1. 統合ガイド
  2. Apache Hiveとの統合
  3. 例: Oracle NoSQL Database表に対するHive問合せ
  4. プリミティブ・データ型 - vehicleTableの例
  5. vehicleTableに対するHive問合せ: プリミティブ・データ型

vehicleTableに対するHive問合せ: プリミティブ・データ型

前の項で説明した指示に従ってHive外部表を作成し、Oracle NoSQL Databaseストア(非セキュアまたはセキュア)のvehicleTableにマップした後、Hive問合せ言語を介してその表を問合せできます。

前の項では、Hive表を特定のOracle NoSQL Databaseストアの表にマップするためのシナリオとして、非セキュア・ストア、クライアント・ストアのパスワードがパスワード・ファイルに格納されているセキュア・ストア、およびクライアント・ストアのパスワードがOracle Walletに格納されているセキュア・ストアがありました。次の各項では、その結果として特定の問合せの3つの形式(具体的にはシナリオごとに1つ)を示します。

  • 非セキュア・シナリオでのvehicleTableという名前の表に対する問合せ
  • パスワード・ファイルを使用したセキュア・シナリオでのvehicleTablePasswdに対する問合せ
  • ウォレットを使用したセキュア・シナリオでのvehicleTableWalletに対する問合せ

シナリオごとの特定の問合せの唯一の違いは、問い合せる表の名前です。

個別の各シナリオで作成されたHive表は、基礎となる同じOracle NoSQL Database表にマップされるため、各シナリオの特定の問合せの各形式の出力は同じになります。したがって、各項には特定の問合せの3つのインスタンスが表示されていますが、問合せ結果は1回のみ示し、わかりやすくするために編集されています。

Hive CLIコマンド・プロンプトで、特定の環境の構成方法(非セキュア・ストアまたはセキュア・ストアのいずれであるか、セキュアの場合はクライアントのパスワードの格納にパスワード・ファイルとOracle Walletのどちらを使用しているか)に対応する次の各項の問合せを入力します。

ノート:

場合によっては、Hiveは問合せを満たすためにMapReduceジョブを実行しますが、それ以外は、Hiveデータ・ディクショナリを単純に調べて問合せが満たされるため、MapReduceは使用されません。

Oracle NoSQL Database vehicleTableの各行のリスト

SELECT * FROM vehicleTable;
SELECT * FROM vehicleTablePasswd;
SELECT * FROM vehicleTableWallet;

OK
auto  Ford Focus  4WheelDrive white  20743.94 15 3 2020-10-09
auto  GM   Impala 4WheelDrive black  29834.91 24 7 2019-12-11
auto  GM   Impala 4WheelDrive yellow 21753.53 27 8 2017-03-31
truck Ford F250   4WheelDrive blue   31115.76 14 9 2018-02-01
..........

vehicleTableの行のカウント

SELECT count(type) FROM vehicleTable;
SELECT count(type) FROM vehicleTablePasswd;
SELECT count(type) FROM vehicleTableWallet;

OK
Launching Job 1 out of 1
..........
Hadoop job information for Stage-1: number of mappers: 6;
number of reducers: 1
Stage-1 map = 0%,  reduce = 0%
Stage-1 map = 7%,  reduce = 0%, Cumulative CPU 2.26 sec
Stage-1 map = 21%,  reduce = 0%, Cumulative CPU 6.7 sec
Stage-1 map = 30%,  reduce = 0%, Cumulative CPU 6.87 sec
Stage-1 map = 100%,  reduce = 0%, Cumulative CPU 14.16 sec
Stage-1 map = 100%,  reduce = 100%, Cumulative CPU 15.24 sec
..........
Job 0: Map: 6  Reduce: 1   Cumulative CPU: 15.24 sec   
HDFS Read: 4532 HDFS Write: 3 SUCCESS
Total MapReduce CPU Time Spent: 15 seconds 240 msec
OK
79
Time taken: 89.359 seconds, Fetched: 1 row(s)

vehicleTableでの車両の最低価格の検索

SELECT min(price) FROM vehicleTable;
SELECT min(price) FROM vehicleTablePasswd;
SELECT min(price) FROM vehicleTableWallet;

OK
Launching Job 1 out of 1
..........
Hadoop job information for Stage-1: number of mappers: 6;
number of reducers: 1
Stage-1 map = 0%,  reduce = 0%
Stage-1 map = 21%,  reduce = 0%, Cumulative CPU 6.7 sec
Stage-1 map = 21%,  reduce = 0%, Cumulative CPU 6.7 sec
Stage-1 map = 30%,  reduce = 0%, Cumulative CPU 6.87 sec
Stage-1 map = 100%,  reduce = 0%, Cumulative CPU 12.16 sec
Stage-1 map = 100%,  reduce = 0%, Cumulative CPU 14.16 sec
..........
Job 0: Map: 6  Reduce: 1   Cumulative CPU: 15.24 sec   
HDFS Read: 4532 HDFS Write: 3 SUCCESS
Total MapReduce CPU Time Spent: 15 seconds 240 msec
OK
20743.94
Time taken: 89.615 seconds, Fetched: 1 row(s)

vehicleTableのGM車両すべてのリスト

SELECT * FROM vehicleTable WHERE make LIKE "%GM";
SELECT * FROM vehicleTablePasswd WHERE make LIKE "%GM";
SELECT * FROM vehicleTableWallet WHERE make LIKE "%GM";

OK
Launching Job 1 out of 1
..........
Hadoop job information for Stage-1: number of mappers: 6;
number of reducers: 0
Stage-1 map = 0%,  reduce = 0%
Stage-1 map = 9%,  reduce = 0%, Cumulative CPU 2.43 sec
Stage-1 map = 26%,  reduce = 0%, Cumulative CPU 4.81 sec
Stage-1 map = 79%,  reduce = 0%, Cumulative CPU 13.09 sec
Stage-1 map = 100%,  reduce = 100%, Cumulative CPU 16.06 sec
..........
Job 0: Map: 6  Cumulative CPU: 15.24 sec   
HDFS Read: 4532 HDFS Write: 3 SUCCESS
Total MapReduce CPU Time Spent: 15 seconds 240 msec
OK

suv   GM Equinox  4WheelDrive   white  20743.94 3 1 2019-03-01
truck GM Sierra   4WheelDrive   black  29834.91 8 3 2020-05-15
auto  GM Corvette 4WheelDrive   yellow 21753.53 7 5 2017-10-23
auto  GM Impala   AllWheelDrive blue   31115.76 4 9 2018-05-04
..........
Time taken: 89.615 seconds, Fetched: 1 row(s)

vehicleTableの赤または青のGM車両すべてのリスト

SELECT * FROM vehicleTable WHERE color IN ('red','blue') AND make='GM';
SELECT * FROM vehicleTablePasswd WHERE color IN ('red','blue') AND make='GM';
SELECT * FROM vehicleTableWallet WHERE color IN ('red','blue') AND make='GM';

OK
auto  GM Tahoe   AllWheelDrive  red  20743.67 28 3 2019-02-04
auto  GM Sierra  RearWheelDrive blue 20744.10 63 7 2018-08-04
suv   GM Tahoe   RearWheelDrive red  41486.74 27 5 2020-07-08
truck GM Equinox 4WheelDrive    red  31115.17 31 9 2017-06-04
truck GM Blazer  AllWheelDrive  red  31114.83 69 2 2019-04-06
truck GM Sierra  4WheelDrive    blue 31115.32 85 7 2019-02-11
..........

搬送時間の範囲の問合せおよび結果の順序付け

SELECT delivered FROM vehicleTable WHERE delivered 
    BETWEEN '2020-06-06 06:53:41.448643' AND '2019-09-05 15:40:22.057282' 
    ORDER BY delivered;
SELECT delivered FROM vehicleTablePasswd WHERE delivered 
    BETWEEN '2020-06-06 06:53:41.448643' AND '2019-09-05 15:40:22.057282' 
    ORDER BY delivered;
SELECT delivered FROM vehicleTableWallet WHERE delivered 
    BETWEEN '2020-06-06 06:53:41.448643' AND '2019-09-05 15:40:22.057282' 
    ORDER BY delivered;

OK
2019-07-25 09:19:24.743
2019-10-24 00:13:29.702
2019-11-04 05:31:34.358
..........
2020-05-25 06:15:16.809
2020-07-05 12:16:03.658
2020-09-05 15:40:22.057