Hive(四)之 Hive数据库定义DDL语言

4.DDL数据定义

4.1创建数据库

    创建一个数据库,数据库在HDFS上的默认存储路径是/opt/hive/warehouse/*.db
create database hivetest;
    避免要创建的数据库已经存在错误,增加if not exists判断。(标准写法)
create database if not exists hivetest;
    创建一个数据库,指定数据库在HDFS上存放的位置
create database if not exists hivetest location hdfs路径;

4.2查询数据库

    显示数据库
show databases;

过滤显示查询的数据库

show databases like hivetest*;
    查看数据库详情
desc database hivetest;
    切换当前数据库
use 目标数据库名称;

4.3删除数据库

    删除空数据库
drop database 库名;
    如果删除的数据库不存在,最好采用 if exists判断数据库是否存在
drop database if exists 库名;
    如果数据库不为空,可以采用cascade命令,强制删除
drop database 库名 cascade;

4.4创建表

    建表语法
CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name 
[(col_name data_type [COMMENT col_comment], ...)] 
[COMMENT table_comment] 
[PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)] 
[CLUSTERED BY (col_name, col_name, ...) 
[SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] 
[ROW FORMAT row_format] 
[STORED AS file_format] 
[LOCATION hdfs_path]
    字段解释说明

(1)CREATE TABLE 创建一个指定名字的表。如果相同名字的表已经存在,则抛出异常;用户可以用 IF NOT EXISTS 选项来忽略这个异常。

(2)EXTERNAL关键字可以让用户创建一个外部表,在建表的同时指定一个指向实际数据的路径(LOCATION),Hive创建内部表时,会将数据移动到数据仓库指向的路径;若创建外部表,仅记录数据所在的路径,不对数据的位置做任何改变。在删除表的时候,内部表的元数据和数据会被一起删除,而外部表只删除元数据,不删除数据。

(3)COMMENT:为表和列添加注释。

(4)PARTITIONED BY创建分区表

(5)CLUSTERED BY创建分桶表

(6)SORTED BY不常用

(7)ROW FORMAT

DELIMITED [FIELDS TERMINATED BY char] [COLLECTION ITEMS TERMINATED BY char]

[MAP KEYS TERMINATED BY char] [LINES TERMINATED BY char]

| SERDE serde_name [WITH SERDEPROPERTIES (property_name=property_value, property_name=property_value, …)]

用户在建表的时候可以自定义SerDe或者使用自带的SerDe。如果没有指定ROW FORMAT 或者ROW FORMAT DELIMITED,将会使用自带的SerDe。在建表的时候,用户还需要为表指定列,用户在指定表的列的同时也会指定自定义的SerDe,Hive通过SerDe确定表的具体的列的数据。

SerDe是Serialize/Deserilize的简称,目的是用于序列化和反序列化。

(8)STORED AS指定存储文件类型

常用的存储文件类型:SEQUENCEFILE(二进制序列文件)、TEXTFILE(文本)、RCFILE(列式存储格式文件)

如果文件数据是纯文本,可以使用STORED AS TEXTFILE。如果数据需要压缩,使用 STORED AS SEQUENCEFILE。

(9)LOCATION :指定表在HDFS上的存储位置。

(10)LIKE允许用户复制现有的表结构,但是不复制数据。

4.4.1内部表

默认创建的表都是所谓的管理表,有时也被称为内部表。因为这种表,Hive会(或多或少地)控制着数据的生命周期。Hive默认情况下会将这些表的数据存储在由配置项hive.metastore.warehouse.dir(例如,/opt/hive/warehouse)所定义的目录的子目录下。 当我们删除一个管理表时,Hive也会删除这个表中数据。管理表不适合和其他工具共享数据。

    普通创建表
create table if not exists student2(
id int, name string
)
row format delimited fields terminated by 	;
    根据查询结果创建表(查询的结果会添加到新创建的表中)
create table if not exists student3 as select id, name from student;
    根据已经存在的表结构创建表
create table if not exists student4 like student;
    查询表的类型
desc formatted student2;

4.4.2外部表

因为表是外部表,所以Hive并非认为其完全拥有这份数据。删除该表并不会删除掉这份数据,不过描述表的元数据信息会被删除掉。

    管理表和外部表的使用场景

每天将收集到的网站日志定期流入HDFS文本文件。在外部表(原始日志表)的基础上做大量的统计分析,用到的中间表、结果表使用内部表存储,数据通过SELECT+INSERT进入内部表。

案例详解

分别创建employee外部表,并向表中导入数据。

Michael|Montreal,Toronto|Male,30|DB:80|Product:DeveloperLead
Will|Montreal|Male,35|Perl:85|Product:Lead,Test:Lead
Shelley|New York|Female,27|Python:80|Test:Lead,COE:Architect
Lucy|Vancouver|Female,57|Sales:89|Sales:Lead
    建表语句

创建员工表

create external table if not exists employee(
name string,
address array<string>,
personalInfo array<string>,
technol map<string,int>,
jobs map<string,string>)
row format delimited
fields terminated by |
collection items terminated by ,
map keys terminated by :
lines terminated by 
;

向外部表中导入数据

load data local inpath /root/employee.txt into table employee;

查询结果

select * from employee;

4.4.3管理表与外部表的互相转换

    修改内部表student2为外部表
alter table student2 set tblproperties(EXTERNAL=TRUE);
    修改外部表student2为内部表
alter table student2 set tblproperties(EXTERNAL=FALSE);

注意:(EXTERNAL=TRUE)和(EXTERNAL=FALSE)为固定写法,区分大小写!

4.5分区表(partition)

分区表实际上就是对应一个HDFS文件系统上的独立的文件夹,该文件夹下是该分区所有的数据文件。Hive中的分区就是分目录,把一个大的数据集根据业务需要分割成小的数据集。在查询时通过WHERE子句中的表达式选择查询所需要的指定的分区,这样的查询效率会提高很多。

4.5.1分区表基本操作

数据

10,ACCOUNTING,NEW YORK
10,ACCOUNTING,NEW YORK
10,ACCOUNTING,NEW YORK
20,RESEARCH,DALLAS
20,RESEARCH,DALLAS
20,RESEARCH,DALLAS
30,SALES,CHICAGO
30,SALES,CHICAGO

1.引入分区表(需要根据日期对日志进行管理)

/opt/hive/warehouse/log_partition/20170702/20170702.log
/opt/hive/warehouse/log_partition/20170703/20170703.log
/opt/hive/warehouse/log_partition/20170704/20170704.log

2.创建分区表语法

create table dept_partition(
deptno int, dname string, loc string
)
partitioned by (month string)
row format delimited fields terminated by ,;

3.加载数据到分区表中

load data local inpath /opt/dept.txt into table default.dept_partition partition(month=201707’);
load data local inpath /opt/dept.txt into table default.dept_partition partition(month=201708’);
load data local inpath /opt/dept.txt into table default.dept_partition partition(month=201709’);

4.查询分区表中数据

单分区查询

select * from dept_partition where month=201709;

多分区联合查询

select * from dept_partition where month=201709
union
select * from dept_partition where month=201708
union
select * from dept_partition where month=201707;

注意

Hive 1.2.0之前的版本仅支持UNION ALL,其中重复的行不会被删除。 Hive 1.2.0和更高版本中,UNION的默认行为是从结果中删除重复的行。

5.增加分区

alter table dept_partition add partition(month=201706) ;
alter table dept_partition add partition(month=201705) ,partition(month=201704);

6.删除分区

alter table dept_partition drop partition (month=201704);
alter table dept_partition drop partition (month=201705), partition (month=201706)

7.查看分区表有多少分区

show partitions dept_partition;

8.查看分区表结构

desc formatted dept_partition;

4.6修改表

4.6.1重命名表

    语法
ALTER TABLE table_name RENAME TO new_table_name
    实例
alter table dept_partition2 rename to dept_partition3;

4.6.2增加/修改/替换列信息

    语法

更新列

ALTER TABLE table_name CHANGE [COLUMN] col_old_name col_new_name column_type [COMMENT col_comment] [FIRST|AFTER column_name]

增加和替换列

ALTER TABLE table_name ADD|REPLACE COLUMNS (col_name data_type [COMMENT col_comment], ...)

注:ADD是代表新增一字段,字段位置在所有列后面(partition列前),REPLACE则是表示替换表中所有字段。

    案例

添加列

alter table dept_partition add columns(deptdesc string);

更新列

alter table dept_partition change column deptdesc desc int;

替换列

alter table dept_partition replace columns(deptno string, dname string, loc string);

4.6.3删除表

drop table dept_partition;

注意:外部表不能简单的通过这个命令删除,这个命令只能删除外部表的元数据,没有办法删除hdfs上面的数据,如果需要将外部表彻底删除,有以下方法:

    方案一:转换为内部表再删除
ALTER TABLE xxx SET TBLPROPERTIES(EXTERNAL=False);

drop table xxx;
    方案二:删除元数据,然后使用hdfs删除数据
经验分享 程序员 微信小程序 职场和发展