2: 準備dbeaver連接hive的依賴jar
	hadoop-common-2.9.2
	hive-jdbc-1.2.1-standalone
# 3:啓動

JDBC

# 導入依賴

<dependency>
    <groupId>org.apache.hive</groupId>
    <artifactId>hive-jdbc</artifactId>
    <version>1.2.1</version>
</dependency>
<dependency>
    <groupId>org.apache.hadoop</groupId>
    <artifactId>hadoop-common</artifactId>
    <version>2.9.2</version>
</dependency>

# JDBC操作Hive

public static void main(String[] args) throws Exception {
    BasicConfigurator.configure();//開啓日誌
    //加載hive驅動
    Class.forName("org.apache.hive.jdbc.HiveDriver");
    //連接hive數據庫
    Connection conn = DriverManager.getConnection("jdbc:hive2://hadoop10:10000/baizhi","root","admins");
    String sql = "select * from t_user1";
    PreparedStatement pstm = conn.prepareStatement(sql);
    ResultSet rs = pstm.executeQuery();
    while(rs.next()){
        String id = rs.getString("id");
        String name = rs.getString("name");
        int age = rs.getInt("age");
        System.out.println(id+":"+name+":"+age);
    }
    rs.close();
    pstm.close();
    conn.close();
}

4. 數據類型

數據類型（primitive，array，map，struct )

• primitive(原始類型)：

  hive數據類型	字節	備註
  TINYINT	1	java-byte 整型
  SMALLINT	2	java-short 整型
  INT	4	java-int 整型
  BIGINT	8	java-long 整型
  BOOLEAN		布爾
  FLOAT	4	浮點型
  DOUBLE	8	浮點型
  STRING		字符串 無限制
  VARCHAR		字符串 varchar(20) 最長20
  CHAR		字符串 char(20) 定長20
  BINARY		二進制類型
  TIMESTAMP		時間戳類型
  DATE		日期類型

• array（數組類型）：

  # 建表
  create table t_tab(
  	score array<float>，
      字段名 array<泛型>
  );

• map（key-value類型）：MAP <primitive_type, data_type>

  # 建表
  create table t_tab(
  	score map<string,float>
  );

• struct（結構體類型）：STRUCT <col_name:data_type, …>

  # 建表
  create table t_tab(
  	info struct<name:string,age:int,sex:char(1)>，
      列名 struct<屬性名:類型,屬性名:類型>
  );

Hive數據導入

1.自定義分隔符

# 分隔符設計

分隔符	含義	備註
,	用來表示每個列的值之間分隔符。 fields
-	用來分割array中每個元素，以及struct中的每個值，以及map中kv與kv之間。 collection items
|	用來分割map的k和v之間 map keys
\n	每條數據分割使用換行。 lines

# 建表

create table t_person(
    id string,
    name string,
    salary double,
    birthday date,
    sex char(1),
    hobbies array<string>,
    cards map<string,string>,
    addr struct<city:string,zipCode:string>
) row format delimited
fields terminated by ','--列的分割
collection items terminated by '-'--數組 struct的屬性 map的kv和kv之間
map keys terminated by '|'-- map的k與v的分割
lines terminated by '\n';--行數據之間的分割

# 測試數據

1,張三,8000.0,2019-9-9,1,抽菸-喝酒-燙頭,123456|中國銀行-22334455|建設銀行,北京-10010
2,李四,9000.0,2019-8-9,0,抽菸-喝酒-燙頭,123456|中國銀行-22334455|建設銀行,鄭州-45000
3,王五,7000.0,2019-7-9,1,喝酒-燙頭,123456|中國銀行-22334455|建設銀行,北京-10010
4,趙6,100.0,2019-10-9,0,抽菸-燙頭,123456|中國銀行-22334455|建設銀行,鄭州-45000
5,于謙,1000.0,2019-10-9,0,抽菸-喝酒,123456|中國銀行-22334455|建設銀行,北京-10010
6,郭德綱,1000.0,2019-10-9,1,抽菸-燙頭,123456|中國銀行-22334455|建設銀行,天津-20010

# 導入數據

# 在hive命令行中執行
-- local 代表本地路徑，如果不寫，代表讀取文件來自於HDFS
-- overwrite 是覆蓋的意思，可以省略。
load data [local] inpath ‘/opt/datas/person1.txt’ [overwrite] into table t_person;
# 本質上就是將數據上傳到hdfs中(數據是受hive的管理)

2.JSON分割符

jar添加和數據導入，建表，在beeline裏面操作

數據

# 1.本地創建json文件

{"id":1,"name":"zhangsan","sex":0,"birth":"1991-02-08"}
{"id":2,"name":"lisi","sex":1,"birth":"1991-02-08"}

添加格式解析器的jar(本地客戶端命令)

# 在hive的客戶端執行(臨時添加jar到hive的classpath，有效期本鏈接內)
add jar /opt/installs/hive1.2.1/hcatalog/share/hcatalog/hive-hcatalog-core-1.2.1.jar

# 補充：永久添加，Hive服務器級別有效。
1. 將需要添加到hive的classpath的jar，拷貝到hive下的auxlib目錄下，
2. 重啓hiveserver即可。

建表

create table t_person2(
    id string,
    name string,
    sex char(1),
    birth date
)row format serde 'org.apache.hive.hcatalog.data.JsonSerDe';

加載文件數據(本地客戶端命令)

# 注意：導入的json數據dbeaver看不了。(因爲導入後的表本質上就是該json文件。)
load data local inpath '/opt/person.json' into table t_person2;

查看數據

select * from t_person2;

3. 正則分隔符

數據：access.log

INFO 192.168.1.1 2019-10-19 QQ com.baizhi.service.IUserService#login
INFO 192.168.1.1 2019-10-19 QQ com.baizhi.service.IUserService#login
ERROR 192.168.1.3 2019-10-19 QQ com.baizhi.service.IUserService#save
WARN 192.168.1.2 2019-10-19 QQ com.baizhi.service.IUserService#login
DEBUG 192.168.1.3 2019-10-19 QQ com.baizhi.service.IUserService#login
ERROR 192.168.1.1 2019-10-19 QQ com.baizhi.service.IUserService#register

建表語句

create table t_access(
    level string,
    ip string,
    log_time date,
    app string,
    service string,
    method string
)row format serde 'org.apache.hadoop.hive.serde2.RegexSerDe'--正則表達式的格式轉化類
with serdeproperties("input.regex"="(.*)\\s(.*)\\s(.*)\\s(.*)\\s(.*)#(.*)");--(.*) 表示任意字符 \\s表示空格

導入數據

load data local inpath '/opt/access.log' into table t_access;

查看數據

select * from t_access;

HQL高級

– SQL關鍵詞執行順序
from > where條件 > group by > having條件>select>order by>limit

注意：sql一旦出現group by，後續的關鍵詞能夠操作字段只有(分組依據字段，組函數處理結果)

HQL高級

# 0. 各個數據類型的字段訪問(array、map、struct)
select name,salary,hobbies[1],cards['123456'],addr.city from t_person;
# 1. 條件查詢：= != >= <=
select * from t_person where addr.city='鄭州';
# 2. and or between and
select * from t_person where salary>5000 and array_contains(hobbies,'抽菸');
# 3. order by[底層會啓動mapreduce進行排序]
select * from t_person order by salary desc;
# 4. limit(hive沒有起始下標)
select * from t_person sort by salary desc limit 5;
# 5. 去重
select distinct addr.city  from t_person;
select distinct(addr.city) from t_person;

# 表連接
select ...
from table1 t1 left join  table2 t2 on 條件
where 條件
group by
having

1. 查詢性別不同，但是薪資相同的人員信息。
select 
    t1.name,t1.sex,t1.salary,
    t2.name,t2.sex,t2.salary
from t_person t1 join t_person t2 on t1.salary = t2.salary 
where t1.sex != t2.sex;

2. 查詢擁有相同第一愛好且來自不同城市的人信息。
SELECT 
	t1.name,t1.salary,t1.hobbies,t1.addr.city,
	t2.name,t2.salary,t2.hobbies,t2.addr.city
from t_person t1 join t_person t2 on t1.hobbies[0]=t2.hobbies[0]
where t1.addr.city != t2.addr.city;

# 單行函數(show functions) 查看所有函數
-- 查看hive系統所有函數 
show functions;

1. array_contains(列,值);
select name,hobbies from t_person where array_contains(hobbies,'喝酒');
2. length(列)
select length('123123');
3. concat(列,列)
select concat('123123','aaaa');
4. to_date('1999-9-9')
select to_date('1999-9-9');
5. year(date),month(date),
6. date_add(date,數字)
select name,date_add(birthday,-9) from t_person;

# 組函數
概念：
max、min、sum、avg、count等。

select max(salary) from t_person where addr.city='北京';
select count(id) from t_person;

# 炸裂函數(集合函數)

-- 查詢所有的愛好，
select explode(hobbies) as hobby from t_person

# lateral view 
-- 爲指定表，的邊緣拼接一個列。(類似表連接)
-- lateral view：爲表的拼接一個列(炸裂結果)
-- 語法：from 表 lateral view explode(數組字段) 別名 as 字段名;

-- 查看id，name，愛好。一個愛好一條信息。
select id,name,hobby
from t_person lateral view explode(hobbies) t_hobby as hobby

# 分組
1. group by(查看各個城市的均薪)
select addr.city,avg(salary) from t_person group by addr.city;
2. having(查看平均工資超過5000的城市和均薪)
select addr.city,avg(salary) from t_person group by addr.city having avg(salary)>5000;
3. 統計各個愛好的人數
--explod+lateral view
select hobby,count( * )
from t_person lateral view explode(hobbies) t_hobby as hobby
group by hobby;
4. 統計最受歡迎的愛好TOP1
SELECT hb,count( * ) num
	from t_person lateral view explode(hobbies) h as hb
	group by hb
	order by num desc limit 1;

# 子查詢

-- 統計有哪些愛好，並去重。
select distinct t.hobby from 
(select explode(hobbies) as hobby from t_person ) t

行列相轉

# 案例表和數據

--## 表（電影觀看日誌）
create table t_visit_video (
    username string,
    video_name string,
    video_date date
)row format delimited fields terminated by ',';
--## 數據：豆瓣觀影日誌數據。(用戶觀影日誌數據  按照天存放 1天一個日誌文件)
張三,大唐雙龍傳,2020-03-21
李四,天下無賊,2020-03-21
張三,神探狄仁傑,2020-03-21
李四,霸王別姬,2020-03-21
李四,霸王別姬,2020-03-21
王五,機器人總動員,2020-03-21
王五,放牛班的春天,2020-03-21
王五,盜夢空間,2020-03-21

# collect_list(組函數)
作用：對分組後的，每個組的某個列的值進行收集彙總。
語法：select collect_list(列) from 表 group by 分組列;

select username,collect_list(video_name) from t_visit_video group by username;

# collect_set(組函數)
作用：對分組後的，每個組的某個列的值進行收集彙總，並去掉重複值。
語法：select collect_set(列) from 表 group by 分組列;

select username,collect_set(video_name) from t_visit_video group by username;

# concat_ws(單行函數)
作用：如果某個字段是數組，對該值得多個元素使用指定分隔符拼接。
select id,name,concat_ws(',',hobbies) from t_person;

--# 將t_visit_video數據轉化爲如下圖效果
--統計每個人，2020-3-21看過的電影。
select username,concat_ws(',',collect_set(video_name)) from t_visit_video group by username;

全排序和局部排序

# 全局排序
語法：select * from 表 order by 字段 asc|desc;

-- 按照薪資降序排序
select * from t_person order by salary desc;

# 局部排序(分區排序)
概念：啓動多個reduceTask，對數據進行排序(預排序)，局部有序。
	局部排序關鍵詞 sort by
	默認reducetask個數只有1個，所有分區也只有一個。所以默認和全排序效果一樣。
語法：select * from 表 distribute by 分區字段 sort by 字段 asc|desc;

-- 1. 開啓reduce個數
	-- 設置reduce個數
	set mapreduce.job.reduces = 3;
    -- 查看reduce個數
    set mapreduce.job.reduces;
-- 2. 使用sort by排序 +distribute by 指定分區列。(使用distribute後select就只能*)
	select * from t_person distribute by addr.city sort by salary desc;

Hive中表分類

4.1 管理表

由Hive全權管理的表

​ 所謂的管理表指hive是否具備數據的管理權限，如果該表是管理表，當用戶刪除表的同時，hive也會將表所對應的數據刪除，因此在生產環境下，爲了防止誤操作，帶來數據損失，一般考慮將表修改爲非管理表-外部表

總結：Hive的管理，表結構，hdfs中表的數據文件，都歸Hive全權管理。---- hive刪除管理表，HDFS對應文件也會被刪除。

缺點：數據不安全。

4.2 外部表

引用映射HDFS數據作爲表管理,但無法刪除數據

外部表和管理表最大的區別在於刪除外部表，只是將MySQL中對應該表的元數據信息刪除，並不會刪除hdfs上的數據，因此外部表可以實現和第三方應用共享數據。在創建外表的時候需要添加一個關鍵字"external"即可。create external xxx()…

# 創建外部表
1. 準備數據文件personout.txt
2. 上傳至hdfs中，該數據文件必須被放在一個單獨的文件夾內。該文件夾內的數據文件被作爲表數據
3. 創建表: create external location
	在最後使用location 指定hdfs中數據文件所在的文件夾即可。
    create external table t_personout(
        id int,
        name string,
        salary double,
        birthday date,
        sex char(1),
        hobbies array<string>,
        cards map<string,string>,
        addr struct<city:string,zipCode:string>
    )row format delimited
    fields terminated by ',' --列的分割
    collection items terminated by '-'--數組 struct的屬性 map的kv和kv之間
    map keys terminated by '|'
    lines terminated by '\n'
    location '/file';
    
4. 查詢表數據

4.3 分區表

將表按照某個列的一定規則進行分區存放，減少海量數據情況下的數據檢索範圍，提高查詢效率；

舉例：電影表、用戶表

分區方案：按照用戶區域、電影類型

應用：依據實際業務功能，拿查詢條件的列作爲分區列來進行分區，縮小MapReduce的掃描範圍，提高MapReduce的執行效率，

總結：

​ table中的多個分區的數據是分區管理

​ 1：刪除數據按照分區刪除。如果刪除某個分區，則將分區對應的數據也刪除(外部表，數據刪除，數據文件依然在)。

​ 2：查詢統計，多個分區被一個表管理起來。

​ select * from 表 where 分區字段爲條件。

4.3.1 創建分區表

數據源文件

# 文件"bj.txt" (china bj數據)
1001,張三,1999-1-9,1000.0
1002,李四,1999-2-9,2000.0
1008,孫帥,1999-9-8,50000.0
1010,王宇希,1999-10-9,10000.0
1009,劉春陽,1999-9-9,10.0
# 文件“tj.txt” (china tj數據)
1006,郭德綱,1999-6-9,6000.0
1007,胡鑫喆,1999-7-9,7000.0

建表

create external table t_user_part(
	id string,
	name string,
	birth date,
	salary double
)partitioned by(country string,city string)--指定分區列,按照國家和城市分區。
row format delimited
fields terminated by ',' 
lines terminated by '\n';

創建分區表並導入數據

# 導入china和bj的數據
load data local inpath "/opt/bj.txt" into table t_user_part partition(country='china',city='bj');
# 導入china和heb的數據
load data local inpath "/opt/tj.txt" into table t_user_part partition(country='china',city='tj');

查看分區信息

show partitions t_user_part;

使用分區查詢:本質上只要查詢條件在存在分區列

select * from t_user_part where city = 'bj'

刪除分區信息

會連同分區數據一塊刪除

外部分區表，刪除後，hive不管理數據，但是數據文件依然存在

alter table t_user_part drop partition(country='china',city='bj');

添加分區(瞭解)

alter table t_user_part add partition(country='china',city='heb') location '/file/t_user_part/heb';

# 表分類
1. 管理表
	hive中table數據和hdfs數據文件都是被hive管理。
2. 外部表--常用--hdfs文件安全。
    hive的table數據，如果刪除hive中的table，外部hdfs的數據文件依舊保留。
3. 分區表--重要。
	將table按照不同分區管理。
	好處：如果where條件中有分區字段，則Hive會自動對分區內的數據進行檢索(不再掃描其他分區數據)，提高hive的查詢效率。

Hive自定義函數

內置函數

# 查看hive內置函數
show functions;
# 查看函數描述信息
desc function max;

用戶自定義函數UDF

用戶定義函數-UDF:user-defined function

操作作用於單個數據行，並且產生一個數據行作爲輸出。大多數函數都屬於這一類（比如數學函數和字符串函數）。

1. 用戶定義函數-UDF

user-defined function

操作作用於單個數據行，並且產生一個數據行作爲輸出。大多數函數都屬於這一類（比如數學函數和字符串函數）。

簡單來說：

UDF:返回對應值，一對一

# 0. 導入hive依賴

<dependency>
    <groupId>org.apache.hive</groupId>
    <artifactId>hive-exec</artifactId>
    <version>1.2.1</version>
</dependency>

# 1.定義一個類繼承UDF
1. 必須繼承UDF
2. 方法名必須是evaluate

import org.apache.hadoop.hive.ql.exec.Description;
import org.apache.hadoop.hive.ql.exec.UDF;
@Description(
        name = "hello",
        value = "hello(str1,str2)-用來獲取 '你好 str1,str2 有美女嗎?'的結果"//這裏的中文解釋以後看的時候會有亂碼，最好寫英文。
)
public class HelloUDF extends UDF {
    // 方法名必須交evaluate
    public String evaluate(String s1,String s2){
        return "你好，"+s1+","+s2+"有美女嗎?";
    }
}

# 2. 配置maven打包環境，打包jar

<properties>
    <!--解決編碼的GBK的問題-->
    <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
</properties>
<build>
        <finalName>funcHello</finalName>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-jar-plugin</artifactId>
                <version>2.4</version>
                <configuration>
                    <includes>
                        <!--將function包下的所有類和子包下所有類，進行打包-->
                        <include>**/function/**</include>
                    </includes>
                </configuration>
            </plugin>
        </plugins>
    </build>

# 打包
mvn package

# 3. 上傳linux，導入到函數庫中。

# 在hive命令中執行
add jar /opt/doc/funcHello.jar; # hive session級別的添加，
delete jar /opt/doc/funcHello.jar; # 如果重寫，記得刪除。

create [temporary] function hello as "function.HelloUDF"; # temporary是會話級別。
# 刪除導入的函數
drop [temporary] function hello;

# 4. 查看函數並使用函數

-- 1. 查看函數
desc function hello;
desc function extended hello;
-- 2. 使用函數進行查詢
select hello(userid,cityname) from logs;

導入奇葩的依賴方法-pentahu

# 下載
https://public.nexus.pentaho.org/repository/proxied-pentaho-public-repos-group/org/pentaho/pentaho-aggdesigner-algorithm/5.1.5-jhyde/pentaho-aggdesigner-algorithm-5.1.5-jhyde-javadoc.jar
# 放在本地英文目錄下
D:\work\pentaho-aggdesigner-algorithm-5.1.5-jhyde-javadoc.jar
# 執行mvn安裝本地依賴的命令
D:\work> mvn install:install-file -DgroupId=org.pentaho -DartifactId=pentaho-aggdesigner-algorithm  -Dversion=5.1.5-jhyde  -Dpackaging=jar  -Dfile=pentaho-aggdesigner-algorithm-5.1.5-jhyde-javadoc.jar