Hive DDL学习

hive 小知识点：

①

数据：存放在HDFS 之上

元数据：存放在mysql里（相关配置在hive-site.xml里面）

②

启动hive之前需要的前提：hdfs和yarn先启起来。（yarn不起来可能还不会影响，但是hdfs一定要启起来，hive跑的时候，yarn一定要启起来。）

③

官方提供的配置文件template为结尾，这个都是模板，需要的时候，cp一份，然后把  .template后缀去掉，再修改。

hive的日志配置在：hive-log4j.properties.template  在这里面配置。这个文件里有下面两行：

hive.log.dir=${java.io.tmpdir}/${user.name}
hive.log.file=hive.log

第一个代表日志存放的路径：在/tmp/（根目录下tmp文件夹下面）hive所属用户的名称（这里是hadoop用户下，所以是hadoop）

④

一个非常经典的异常信息：

An exception was thrown while adding/validating class(es) : Specified key was too long; max key length is 767 bytes

⑤

hive  SQL学习路径：Apache Hive

这上面是最权威的，百度查的什么的不一定是对的，所以有问题在这上面去找。

⑥

在Hive里面：DB/TABLE/PARTITION（数据库、表、分区）  都是目录或者文件夹

在hive里面的组织方式要么是文件夹要么是文件。

⑦DDL学习：

Create Database

CREATE (DATABASE|SCHEMA) [IF NOT EXISTS] database_name

  [COMMENT database_comment]               （对数据库做一个描述）

  [LOCATION hdfs_path]                   （指定一个存放数据库的路径（因为数据库组织方式是文件夹））

  [WITH DBPROPERTIES (property_name=property_value, ...)];   （加上DB的一些属性）

必选 （二选一）【可选】必选

     【可选】

     【可选】

     【可选】

比如：CREATE DATABASE hive;

备注：[LOCATION hdfs_path] 如果不指定路径，那么就会使用默认的路径。

（默认会有一个default数据库）

（创建一个test数据库）

（show一下，test数据库已经存在，但是test数据库存在哪里？）

desc database test;

用 desc database 数据库名称      就可以查看相关信息了。

这里的信息是：hdfs://10-9-140-90:9000/user/hive/warehouse/test.db

①hdfs://10-9-140-90:9000  ：这个是 HDFS目录，可以在core-site.xml文件里查到（有些hadoop是8020端口）：

/home/hadoop/app/hadoop-2.6.0-cdh5.7.0/etc/hadoop/core-site.xml

②/user/hive/warehouse/：默认的hive存储在HDFS上的目录

从hive官网的Hive wiki.里面进入，然后找到下图的Hive Configuration Properties：

（hive的所有的配置信息在这里面都可以找到）

打开后搜一下找到下面这个:

从这个可以看到hive数据仓库的元数据信息的默认路径是：/user/hive/warehouse

下面讲一下在hive中，修改hive参数的两种形式：

1） set hive.metastore.warehouse.dir;
    set key 取值
    set key=value   设置值
    这种设置是局部的，支队当前窗口有效，是单session的。

2）配置hive-site.xml

在这里面配置出你要修改的参数，这里的修改是全局的。

上面两个各有优缺点，你设置了第二种方式，可能会影响到他人的使用。用第一种也最好在你用完之后，把参数再设置回去。

③hdfs://10-9-140-90:9000/user/hive/warehouse/test.db中test.db是数据的名称，固定的格式  数据库.db 后面都要加个db。

创建database时指定路径，创建在哪里。比如：

CREATE DATABASE test2
location '/d6_hive/directory';

hive 元数据：

hive元数据是存放在mysql里面的。在hive-site.xml里面配置。

登上mysql数据库查看：

select * from dbs \G;  查看一下dbs这张表：（ \G表示格式化一下）

这里面就是元数据信息。

row format/ file format：行分隔符和文件分隔符
    两大分隔符：行与行 字段与字段之间的分隔符
        列分隔符（默认是）：\001       行与行之间的分隔符默认是 换行符
    file格式：行式  列式

数据类型：常用的基本用这些就够了

数值类型： int bigint float double DECIMAL    
字符串：string  （包括date类型也用string来表示，这样会方便一些）
 

小知识点补充;

你用数据库的时候，不知道用的是哪个数据库，看不到相关信息，可以这样设置：

把hive.cli.print.current.db这个参数修改成true就可以了。

这个是在当前窗口生效，如果想在全局生效，需要修改hive-site.xml文件：

加入这几行：

（这里只是被注释掉了而已）

hive表的创建（一定要掌握的）：

下面创建一张这个txt存放的这张表：

（可以参照官网，不过掌握下面这个常用的基本差不多了）

create table emp(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int
) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';

最后一句是列与列之间的分隔符是'\t'，行与行的分隔符默认是回车，这里不用写了。

（

如果出现下图这种常见的错误：（这个可能跟字符集有关，比如utf-8 lating gbk32什么的）

需要保证hive的字符集与mysql的元数据数据库的字符集保持一致。

alter database ruoze_d6 character set latin1;
use ruoze_d6;
alter table PARTITIONS convert to character set latin1;
alter table PARTITION_KEYS convert to character set latin1;

）

DML语句：

LOAD加载数据：官网有详细解释

LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename ;
LOCAL: 从本地(linux)加载数据  ，如果没有写，就是从hdfs上加载。
    
LOAD DATA LOCAL INPATH '/home/hadoop/data/emp.txt' OVERWRITE INTO TABLE emp ;

如何设置列名：

在hive-site.xml里面设置下面两个参数即可。看需要去设置。也可以不设置，直接在当前session 进行set。

创建表结构，不含数据：

CREATE TABLE emp2  LIKE emp;
 

创建emp一样的表，并copy数据到新表里面：
create table emp3 as select * from emp;

重命名表：

ALTER TABLE emp3 RENAME TO new_emp3;

查看表的字段信息：     desc emp;

查看详细信息：      desc extended emp;

有点乱，看着不方便

推荐查看方式：  desc formatted emp;

内部表/外部表：（面试经常遇到）

从上图可以看出，有个Table Type：MANAGED_TABLE

MANAGED_TABLE：内部表        （hive里面默认是内部表）

比如：

create table emp_managed as select * from emp; （这种创建的都是默认的内部表）

去mysql里面查一下tbls这张元数据表，

select * from tbls \G;

可以看到有条记录：

再看hdfs上，它存放的数据：

然后删除这张表：

然后再去mysql查一下，select * from tbls \G;   ，emp_managed这张表就没有元数据信息了。

再去hdfs上看一下，发现也没有emp_managed数据了：

外部表：

现在创建一张外部表：

create EXTERNAL table emp_external(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int
) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
location '/d6_hive/external';

mysql里面tbls表中是可以查到emp_external这个表的。

但是刚创建的表是没有数据的，现在用以下命令把本地的数据上传上去。

然后再用hive查一下就有数据了：

然后把表给删掉：

然后再去mysql里面查： select * from tbls \G;  就没有emp_external这张表了。

然后再去hdfs上查看，发现数据没有删除：

所以：

删除内部表：数据+元数据 删除
删除外部表：数据不删，元数据删

1）内部表和外部的区别以及使用场景
其它项目组也用
防止误删表

2）梳理元数据信息表中的DBS和TBLS中的字段信息    

desc哪里来的
底层拼出来的SQL查询出来的