Hive 之 DDL操作

最新推荐文章于 2023-04-22 20:23:03 发布
最新推荐文章于 2023-04-22 20:23:03 发布
阅读量663 收藏 1
点赞数
分类专栏： 大数据 文章标签： hive 数据库 hadoop
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hj1993/article/details/128998568
版权

DDL 操作是用于操作对象和对象的属性，这种对象包括数据库本身，以及数据库对象，像：表、视图等等

1. 数据库

1.1 创建数据库

数据库在 HDFS 上的默认存储路径是 /user/hive/warehouse/*.db

CREATE (DATABASE|SCHEMA) [IF NOT EXISTS] database_name
[COMMENT database_comment]  // 库的注释说明
[LOCATION hdfs_path]        // 库在hdfs上的路径
[WITH DBPROPERTIES (property_name=property_value, ...)]; // 库的属性

示例：

create database  if not exists mydb2 
comment 'this is my db' 
location 'hdfs://hadoop1:9000/mydb2' 
with dbproperties('ownner'='rose','tel'='12345','department'='development');

1.2 数据库查询

show databases;
show databases like 'db_hive*';		// 过滤
use databases;	// 使用数据库
desc database db_hive;	// 显示数据库信息
desc database extended db_hive;		// 显示数据库详细信息

1.3 修改数据库

alter table 命令可以修改数据库的 DBPROPERTIES 的键值对，但是数据库的元数据信息不可更改，如：数据库名称、所在目录位置：

// 同名的属性值会覆盖，之前没有的属性会新增
alter database mydb2 set dbproperties('ownner'='tom','empid'='10001');
				
// 查询修改
desc database extended mydb2;

1.4 删除数据库

// 删除空数据库，只能删空库
drop database if exists db_hive2;

hive> drop database db_hive cascade;

2. 数据表

2.1 表分类

  • 管理表：删除操作时，会删除元数据和数据本身
  • 外部表：删除操作时，只会删除元数据
  • 分区表：在建表时，指定了PARTITIONED BY，分区的目的是为了就数据，分散到多个子目录中，在执行查询时，可以只选择查询某些子目录中的数据，加快查询效率
  • 分桶表：建表时指定了 CLUSTERED BY，区别于分区表，把数据分散到多个文件中。可以结合 hive 提供的抽样查询，只查询指定桶的数据

2.2 创建表

创建表的时候，hive 会：

  • 在 hdfs 生成表的路径
  • 向 MySQL 的 metastone 库中插入两条表的信息（元数据）
CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name 
[(col_name data_type [COMMENT col_comment], ...)] 	// 字段名称、类型、注释
[COMMENT table_comment] 	// 表注释
[PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)] 	// 创建分区表
[CLUSTERED BY (col_name, col_name, ...) 		// 创建分桶表
[SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] 
[ROW FORMAT row_format] 	// 表中数据每行的格式，定义数据字段的分隔符，集合元素的分隔符等
[STORED AS file_format] 	//表中的数据要以哪种文件格式来存储，默认为TEXTFILE（文本文件）
[LOCATION hdfs_path]		// 指定表在HDFS上的存储位置

可选字段说明

  • EXTERNAL：创建外部表，在建表的同时指定实际数据路径 location，hive 创建内部表时，会将数据移动到数据仓库所指向的路径；若是外部表，仅记录数据所在路径，不对数据位置做任何改变。删除表时，内部表元数据、数据都会被删除，而外部表只会删除元数据
  • COMMENT：为表和列添加注释
  • PARTITIONED BY：创建分区表
  • CLUSTERED BY：创建分桶表
  • SORTED BY：排序，不常用
  • ROW FORMAT ：数据行格式
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。

  • STORED AS：指定存储文件类型，如：sequencefile、rcfile 等，默认 textfile
  • LOCATION ：指定表在HDFS上的存储位置
  • LIKE 允许用户复制已存在的表结构，但是不会复制数据

示例

// 创建表
create table if not exists student2(
id int, name string
)
row format delimited fields terminated by '\t'
stored as textfile
location '/user/hive/warehouse/student2';

// 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;

// 查看表类型
hive (hive_1)> desc formatted student;
OK
col_name        data_type       comment
# col_name              data_type               comment

id                      int
name                    string

# Detailed Table Information
Database:               hive_1
Owner:                  hadoop
CreateTime:             Sun Nov 21 18:13:32 CST 2021
LastAccessTime:         UNKNOWN
Protect Mode:           None
Retention:              0
Location:               hdfs://hadoop1:9000/user/hive/warehouse/hive_1.db/student
Table Type:             MANAGED_TABLE	// 表示为管理表

2.2.1 管理表

管理表也称内部表，默认创建的就是管理表，特点就是 删除表的同时也会删除元数据，与之对应的外部表就只会删除元数据，而不删除数据

2.2.2 外部表

实际生产中使用的大部分是外部表

// 创建一个外部表，有 EXTERNAL 关键字就是外部表
create EXTERNAL table if not exists student2(
id int, name string
)
row format delimited fields terminated by '\t'
stored as textfile
location '/user/hive/warehouse/student2';

// 查询表类型
hive (default)> desc formatted dept;
Table Type:             EXTERNAL_TABLE

2.2.3 管理表和外部表的相关转换

// 修改内部表 test1 为外部表
alter table test1 set tblproperties('EXTERNAL'='TRUE');

// 修改外部表 test1 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！

2.3 分区表

分区表实际是在 hdfs 上创建多个独立的文件夹，hive 的分区即是分目录。将一个大的数据集分隔为多个小的数据集，在查询时通过 where 子句来指定查询分区，而不是全表查询，其目的是为了提高效率。

语法：

// 比普通建表语句多了一个 partitioned by

// 一级分区表，其中 month 为分区字段，string 为其类型
create table dept_partition(
deptno int, dname string, loc string
)
partitioned by (month string)
row format delimited fields terminated by '\t';

// 多级分区表，有多个分区字段 area、province
create external table if not exists default.deptpart2(
deptno int,
dname string,
loc int
)
PARTITIONED BY(area string, province string)
row format delimited fields terminated by '\t';

注意

  • 如果表是个分区表，在导入数据时，必须指定向哪个分区目录导入数据，否则会报错
  • 如果表是多级分区表，在导入数据时，数据必须位于最后一级分区的目录

2.3.1 创建分区

  • 方法一：alter table 表名 add partition(分区字段名=分区字段值);
    • 分区创建成功后，会在 hdfs 生成分区路径、也会在 partitions 表中生成分区的元数据
    • 创建多个分区：alter table dept_partition add partition(month='201705') partition(month='201704');
  • 方法二：load 命令向分区加载数据，若分区不存在，则会自动创建
  • 方法三：若数据已上传到 hdfs，可使用修复分区命令的方式来自动生成分区的元数据：msck repair table 表名;

2.3.2 其他操作

// 查看分区表有多少分区
show partitions 表名

// 查看分区表结构
desc formatted dept_partition;

// 删除分区
alter table dept_partition drop partition (month='201704');

// 删除多个分区
alter table dept_partition drop partition (month='201705'), partition (month='201706');

// 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';

2.3.3 练习一

需求：创建一个一级分区表

1、创建分区表：

create table dept_partition(
deptno int, dname string, loc string
)
partitioned by (area string)
row format delimited fields terminated by '\t';

// 查看表描述信息
hive (default)> desc dept_partition;
OK
col_name        data_type       comment
deptno                  int
dname                   string
loc                     string
area                    string

# Partition Information
# col_name              data_type               comment

area                    string
Time taken: 0.398 seconds, Fetched: 9 row(s)

// 查看分区信息
hive (default)> show partitions dept_partition;
OK
partition
area=huanan
Time taken: 0.46 seconds, Fetched: 1 row(s)

2、加载数据：

// 将本地数据加载到分区目录 area='huanan'，
load data local inpath '/home/hadoop/apps/big_source/files/dept.txt' into table default.dept_partition partition(area='huanan');

// hdfs 上数据存储路径
/user/hive/warehouse/dept_partition/area=huanan

3、查询：

// 原本表只有三列，加了分区信息后，变为 4 列，查询时可用 area=huanan 条件来查询
0: jdbc:hive2://hadoop1:10000>  select * from dept_partition where area='huanan';
+------------------------+-----------------------+---------------------+----------------------+--+
| dept_partition.deptno  | dept_partition.dname  | dept_partition.loc  | dept_partition.area  |
+------------------------+-----------------------+---------------------+----------------------+--+
| 10                     | ACCOUNTING            | 1700                | huanan               |
| 20                     | RESEARCH              | 1800                | huanan               |
| 30                     | SALES                 | 1900                | huanan               |
| 40                     | OPERATIONS            | 1700                | huanan               |
+------------------------+-----------------------+---------------------+----------------------+--+
4 rows selected (3.017 seconds)

select * from dept_partition where area='huanan'
    union
    select * from dept_partition where area='huazhong'

2.3.4 练习二 修复分区信息

1、创建 hdfs 目录，并上传数据

// 直接 put，可能会导致修复失败
[hadoop@hadoop1 files]$ hadoop fs -mkdir -p /user/hive/warehouse/dept_partition/area=zhong
[hadoop@hadoop1 files]$ hadoop fs -put dept.txt /user/hive/warehouse/dept_partition/area=zhong

// dept.txt
10	ACCOUNTING	1700
20	RESEARCH	1800
30	SALES	1900
40	OPERATIONS	1700

2、查看分区信息、修复分区：

0: jdbc:hive2://hadoop1:10000> show partitions dept_partition;
+--------------+--+
|  partition   |
+--------------+--+
| area=huanan  |
+--------------+--+
1 row selected (0.464 seconds)

0: jdbc:hive2://hadoop1:10000> msck repair table dept_partition;
No rows affected (0.375 seconds)

0: jdbc:hive2://hadoop1:10000> show partitions dept_partition;
+--------------+--+
|  partition   |
+--------------+--+
| area=huanan  |
| area=zhong   |
+--------------+--+
2 rows selected (0.436 seconds)

0: jdbc:hive2://hadoop1:10000> select * from dept_partition where area='zhong';
+------------------------+-----------------------+---------------------+----------------------+--+
| dept_partition.deptno  | dept_partition.dname  | dept_partition.loc  | dept_partition.area  |
+------------------------+-----------------------+---------------------+----------------------+--+
| 10                     | ACCOUNTING            | 1700                | zhong                |
| 20                     | RESEARCH              | 1800                | zhong                |
| 30                     | SALES                 | 1900                | zhong                |
| 40                     | OPERATIONS            | 1700                | zhong                |
+------------------------+-----------------------+---------------------+----------------------+--+
4 rows selected (0.454 seconds)

2.4 分桶表

2.4.1 分桶表创建

在建表的时指定 CLUSTERED BY，那么这个表就是分桶表。区别于分区表，分桶表将数据分散到多个文件，可以结合 hive 提供的抽样查询，只查询指定桶的数据，另外还可以提高 join 查询效率

分桶原理跟 MR 中的 HashPartitioner 的原理一模一样：

  • MR ：按照 key 的 hash 值去模除以reductTask的个数
  • hive：按照分桶字段的 hash 值去模除以分桶个数，如：1001、1005、1009 的 hash 值是它本身，三个值对分桶个数取模都是 1，1001/1005/1009 % 4 = 1，那么这三条数据会被分在同一个文件中
// col_name 分桶字段
[CLUSTERED BY (col_name, col_name, ...) 
		分桶的字段，是从表的普通字段中来取
[SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS]

示例

1、创建分桶表：

// 创建 4 个桶
create table stu_buck(id int, name string)
clustered by(id) 
SORTED BY (id desc)
into 4 buckets
row format delimited fields terminated by '\t';

2、设置强制分桶、排序（必须）：

set hive.enforce.bucketing=true;	// 需要打开强制分桶开关
set hive.enforce.sorting=true;		// 需要打开强制排序开关

3、加载数据：

// 使用 load 方式加载数据，发现并没有分桶，这是因为向分桶表导入数据时，必须运行MR程序，才能实现分桶操作，需要使用 insert 方式插入数据
load data local inpath '/home/hadoop/apps/big_source/files/student.txt' into table stu_buck;

创建临时表，通过查询临时表的方式向分桶表插入数据：

// 1.  从 hdfs 或本地磁盘中 load 数据，导入中间表
create table stu_buck_tmp(id int, name string)
row format delimited fields terminated by '\t';

load data local inpath '/home/hadoop/apps/big_source/files/student.txt' into table stu_buck_tmp;

// 通过从中间表查询的方式的完成数据导入
insert into table stu_buck select id, name from stu_buck_tmp;

总结

  • 向分桶表插入数据会运行 mr 程序，需要使用 insert 来插入数据

  • 创建分桶表时，需要打开强制分桶的开关

  • 需要确保 reduce 的数量与表中的 bucket 数量一致，有两种方式

    • 让 hive 强制分桶，自动按照分桶表的bucket 进行分桶（推荐）
    • 手动指定 reduce 数量，并在 SELECT 后增加CLUSTER BY 语句
    set mapreduce.job.reduces = num;
set mapreduce.reduce.tasks = num;

2.4.2 抽样查询

对于一个大的数据集来说，有时并不需要查询全部，而是抽样部分有代表性的结果即可

格式：

select * from 分桶表 tablesample(bucket x out of y on 分桶表分桶字段);

参数详解：

  • y：必须是 table 总 bucket（即桶）数目的倍数或者因子，hive 会根据 y 的大小来决定抽样的比例。如：bucket=4，当y=2 时，表示抽取 (4/2) 个 bucket 的数据，当y=8时，抽取(4/8=)1/2个bucket的数据

  • x：表示从第几个 bucket 开始抽取，如：bucket=4，tablesample(bucket 1 out of 2)，表示总共抽取（4/2=）2个 bucket 的数据，抽取第1(x)个和第3(x+y)个 bucket 的数据。

翻译过来就是：从第 x 桶开始抽样，每间隔 y 桶抽一桶，知道抽满 bucket/y 桶

// 从第1桶(0号桶)开始抽，抽第x+y*(n-1)，一共抽2桶：0、2 号桶
0: jdbc:hive2://hadoop1:10000> select * from stu_buck tablesample(bucket 1 out of 2 on id);
+--------------+----------------+--+
| stu_buck.id  | stu_buck.name  |
+--------------+----------------+--+
| 1016         | ss16           |
| 1012         | ss12           |
| 1008         | ss8            |
| 1004         | ss4            |
| 1014         | ss14           |
| 1010         | ss10           |
| 1006         | ss6            |
| 1002         | ss2            |
+--------------+----------------+--+

// 从第 1 桶开始抽，抽 4 桶：0、1、2、3 桶
0: jdbc:hive2://hadoop1:10000> select * from stu_buck tablesample(bucket 1 out of 1 on id);
+--------------+----------------+--+
| stu_buck.id  | stu_buck.name  |
+--------------+----------------+--+
| 1016         | ss16           |
| 1012         | ss12           |
| 1008         | ss8            |
| 1004         | ss4            |
| 1013         | ss13           |
| 1009         | ss9            |
| 1005         | ss5            |
| 1001         | ss1            |
| 1014         | ss14           |
| 1010         | ss10           |
| 1006         | ss6            |
| 1002         | ss2            |
| 1015         | ss15           |
| 1011         | ss11           |
| 1007         | ss7            |
| 1003         | ss3            |
+--------------+----------------+--+

// 从第 2 桶开始抽，抽 1 桶，即第 2 桶
0: jdbc:hive2://hadoop1:10000> select * from stu_buck tablesample(bucket 2 out of 4 on id);
+--------------+----------------+--+
| stu_buck.id  | stu_buck.name  |
+--------------+----------------+--+
| 1013         | ss13           |
| 1009         | ss9            |
| 1005         | ss5            |
| 1001         | ss1            |
+--------------+----------------+--+

// 从第 2 桶开始抽，抽 0.5 桶
0: jdbc:hive2://hadoop1:10000> select * from stu_buck tablesample(bucket 2 out of 8 on id);
+--------------+----------------+--+
| stu_buck.id  | stu_buck.name  |
+--------------+----------------+--+
| 1009         | ss9            |
| 1001         | ss1            |
+--------------+----------------+--+

以下为 4 个桶数据分布：

// 第 1 桶
[hadoop@hadoop1 apps]$ hadoop fs -cat /user/hive/warehouse/stu_buck/000000_0
1016	ss16
1012	ss12
1008	ss8
1004	ss4

// 第 2 桶
[hadoop@hadoop1 apps]$ hadoop fs -cat /user/hive/warehouse/stu_buck/000001_0
1013	ss13
1009	ss9
1005	ss5
1001	ss1

// 第 3 桶
[hadoop@hadoop1 apps]$ hadoop fs -cat /user/hive/warehouse/stu_buck/000002_0
1014	ss14
1010	ss10
1006	ss6
1002	ss2

// 第 4 桶
[hadoop@hadoop1 apps]$ hadoop fs -cat /user/hive/warehouse/stu_buck/000003_0
1015	ss15
1011	ss11
1007	ss7
1003	ss3

注意：x 的值必须小于等于 y 的值

2.5 修改表 & 删除表

重命名表：

ALTER TABLE table_name RENAME TO new_table_name

增加/修改/替换列信息:

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

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

// 添加一列
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);

// 改表的属性
alter table 表名 set tblproperties(属性名=属性值)

删除表：

drop table tableName;
truncate table tableName   // 清空管理表，只清空数据

3. 错误集锦

1、启动 hive 报错 org.apache.tez.dag.api.SessionNotRunning: TezSession has already shutdown. Application

  • 背景：使用 insert 往分桶表插入数据时报以上错误
  • 原因：hadoop 内存不足
  • 解决：调整内存，修改 yarn-site.xml，重启 ResourceManager 和 NodeManager
<property>
    <name>yarn.nodemanager.vmem-pmem-ratio</name>
    <value>3.0</value>
</property>

参考：

2、更换 tez 引擎后，insert 数据时报错：org.apache.hadoop.yarn.exceptions.YarnException: Unauthorized request to start container.

  • 原因：namenode、datanode 时间同步问题
  • 解决：datanode 与 namenode 进行时间同步，每个节点都需要执行
cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime
ntpdate pool.ntp.org
风老魔
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Hive DDL 之 表
01-07
创建表 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], …)...
Hive表DDL操作（一）
半爿天穹的博客
05-26 4036
第1关：Create/Alter/Drop 数据库 第2关：Create/Drop/Truncate 表 第3关：Alter 表/列 第4关：表分区
大数据从入门到实战 - Hive表DDL操作（一）
小啊呜的博客
01-14 9704
大数据从入门到实战 - Hive表DDL操作（一） 一、关于此次实践 1、实战简介 2、全部任务 二、实践详解 1、第1关：Create/Alter/Drop 数据库 2、第2关：Create/Drop/Truncate 表 3、第3关：Alter 表/列 4、第4关：表分区 叮嘟！这里是小啊呜的学习课程资料整理。好记性不如烂笔头，今天也是努力进步的一天。一起加油进阶吧！
Hive 基本操作（一）DDL操作
weixin_44387652的博客
03-08 2228
Hive 基本操作（一）DDL操作1、DDL 操作1.1、库操作1.1.1、创建库1.1.2、查看库1.1.3、删除库1.1.4、切换库1.2、表操作1.2.1、创建表1.2.1.1、创建内部表1.2.1.2、创建外部表1.2.1.3、创建分区表1.2.1.3、创建分桶表1.2.1.4、使用 like 关键字拷贝表1.2.2、查看表结构信息1.2.3、修改表1.2.3.1、重命名表1.2.3.2、修改表属性1.2.3.3、修改 SerDe 信息1.2.3.4、增加/删除/改变/替换列1.2.3.5、增加/删
Hive的DDL操作
m0_63266054的博客
04-22 411
Hive的DDL操作
Hive常用DDL操作.md
08-07
Hive常用DDL操作，基础篇
Hive之DML数据操作
01-07
Hive简介：https://blog.csdn.net/weixin_45102492/article/details/104418259 Hive安装部署 ： ...Hive之DDL数据定义： https://blog.csdn.net/weixin_45102492/article/details/91349323 Hive
bak_hive_ddl.sh
08-21
hive数仓databases，tables DDL语句 备份脚本,下载即可直接运行，需要运行脚本前须保证数据库已创建完成，数据库需要手动创建
hive基本操作
05-16
hive 基本操作的命令和hive 实用命令等，有利与学习hive和mysql
Hive中的DDL操作
Mark_Frank的博客
08-25 1653
参考文章：https://www.cnblogs.com/qingyunzong/p/8723271.html 首先引入以下什么是DDL、DML、DCL： DDL（data manipulation language） 它们是SELECT、UPDATE、INSERT、DELETE，就象它的名字一样，这4条命令是用来对数据库里的数据进行操作的语言。 DML（data definition language） DDL比DML要多，主要的命令有CREATE、
educoder（头歌）实训平台大数据作业答案-Hive表DDL操作（一）
热门推荐
W_BXH_BC的博客
04-21 1万+
Hive表DDL操作（一） 第1关：Create/Alter/Drop 数据库 CREATE DATABASE IF NOT EXISTS test1 LOCATION '/hive/test1' WITH DBPROPERTIES('creator'='John','date'='2019-02-25'); ALTER DATABASE test1 SET DBPROPERTIES('creator'='Marry'); DROP DATABASE test1; 第
[ Hive ] DDL : 完整建表语法.Show语法
jason_bone_的博客
04-01 2341
1 Hive DDL建表基础 1.1 完整建表语法树 1.2 Hive数据类型 Hive数据类型分为:原生数据类型（primitive data type）和复杂数据类型（complex data type） 英文字母大小写不敏感 复杂数据类型的使用通常需要和分隔符指定语法配合使用 如果定义的数据类型和文件不一致，hive会尝试隐式转换，但是不保证成功,不成功的话默认转为null值 原生数据类型: 复杂数据类型: 1.3 数据类型转换 原生类型从窄类型到宽类型的转换称为隐式转换[如下图] 显式类
大数据之hive实践二(DDL+DML+查询+函数)
every place is the center of the universe
10-11 1056
第 4 章 DL 数据定义 4.1 创建数据库 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/*.db。 hive (default)> create datbase db_hive; 2）避免要创建的数据库已经存在错误，增加 if not exist 判断。（标准写法） hive (default)> create datbase db_hive; FAILED: Execution Eror, return code 1 from org
Hive基本DDL操作
fengge18306的博客
03-30 1043
1、数据库的DDL操作 （1）创建数据库 数据库在HDFS上的默认存储路径是/user/hive/warehouse/数据库名.db hive > create database db_hive; 两者等价 hive > create database if not exists db_hive;（用if not exists判断是否已存在该数据库） （2）显示所有数据库 ...
Hive DDL常见操作
小叮当的博客
07-30 713
Hive DDL常见操作
Hive基本操作——DDL操作
Fenggms的博客
09-27 786
DDL操作1、数据库创建数据库创建数据库并指定hdfs存储位置修改数据库查看数据库详细信息删除数据库2、数据库表创建数据库表语法管理表Hive建表操作Hive建表时候的字段类型创建表并指定字段之间的分隔符根据查询结果创建表根据已经存在的表结构创建表查询表的类型外部表外部表说明：管理表和外部表的使用场景：操作案例分区表创建分区表语法创建一个表带多个分区加载数据到分区表中加载数据到一个多分区的表中去多...
HIVE中的DDL操作
大数据技术分享中心
08-14 440
1 、创建数据库 CREATE DATABASE [IF NOT EXISTS] database_name [COMMENT database_comment] [LOCATION hdfs_path] [WITH DBPROPERTIES (property_name=property_value, ...)]; 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/*.db。 hive (default)> create database db_hiv
hive表ddl操作头歌
最新发布
09-19
Hive表的DDL操作是指对Hive表进行定义、创建、修改和删除的操作。通过Hive的DDL语句可以方便地管理和操作Hive表，在数据仓库中进行数据的存储和查询分析。 首先，Hive表的DDL操作包括创建表、删除表、修改表结构等...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

风老魔

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值