hive中内部表、外部表、分区表、桶表、拉链表

hive查询的基本原理

•  hive的设计思想是通过元数据解析描述将HDFS上的文件映射成表
•  基本的查询原理是当用户通过hql语句对hive中的表进行复杂数据处理和计算时候，默认将其准换为分布式计算mapReduce程序对hdfs中的数据进行读取处理的过程

hive是有多种表类型的，分四种，内部表、外部表、分区表、桶表

一、内部表

• 内部表也被称为hive拥有和管理的托管表
• 默认情况下创建的表，hive拥有该表的结构和文件
• 当删除内部表的时候，它会删除数据及表的元数据

二、外部表

• 外部表中的数据不是hive拥有或管理的，只是管理表元素的生命周期
• 要创建一个外部表，需要使用External语法关键字
• 删除外部表只会删除元数据，而不会删除实际数据，在hive外部依旧可以访问实际数据
• 实际场景下，外部表搭配location语法指定数据的路径，可以让数据更加安全

• 建立外部表，不使用LOCATION，会在默认在/hive/warehouse/数据库名称/表名，建立目录否用LOCATION方式建表，会影响在HDFS是否生成新目录（表名）。但是不影响外部表和内部表的功能。

2.1创建外部表命令

 create external table external_table(  key string  ) location  '/data/external'

2.2 导入数据使用load命令

load data local inpath '/data/soft/hivedata/external_table.data' into table external_table;

 此时表目录存在/data/external，而表数据存在  /data/external/external_table.data

 当删除表时候， drop table external_table;表数据依旧存在

2.3 外部表和内部表之间的转换

• 内部表转外部表： alter table t1 set tblproperties('EXTERNAL'='true');
• 外部表转内部表： alter table external_table set tblproperties('EXTERNAL'='false');

 修改后：

 备注：EXTERNAL必须大写，小写不生效：

2.4 外部表和内部表之间的差异

三、分区表

分区可以理解为分类，通过分区把不同类型的数据放到不同目录。分区表的意义在于优化查询，查询时尽量利用分区字段，如果不使用分区字段，就会全表扫描，最典型的一个场景是把天作为分区字段，查询的时候指定天

hdfs会自动在表的目录下 ，为每个分区创建一个分区目录

3.1 创建一个分区

3.1.1 创建表的命令:

 create table partition_1(
 id int ,
 name string 
 ) partitioned by (dt string)
 row format delimited
 fields terminated by '\t'

3.1.2 添加表分区数据

load data local inpath '/data/soft/hivedata/partition_1.data' 
into table partition_1 partition(dt='2022-01-01');

3.1.3 手动添加分区：

alter table partition_1 add partition(dt ='2022-01-02');

3.2 创建多个分区

3.2.1 创建表语句：

  create table partition_2(
  id int ,
  name string 
  )partitioned  by (year int ,school string)
  row format delimited
  fields terminated by '\t'

3.2.2 添加表分区数据

其中数据文件只要有id和name这两个字段就可以，具体year和school两个区分字段在加载分区的时候指定的 

load data local inpath '/data/soft/hivedata/partition_2.data' into table partition_2 partition (year='20220101',school='li');

3.2.3 如果数据已经上传了，把表绑定数据

alter table ex_par add partition(year=20220103,school='bao') 
location '/data/soft/hivedata/partition_2.data';

3.3 动态分区

分区的值根据后续的查询结果，动态的确定，根据查询结果的值自动分区

3.3.1 报错

 语法问题：Column repeated in partitioning columns  这里的意思是 一个字段不能既做普通列又不能做分区字段，语法错误

异常时候sql为：

 修改后sql为：

 

四、桶表

桶表是对数据进行哈希取值，然后放到不同文件中存储，物理上，每个桶就是表(或分区)里的一个文件

分区表示把数据划分到不同目录进行存储，分桶表把数据划分到不同文件下进行存储

创建桶：

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

创建表并导入数据

 create table b_source(id int)；
 load data local inpath '/data/soft/hivedata/b_source.data' into table b_source ;

 往桶里导入数据

insert into table bucket_tb select  id from b_source where id is not null;  

 

 五、拉链表

拉链表专门为了解决在数据仓库中数据变化如何实现数据存储问题，顾名思义，所谓 拉链，就是记录历史。记录 一个事物从开始，一直到当前状态的所有历史变化的信息。

实现步骤：1、采集增量数据到增量表中

                  2、将增量表和历史拉链表数据合并，结果写到临时表中

                  3、将临时表数据覆盖到拉链表中