深入理解 Hive

直接在 Linux 命令行环境下执行 hive 命令

hive -e “”

[root@hadoop0 ~]# hive -e "create table t1(name string);"

分区表

hive> create table t1(id int) partitioned by (day int);

Hive 把表组织成“分区”（partition）。这是一种根据“分区列”（partition column，如日期）的值对表进行粗略划分的机制。使用分区可以加快数据分片（slice）的查询速度。

• （1）分区表的适用场景

  每天产生一个文件夹，可根据日期建立分区表，这样就避免了对所有的目录进行全表扫描；

• （2）关键字：partitioned by ()

  后边小括号跟的内容，作为一个单独的列，为分区列“partition column”，这也是分区的划分依据

分区表的创建流程：

• （1） 创建分区表（指定“分区列” partition column）

  create external table hmbbs(ip string, atime string, url string) partitioned by (logdate string) row format delimited fields terminated by ‘\t’ location ‘/hmbbs_cleaned’

  此时表中未有数据，因为未增加分区

• （2）增加分区

  alter table hmbbs add partition(logdate=2013_05_30) location ‘/hmbbs_cleaned/2013_05_30’；

外部表

通过外部文件（hdfs 上的文件）的数据信息创建自己的表，关键字：external、location；

hive> create external table t5(id int) location '/external';