任务实现：用给定的csv统计每件商品的销量。 csv有两列，一列叫ID,一列叫Goods 要求 创建Hive表。 导入用户购买数据到Hive表。 读取Hive表数据创建DataSet 根据商品分组统计商品销量。 将统计结果保存到Hive。

首先，你需要使用Hive的DDL（Data Definition Language）来创建一个表来存储CSV文件中的数据。假设ID是字符串类型，销量没有直接给出，我们先创建一个名为`product_sales`的表：

CREATE EXTERNAL TABLE product_sales (
    ID STRING,
    Goods STRING
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
STORED AS TEXTFILE;

然后，你可以使用`LOAD DATA INPATH`命令导入CSV文件：

LOAD DATA LOCAL INPATH '/path/to/your/csv/file.csv'
OVERWRITE INTO TABLE product_sales;

这里 `/path/to/your/csv/file.csv` 需替换为实际CSV文件的路径。

接下来，使用Spark SQL或Hive的聚合函数对商品（Goods）进行分组并计算销量（假设销量字段在CSV里称为`Sales`）：

SELECT Goods, COUNT(*) as SalesCount
FROM product_sales
GROUP BY Goods;

如果CSV文件中并没有销量数据，那么你可能需要预处理数据，比如关联另一个包含销量信息的表或通过其他方式获取销量。

最后，为了持久化统计结果到Hive，可以再次创建一个新的外部表，并将上面查询的结果插入：

CREATE EXTERNAL TABLE sales_summary (
    Goods STRING,
    SalesCount BIGINT
)
CLUSTERED BY (Goods) INTO 1 BUCKET;

INSERT INTO TABLE sales_summary
SELECT Goods, SalesCount
FROM (
    SELECT Goods, COUNT(*) as SalesCount
    FROM product_sales
    GROUP BY Goods
) summary_table;

注意，这里假设`SalesCount`不会很大，所以可以直接使用`BIGINT`类型；如果销量可能会非常大，可能需要使用分区或更复杂的存储解决方案。