Hive中的三种不同的数据导出方式介绍

转：http://www.aboutyun.com/thread-7439-1-1.html

问题导读：

1.导出本地文件系统和hdfs文件系统区别是什么？
2.带有local命令是指导出本地还是hdfs文件系统？
3.hive中，使用的insert与传统数据库insert的区别是什么？
4.导出数据如何自定义分隔符？





今天我们再谈谈Hive中的三种不同的数据导出方式。
根据导出的地方不一样，将这些方式分为三种：
（1）、导出到本地文件系统；
（2）、导出到HDFS中；
（3）、导出到Hive的另一个表中。
为了避免单纯的文字，我将一步一步地用命令进行说明。


一、导出到本地文件系统

1. 　　
   
2. hive> insert overwrite local directory '/home/wyp/wyp'
   
3.     > select * from wyp;

复制代码

这条HQL的执行需要启用Mapreduce完成，运行完这条语句之后，将会在本地文件系统的/home/wyp/wyp目录下生成文件，这个文件是Reduce产生的结果（这里生成的文件名是000000_0），我们可以看看这个文件的内容：

1. [wyp@master ~/wyp]$ vim 000000_0
   
2. 5^Awyp1^A23^A131212121212
   
3. 6^Awyp2^A24^A134535353535
   
4. 7^Awyp3^A25^A132453535353
   
5. 8^Awyp4^A26^A154243434355
   
6. 1^Awyp^A25^A13188888888888
   
7. 2^Atest^A30^A13888888888888
   
8. 3^Azs^A34^A899314121

复制代码

可以看出，这就是wyp表中的所有数据。数据中的列与列之间的分隔符是^A(ascii码是\00001)。

和导入数据到Hive不一样，不能用insert into来将数据导出：

1. 　　
   
2. hive> insert into local directory '/home/wyp/wyp'
   
3.     > select * from wyp;
   
4. NoViableAltException(79@[])
   
5.         at org.apache.hadoop.hive.ql.parse.HiveParser_SelectClauseParser.selectClause(HiveParser_SelectClauseParser.java:683)
   
6.         at org.apache.hadoop.hive.ql.parse.HiveParser.selectClause(HiveParser.java:30667)
   
7.         at org.apache.hadoop.hive.ql.parse.HiveParser.regular_body(HiveParser.java:28421)
   
8.         at org.apache.hadoop.hive.ql.parse.HiveParser.queryStatement(HiveParser.java:28306)
   
9.         at org.apache.hadoop.hive.ql.parse.HiveParser.queryStatementExpression(HiveParser.java:28100)
   
10.         at org.apache.hadoop.hive.ql.parse.HiveParser.execStatement(HiveParser.java:1213)
    
11.         at org.apache.hadoop.hive.ql.parse.HiveParser.statement(HiveParser.java:928)
    
12.         at org.apache.hadoop.hive.ql.parse.ParseDriver.parse(ParseDriver.java:190)
    
13.         at org.apache.hadoop.hive.ql.Driver.compile(Driver.java:418)
    
14.         at org.apache.hadoop.hive.ql.Driver.compile(Driver.java:337)
    
15.         at org.apache.hadoop.hive.ql.Driver.run(Driver.java:902)
    
16.         at org.apache.hadoop.hive.cli.CliDriver.processLocalCmd(CliDriver.java:259)
    
17.         at org.apache.hadoop.hive.cli.CliDriver.processCmd(CliDriver.java:216)
    
18.         at org.apache.hadoop.hive.cli.CliDriver.processLine(CliDriver.java:413)
    
19.         at org.apache.hadoop.hive.cli.CliDriver.run(CliDriver.java:756)
    
20.         at org.apache.hadoop.hive.cli.CliDriver.main(CliDriver.java:614)
    
21.         at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    
22.         at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:39)
    
23.         at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:25)
    
24.         at java.lang.reflect.Method.invoke(Method.java:597)
    
25.         at org.apache.hadoop.util.RunJar.main(RunJar.java:212)
    
26. FAILED: ParseException line 1:12 missing TABLE at 'local' near 'local' in select clause
    
27. line 1:18 cannot recognize input near 'directory' ''/home/wyp/wyp'' 'select' in select clause

复制代码

二、导出到HDFS中
和导入数据到本地文件系统一样的简单，可以用下面的语句实现：

1. 　　
   
2. hive> insert overwrite directory '/home/wyp/hdfs'
   
3.     > select * from wyp;

复制代码

将会在HDFS的/home/wyp/hdfs目录下保存导出来的数据。注意，和导出文件到本地文件系统的HQL少一个local，数据的存放路径就不一样了。

三、导出到Hive的另一个表中

这也是Hive的数据导入方式，如下操作：

1. 　
   
2. hive> insert into table test
   
3.     > partition (age='25')
   
4.     > select id, name, tel
   
5.     > from wyp;
   
6. #####################################################################
   
7.            这里输出了一堆Mapreduce任务信息，这里省略
   
8. #####################################################################
   
9. Total MapReduce CPU Time Spent: 1 seconds 310 msec
   
10. OK
    
11. Time taken: 19.125 seconds
    
12. 
    
13. hive> select * from test;
    
14. OK
    
15. 5       wyp1    131212121212    25
    
16. 6       wyp2    134535353535    25
    
17. 7       wyp3    132453535353    25
    
18. 8       wyp4    154243434355    25
    
19. 1       wyp     13188888888888  25
    
20. 2       test    13888888888888  25
    
21. 3       zs      899314121       25
    
22. Time taken: 0.126 seconds, Fetched: 7 row(s)

复制代码

细心的读者可能会问，怎么导入数据到文件中，数据的列之间为什么不是wyp表设定的列分隔符呢？其实在Hive 0.11.0版本之间，数据的导出是不能指定列之间的分隔符的，只能用默认的列分隔符，也就是上面的^A来分割，这样导出来的数据很不直观，看起来很不方便！
如果你用的Hive版本是0.11.0，那么你可以在导出数据的时候来指定列之间的分隔符。

下面详细介绍：

在Hive0.11.0版本新引进了一个新的特性，也就是当用户将Hive查询结果输出到文件，用户可以指定列的分割符，而在之前的版本是不能指定列之间的分隔符，这样给我们带来了很大的不变，在Hive0.11.0之前版本我们一般是这样用的：

1. hive> insert overwrite local directory '/home/wyp/Documents/result'
   
2. hive> select * from test;
   

复制代码

保存的文件列之间是用^A（\x01）来分割

1. 196^A242^A3
   
2. 186^A302^A3
   
3. 22^A377^A1
   
4. 244^A51^A2

复制代码

注意，上面是为了显示方便，而将\x01写作^A，在实际的文本编辑器我们是看不到^A的，而是一个奇怪的符号。

现在我们可以用Hive0.11.0版本新引进了一个新的特性，指定输出结果列之间的分隔符：

1. hive> insert overwrite local directory '/home/wyp/Documents/result'
   
2. hive> row format delimited
   
3. hive> fields terminated by '\t'
   
4. hive> select * from test;

复制代码

再次看出输出的结果

1. 196        242        3
   
2. 186        302        3
   
3. 22        377        1
   
4. 244        51        2

复制代码

结果好看多了。如果是map类型可以用下面语句来分割map的key和value

1. hive> insert overwrite local directory './test-04' 
   
2. hive> row format delimited 
   
3. hive> FIELDS TERMINATED BY '\t'
   
4. hive> COLLECTION ITEMS TERMINATED BY ','
   
5. hive> MAP KEYS TERMINATED BY ':'
   
6. hive> select * from src;

复制代码

根据上面内容，我们来进一步操作：

1. hive> insert overwrite local directory '/home/yangping.wu/local'
   
2.     > row format delimited
   
3.     > fields terminated by '\t'
   
4.     > select * from wyp;

复制代码

1. [wyp@master ~/local]$ vim 000000_0
   
2. 5       wyp1    23      131212121212
   
3. 6       wyp2    24      134535353535
   
4. 7       wyp3    25      132453535353
   
5. 8       wyp4    26      154243434355
   
6. 1       wyp     25      13188888888888
   
7. 2       test    30      13888888888888
   
8. 3       zs      34      899314121

复制代码

其实，我们还可以用hive的-e和-f参数来导出数据。其中-e 表示后面直接接带双引号的sql语句；而-f是接一个文件，文件的内容为一个sql语句，如下：

1. 　　
   
2. [wyp@master ~/local][        DISCUZ_CODE_26        ]nbsp; hive -e "select * from wyp" >> local/wyp.txt
   
3. [wyp@master ~/local][        DISCUZ_CODE_26        ]nbsp; cat wyp.txt
   
4. 5       wyp1    23      131212121212
   
5. 6       wyp2    24      134535353535
   
6. 7       wyp3    25      132453535353
   
7. 8       wyp4    26      154243434355
   
8. 1       wyp     25      13188888888888
   
9. 2       test    30      13888888888888
   
10. 3       zs      34      899314121

复制代码

得到的结果也是用\t分割的。也可以用-f参数实现：

1. [wyp@master ~/local]$ cat wyp.sql
   
2. select * from wyp
   
3. [wyp@master ~/local]$ hive -f wyp.sql >> local/wyp2.txt

复制代码

上述语句得到的结果也是\t分割的。