本文目录如下:
注:本章节中第
4.5小节
为重点小节,其他不用掌握太深。
第4章 DDL 数据定义
4.1 创建数据库
# create database [if not exists] database_name
CREATE DATABASE [IF NOT EXISTS] database_name
[COMMENT database_comment] # 注释
[LOCATION hdfs_path] # 数据库创建的位置
[WITH DBPROPERTIES (property_name=property_value, ...)]; # 一些描述信息
- (1) 创建一个数据库,数据库在 HDFS 上的默认存储路径是
/user/hive/warehouse/
。
hive (default)> create database hive2;
- (2) 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, 常用写法
)
# 使用 if not exists, 可以避免要创建的库已存在而报错
hive (default)> create database if not exists hive;
- (3) 创建一个数据库,指定数据库在
HDFS
上存放的位置
hive (default)> create database hive2 location '/hive2';
4.2 查询数据库
4.2.1 显示数据库
- (1) 显示数据库
hive> show databases;
- (2) 过滤显示查询的数据库
hive> show databases like 'hive*';
hive
hive2
4.2.2 查看数据库详情
- (1) 显示数据库信息
hive> desc database hive;
OK
db_name comment location owner_name owner_type parameters
hive hdfs://hadoop100:8020/user/hive/warehouse/hive.db xqzhao USER
- (2) 显示数据库详细信息
hive> desc database extended hive;
db_name comment location owner_name owner_type parameters
hive hdfs://hadoop100:8020/user/hive/warehouse/hive.db xqzhao USER
4.2.3 切换当前数据库
hive (default)> use hive2;
4.3 修改数据库
用户可以使用 ALTER DATABASE
命令为某个数据库的 DBPROPERTIES
设置键-值对属性值,来描述这个数据库的属性信息。
hive (default)> alter database hive set dbproperties('createtime'='20210520');
在 hive
中查看修改结果
hive> desc database extended hive;
db_name comment location owner_name owner_type parameters
hive hdfs://hadoop100:8020/user/... xqzhao USER {createtime=20210520}
4.4 删除数据库
- (1) 删除空数据库
hive>drop database hive2;
- (2) 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
hive> drop database if exists hive2;
- (3) 如果数据库不为空,可以采用
cascade
命令,强制删除
hive> drop database hive2;
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. InvalidOperationException(message:Database db_hive is not empty. One or more tables exist.)
hive> drop database hive2 cascade;
4.5 创建表(重点)
4.5.1 建表语法
# create [external] table [if not exists] table_name
CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name # 外部的 -->Hive中的表会有内外之分
[(col_name data_type [COMMENT col_comment], ...)] # 列名,以及对列名的解释
[COMMENT table_comment]
[PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)] # 分区表
[CLUSTERED BY (col_name, col_name, ...) # 分桶表
[SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] # 分桶表
[ROW FORMAT row_format] # 定义行的格式
[STORED AS file_format] # 定义文件格式
[LOCATION hdfs_path] # 指定表的位置信息
[TBLPROPERTIES (property_name=property_value, ...)] # 额外属性
[AS select_statement]
- (1)
EXTERNAL
关键字可以让用户创建一个外部表,在建表的同时可以指定一个指向实际数据的路径(LOCATION
)。 - (2)
COMMENT
:为表和列添加注释。 - (3)
PARTITIONED BY
创建分区表。 - (4)
CLUSTERED BY
创建分桶表。 - (5)
SORTED BY
不常用,对桶中的一个或多个列另外排序。 - (7)
ROW FORMAT
# char 是指某一个字符
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, ...)]
row format delimited fields terminated by ','
——列分隔符
collection items terminated by '_'
——MAP STRUCT 和 ARRAY 的分隔符(数据分割符号)
map keys terminated by ':'
——MAP 中的 key 与 value 的分隔符
lines terminated by '\n';
——行分隔符
- 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,hive
使用Serde
进行行对象的序列与反序列化。- 例:若创建表时指定了列分隔符为逗号:
','
,则文件中的数据如下所示:
4.5.2 管理表(内部表 )
4.5.2.1 理论
- 默认创建的表都是所谓的管理表,有时也被称为内部表。
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,/user/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。
内部表与外部表的区别:
- 删除
内部表
时会把数据一起删除。- 删除
外部表
时不会删除数据,并且再次创建这个删除的表,依然能查询到数据。
4.5.2.2 案例实操
- (0) 原始数据
1001 xqzhao1
1002 xqzhao2
1003 xqzhao3
1004 xqzhao4
- (1) 普通创建表
create table if not exists student(
id int, name string
)
row format delimited fields terminated by '\t'
stored as textfile
location '/user/hive/warehouse/student';
- (2) 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 student2 as select id, name from student;
- (3) 根据已经存在的表结构创建表
create table if not exists student3 like student;
4.5.3 外部表
4.5.3.1 理论
- 删除外部表并不会同时删除掉数据,不过描述表的元数据信息会被删除掉。
4.5.3.2 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。
4.5.4 管理表与外部表的互相转换
- (1) 查询表的类型
hive (default)> desc formatted test2;
Table Type: MANAGED_TABLE
- (2) 修改内部表
test2
为外部表
alter table test2 set tblproperties('EXTERNAL'='TRUE');
# 修改内部表 `test2` 为内部表的写法如下所示:
alter table student2 set tblproperties('EXTERNAL'='FALSE');
- (3) 查询表的类型
hive (default)> desc formatted test2;
Table Type: EXTERNAL_TABLE
注2:('EXTERNAL'='TRUE'
)和('EXTERNAL'='FALSE'
)为固定写法,区分大小写!
4.6 修改表
4.6.1 重命名表
- (1) 语法
ALTER TABLE table_name RENAME TO new_table_name
- (2) 实操案例
hive (default)> alter table student rename to student2;
4.6.2 增加、修改和删除表分区
详见 7.1 章分区表基本操作。
4.6.3 增加/修改/替换列信息
4.6.3.1 语法
- (1) 更新列(例)
ALTER TABLE table_name CHANGE [COLUMN] col_old_name col_new_name
column_type [COMMENT col_comment] [FIRST|AFTER column_name]
# 实例
alter table student change id stu_id int;
- (2) 增加和替换列(例)
ALTER TABLE table_name ADD|REPLACE COLUMNS (col_name data_type [COMMENT col_comment], ...)
# 实例
alter table student add columns (age int);
alter table student replace columns (id int, name string);
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。
4.7 删除表
hive (default)> drop table dept;
声明:本文是学习时记录的笔记,如有侵权请告知删除!
原视频地址:https://www.bilibili.com/video/BV1EZ4y1G7iL