Hadoop学习笔记（十八）---Hive内部表，外部表，分区表，桶表

内部表：
1.创建表：

create table stu(id int);

2.插入数据：

hive插入数据不能用insert语句，需要从外部文件中加载数据，比如创建一个文件stu_data，内容为：

1
2
3
4
5

命令为（其中/home/hadoop/Public/stu_data为文件路径）：

load data local inpath '/home/hadoop/Public/stu_data' into table stu

3.如果是要创建有多个字段的表，就需要区分一下：

create table stu2(id int, name string) row format delimited fields terminated by ' ';

需要加载数据时就要是这样的：

1 john
2 tom
3 gary

插入数据的方法跟上面一样。

查看数据：

select * from stu2

如果将加载语句中的local去掉：

load data inpath '/stu2_data' into table stu2

意思是从hdfs上面加载。

4.删除表：

drop table stu；

外部表：

内部表与外部表的区别是内部表如果删除表，数据一起删除，而外部表如果你删除表，则创建的数据并不会删除。

1.创建表结构：

create external table stu_info(id int, name string) row format delimited fields terminated by ' ' location '/data_stu';

external：指的是一个外部表
location指定数据的位置，注意这里数据在hdfs存储的位置。

2.本地编写文件并上传到hdfs中/data的位置：

1 gary
2 tom

hadoop fs -put /stu2_data /data/stu_data

加载数据跟内部表一样：

load data inpath '/data/stu_data' into table stu_info;

分区表
在hive中表中的一个partition对应的是表下面的一个目录，所有的partition的数据都存储在对应的目录下面：

例如：test表中含data和city两个partition， 则对应于date=20130201，city=bj的HDFS子目录为：
/warehouse/test/date=20130201/city=bj

创建表：

create table partition_tmp(id int, name string)partitioned by(d string) row format delimited fields terminated by ' ';

然后存入数据：

load data local inpath '/stu2_data' into table partition_tmp partition(d='0902');

查看的时候可以全部查看：

select * from partition_tmp;

显示内容如下：

hive> select * from partition_tmp;
OK
1   john    0901
2   tom 0901
3   gary    0901
1   john    0902
2   tom 0902
3   gary    0902

如果按照下面的方式查询：

select * from partition_tmp where d='0901'

hive> select * from partition_tmp where d='0901'
    > ;
OK
1   john    0901
2   tom 0901
3   gary    0901
Time taken: 0.308 seconds

桶表

桶表是对数据进行哈希取值，然后放到不同的文件中进行存储。

创建表：

create table bucket_tmp(id int) clustered by (id) into 4 buckets;

加载数据。

set hive.enforce.bucketing=true;
insert into table bucket_tmp select id from partition_stu；

抽样查询：

select * from bucket_tmp tablesample(bucket 1 out of 4 on id);