【Hive】Hive MetaStore 3.1.x 元数据管理库表结构介绍及特色功能

本文以hive metastore 3.1.1000中的库表结构进行分析

hive metastore介绍

Hive Metastore（HMS）是一项单独的服务，不是Hive的一部分，甚至不必位于同一集群上。
hive metastore 用于管理hive的元数据并提供服务。这里的元数据包括：数据库、表、表的模式、目录、分区、索引以及命名空间等。
为数据库创建的目录一般在hive数据仓库目录下。

在hadoop中的位置

Hive metastore Service （HMS) 将Hive表、分区等的元数据存储在关系数据库中，并通过metastore服务API提供给客户端(包括Hive)访问这些信息

相关的配置

metastore可以存储在JPOX支持的任何数据库中。RDBMS的位置和类型可以由两个变量javax.jdo.option.ConnectionURL和javax.jdo.option.ConnectionDriverName控制。目前支持MySQL、PostgreSQL两种

在hive中，默认情况下新建的数据库以及表都位于HDFS的hive.metastore.warehouse.dir路径下

属性	描述	默认值
hive.metastore.warehouse.dir	指定hive表在hdfs上的存储路径	/user/hive/warehouse
javax.jdo.option.ConnectionURL	配置元数据的连接URL
javax.jdo.option.ConnectionUserName	元数据库连接用户名
javax.jdo.option.ConnectionPassword	元数据库连接密码

 <property>
      <name>hive.metastore.warehouse.dir</name>
      <value>/warehouse/tablespace/managed/hive</value>
    </property>
 <property>
      <name>javax.jdo.option.ConnectionDriverName</name>
      <value>com.mysql.jdbc.Driver</value>
    </property>
    
    <property>
      <name>javax.jdo.option.ConnectionURL</name>
      <value>jdbc:mysql://bigdata01:3306/metastore</value>
    </property>
    
    <property>
      <name>javax.jdo.option.ConnectionUserName</name>
      <value>metastore</value>
    </property>

如何访问元数据库中的表

首先进入mysql，然后选择使用所创建的元数据库metastore
通过show tables可以看到共用75张表

数据库表结构

database

数据库相关的表详见下图

• dbs: 数据库的相关信息，存储数据库的名称、存储位置、所属的Catalog
  • DB_ID为其主键，同时也是funcs、db_privs、database_params、tbls的外键。
  • 一般来说，在hive metastore初始化时会自动创建一个名叫default的库，随后通过业务发展以及数据治理等需求，可进行不同业务域库的划分。
• ctlgs: Catalog的信息，存储Catalog的名称、内部表存储的根目录LOCATION_URL
• db_privs: 表记录该DB下的权限记录信息。目前的权限管理通常集成开源的类似于sentry、range等成熟的权限框架。
• database_params: 记录DB的一些扩展信息，便于进行特殊属性的扩展，comment, owner, lastaccesstime, readtime
• funcs: 存储自定义函数UDF的基本信息，一个UDF只能对应一个库下的表，
• func_ru: 存储UDF的类型以及执行的路径
  

table

数据表相关的表详见下图

• tbls表: 记录了table的一些基本信息，包括表名、类型、创建时间以及SD_ID等信息。
  • TBL_ID是tbls的主键，同时也是table_params、tbl_col_privs、idxs、tbl_privs、partitions、partition_keys、tab_col_stats表的外键。
  • 每个表都对应唯一的DB_ID,取决于你在哪个db下创建的表。在创建内部表写入meta的同时，也会创建相应的物理路径。同时会在sds表中加入DDL时设置的input output、表的location以及SERDE信息
• tbl_privs、tbl_col_privs: 记录该hive表的表及列权限认证信息。
• partitions: 记录表的DDL分区的信息
• partition_keys: 记录表的分区列信息
• idxs: 表索引信息
• sds: 存储表的输入、输出格式、存储位置 及SERDE信息
  • 每个SDS对应一个CID（一个CID表示具体的column list信息）
  • 一般的无partition表是一个SDS
  • partition表是一个partition一个SDS
• columns_v2: 列的基本信息

--查询表信息
select * from from tbls where TBL_NAME = 't2'
--查询数据的输入输出格式、存储位置等信息
select s.* from tbls t,sds s where t.SD_ID=s.SD_ID and t.TBL_NAME = 't2'
--查询表的属性信息
select p.* from tbls t,table_params p where t.TBL_ID=p.TBL_ID and t.TBL_NAME = 't2'
--查询表的分区列
select p.* from tbls t,partition_keys p where t.TBL_ID=p.TBL_ID and t.TBL_NAME = 't2'

Partitions

表分区信息相关的表详见下图

• partitions: 记录表分区存储的元数据信息。
  • PART_ID为PARTITIONS表的主键，同时也是part_col_stats、part_privs、partition_key_vals 、 partition_params表的外键。
  • partitions表在metastore中是相当重要的表，关系到partition的元数据存取
• partition_keys: 记录表的分区列信息
• part_col_privs: 记录该hive表的表及列权限认证信息。
• part_col_stats: 统计每个分区的基本统计信息，用于优化
• partition_key_vals: 每个partitions对应的具体值

select p.* from tbls t,`partitions` p where t.TBL_ID=p.TBL_ID and t.TBL_NAME = 't2'

select * from partition_key_vals where PART_ID IN (790,794)

SDS

• SDS：包含计算引擎运行时需要的input与output 、location路径以及序列化的class信息。
  • SD_ID为该表的主键，同时也是PARTITIONS、BUCKETING_COLS、SKEWD_COL_NAMES、SD_PARAMS、SORT_COLS、SKEWED_VALUES、IDXS的外键
  • 提供table/partition对应的文件系统路径location，以及对这个数据读取的InputFormat、是否压缩、是否是子文件夹存储、SerDe类（对应于SERDES表）
• SD_PARAMS ：为每个SDS的key-value参数
• SERDES ：每个SDS对应的存储的SerDer类，每个SDS记录一个SERDES表的记录
• SERDE_PARAMS：SERDE的一些参数，主要是行分隔符、列分隔符、NULL字符串等等，可以每个SerDer自己定义
• columns_v2: 列的基本信息
  

各表的作用

主要表的作用

表名	作用
DBS	database信息
DATABASE_PARAMS	数据库的相关参数
FUNCS	用户注册的函数信息
FUNC_RU	用户注册函数的资源信息
TBLS	存储Hive表、试图、索引表的基本信息
TABLE_PARAMS	表相关信息
TAB_COL_STATS
TBL_COL_PRIVS
TBL_PRIVS
IDXS	索引表，存储Hive索引相关的元数据
INDEX_PARAMS	索引相关的属性信息
BUCKETING_COLS	存储bucket字段信息，通过SD_ID与其他表关联
CDS	一个字段CD_ID，与SDS表关联
COLUMNS_V2	存储字段信息，通过CD_ID与其他表关联
PARTITIONS	分区记录，SD_ID，TBL_ID关联
PARTITION_KEYS	存储分区字段，TBL_ID关联
PARTITION_KEY_VALS	分区的值，通过PART_ID关联。与PARTITION_KEYS共用INTEGER_IDX来标示不同的分区字段
PARTITION_PARAMS	存储某分区相关信息，包括文件数，文件大小，记录条数等PART_ID关联
PART_COL_PRIVS	分区字段的权限信息
PART_COL_STATS	分区字段的统计信息
PART_PRIVS	分区的授权信息
SDS	存储对应文件的基本信息，如INPUT_FORMAT、OUTPUT_FORMAT、是否压缩等。TBLS表中的SD_ID与该表关联，可以获取Hive表的存储信息。
SD_PARAMS	该表存储Hive存储的属性信息
SORT_COLS	排序字段，通过SD_ID关联
SERDES	存储序列化反序列化使用的类
SERDE_PARAMS	序列化反序列化相关信息，通过SERDE_ID关联
SKEWED_COL_NAMES
SKEWED_COL_VALUE_LOC_MAP
SKEWED_STRING_LIST
SKEWED_STRING_LIST_VALUES
SKEWED_VALUES
GLOBAL_PRIVS	存储全局变量
ROLES	角色表，和GLOBAL_PRIVS配合
VERSION	存储hive的版本信息
SEQUENCE_TABLE	存储sqeuence相关信息

分类描述表的作用

特色功能

表的列信息发生变更后，则

• 变更前的分区的colum定义保持不变，依然可以按照原先的定义读取，
• 变更后创建的分区采用新的column定义
• 表的定义引用最新的column定义

create table t1(tid int, tname string, age int);
alter table tl add columns(english int);
insert into t1 values(1,'test',2);
select * from t1 limit 1;


create table t2(id int,name string)partitioned by(gender string)row format delimited fields terminated by ',';
insert into table t2 partition(gender='M') values(1,'zhangsan');
select * from t2 limit 2;

alter table t2 add columns(english int);
insert into table t2 partition(gender='F') values(2,'lisi');
select * from t2 limit 2;