概述
hive是一个构建在hadoop hdfs之上的一个数据仓库。它能够对大量数据进行读写与管理。hive元数据默认是存在Derby数据库上,但是Derby是一个单session,每次只允许一个客户端连接,所以并不适用于生产。一般大家都把hive元数据存在mysql之上,不仅满足多用户连接,也可以将mysql搭建一主一备的集群,防止单点故障。
hive-site.xml配置
下图是将hive元数据存储在mysql上的配置
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://localhost:3306/applocal?createDatabaseIfNotExist=true&characterEncoding=UTF-8</value>
</property>
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
</property>
MySQL中applocal库的所有表
+---------------------------+
| bucketing_cols |
| cds |
| columns_v2 |
| database_params |
| db_privs |
| dbs |
| func_ru |
| funcs |
| global_privs |
| idxs |
| index_params |
| part_col_privs |
| part_col_stats |
| part_privs |
| partition_key_vals |
| partition_keys |
| partition_params |
| partitions |
| roles |
| sd_params |
| sds |
| sequence_table |
| serde_params |
| serdes |
| skewed_col_names |
| skewed_col_value_loc_map |
| skewed_string_list |
| skewed_string_list_values |
| skewed_values |
| sort_cols |
| tab_col_stats |
| table_params |
| tbl_col_privs |
| tbl_privs |
| tbls |
| version |
+---------------------------+
1、version表(hive版本)
select * from version;
+--------+----------------+----------------------------------------+
| VER_ID | SCHEMA_VERSION | VERSION_COMMENT |
+--------+----------------+----------------------------------------+
| 1 | 1.1.0 | Set by MetaStore hadoop@172.18.172.174 |
+--------+----------------+----------------------------------------+
2、dbs, database_params
里面存储的是hive所有数据库相关信息
- select * from dbs;
数据库ID | 数据库描述 | 数据库HDFS路径 | 数据库名 | 数据库所有者用户名 | 所有者角色 |
---|---|---|---|---|---|
1 | Default Hive database | hdfs://hadoop001:9000/user/hive/warehouse | default | public | ROLE |
6 | NULL | hdfs://hadoop001:9000/user/hive/warehouse/ya.db | ya | hadoop | USER |
- select * from database_params;
该表存储数据库的相关参数,在CREATE DATABASE时候用
WITH DBPROPERTIES (property_name=property_value, …)指定的参数。
元数据表字段 | 说明 | 示例数据 |
---|---|---|
DB_ID | 数据库ID | 2 |
PARAM_KEY | 参数名 | createdby |
PARAM_VALUE | 参数值 | ya |
3、TBLS、TABLE_PARAMS、TBL_PRIVS,这三张表通过TBL_ID关联
- select * from tbls;
该表中存储Hive表、视图、索引表的基本信息
表ID | 创建时间 | 数据库ID | 上次访问时间 | 所有者 | 保留字段 | 序列化配置信息( 对应SDS表中的SD_ID) | 表名 | 表类型 | 视图的详细HQL语句 | 视图的原始HQL语句 |
---|---|---|---|---|---|---|---|---|---|---|
TBL_ID | CREATE_TIME | DB_ID | LAST_ACCESS_TIME | OWNER | RETENTION | SD_ID | TBL_NAME | TBL_TYPE | VIEW_EXPANDED_TEXT | VIEW_ORIGINAL_TEXT |
11 | 1540281329 | 6 | 0 | hadoop | 0 | 11 | emp | MANAGED_TABLE | NULL | NULL |
- select * from table_params;
该图存储表/视图的属性信息
表ID(对应TBLS的tbl_id) | 属性名 | 属性值 |
---|---|---|
TBL_ID | PARAM_KEY | PARAM_VALUE |
11 | transient_lastDdlTime | 1540281329 |
16 | COLUMN_STATS_ACCURATE | true |
16 | numFiles | 1 |
16 | rawDataSize | 0 |
16 | totalSize | 700 |
16 | transient_lastDdlTime | 1540284682 |
16 | EXTERNAL | TRUE |
- TBL_PRIVS
该表存储表/视图的授权信息
4、Hive文件存储信息相关的元数据表
主要涉及SDS、SD_PARAMS、SERDES、SERDE_PARAMS
由于HDFS支持的文件格式很多,而建Hive表时候也可以指定各种文件格式,Hive在将HQL解析成MapReduce时候,需要知道去哪里,使用哪种格式去读写HDFS文件,而这些信息就保存在这几张表中。
- select * from sds;
文件存储的基本信息
存储信息ID(对应tbl_id) | 字段信息ID(对应column_v2 的CD_ID) | 文件输入格式 | 是否压缩 | 是否以子目录存储 | HDFS路径 | 分桶数量 | 文件输出格式 | 序列化类ID |
---|---|---|---|---|---|---|---|---|
SD_ID | CD_ID | INPUT_FORMAT | IS_COMPRESSED | IS_STOREDASSUBDIRECTORIES | ||||
11 | 11 | org.apache.hadoop.mapred.TextInputFormat | hdfs://hadoop001:9000/user/hive/warehouse/ya.db/emp | -1 | org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat | 11 | ||
16 | 16 | org.apache.hadoop.mapred.TextInputFormat | hdfs://hadoop001:9000/user/hive/warehouse/emp | -1 | org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat | 16 |
-
SD_PARAMS
该表存储Hive存储的属性信息,在创建表时候使用
STORED BY ‘storage.handler.class.name’ [WITH SERDEPROPERTIES (…)指定。 -
select * from serdes;
该表存储序列化使用的类信息
序列化类配置ID(对应SDS的 SERDE_ID) | 序列化类别名 | 序列化类 |
---|---|---|
SERDE_ID | NAME | SLIB |
11 | NULL | org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe |
16 | NULL | org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe |
- select * from serde_params;
该表存储序列化的一些属性、格式信息,比如:行、列分隔符
序列化类配置ID(对应SDS的 SERDE_ID) | 属性名 | 属性值 |
---|---|---|
SERDE_ID | PARAM_KEY | PARAM_VALUE |
11 | serialization.format | 1 |
16 | field.delim | |
16 | serialization.format | |
17 | field.delim |
5、Hive表字段相关的元数据表
- select * from columns_v2;
表的字段信息
字段信息ID(对应SDS 表CD_ID) | 字段注释 | 字段名 | 字段类型 | 字段顺序 |
---|---|---|---|---|
11 | NULL | age | int | 1 |
11 | NULL | ename | string | 0 |
16 | NULL | comm | double | 6 |
16 | NULL | deptno | int | 7 |
16 | NULL | empno | int | 0 |
6、Hive表分区相关的元数据表
主要涉及PARTITIONS、PARTITION_KEYS、PARTITION_KEY_VALS、PARTITION_PARAMS
- select * from partitions ;
分区的基本信息
分区ID | 分区创建时间 | 最后一次访问时间 | 分区名 | 分区存储ID | 表ID |
---|---|---|---|---|---|
PART_ID | CREATE_TIME | LAST_ACCESS_TIME | PART_NAME | SD_ID | TBL_ID |
1 | 1540365533 | 0 | order_month=2018-01 | 27 | 26 |
6 | 1540369168 | 0 | order_month=2018-01/location=chengdu | 32 | 31 |
- select * from partition_keys;
分区的字段信息
表ID | 说明 | 分区字段名 | 分区字段类型 | 分区字段值顺序 |
---|---|---|---|---|
TBL_ID | PKEY_COMMENT | PKEY_NAME | PKEY_TYPE | NTEGER_IDX |
26 | NULL | order_month | string | 0 |
31 | NULL | location | string | 1 |
- select * from partition_key_vals;
该表存储分区字段值
分区ID | 分区值 | 分区字段值顺序 |
---|---|---|
PART_ID | PART_KEY_VAL | INTEGER_IDX |
1 | 2018-01 | 0 |
6 | 2018-01 | 0 |
6 | chengdu | 1 |
- select * from partition_params;
该表存储分区的属性信息
分区ID | 分区字段值顺序 | 分区属性值 |
---|---|---|
1 | COLUMN_STATS_ACCURATE | true |
1 | numFiles | 1 |
1 | numRows | 0 |
1 | rawDataSize | 0 |
7、其他不常用的元数据表
表名 | 作用 |
---|---|
DB_PRIVS | 数据库权限信息表。通过GRANT语句对数据库授权后,将会在这里存储 |
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 |
TAB_COL_STATS | 表字段的统计信息。使用ANALYZE语句对表字段分析后记录在这里 |
TBL_COL_PRIVS | 表字段的授权信息 |
PART_PRIVS | 分区的授权信息 |
PART_COL_STATS | 分区字段的统计信息 |
PART_COL_PRIVS | 分区字段的权限信息 |
FUNCS | 用户注册的函数信息 |
FUNC_RU | 用户注册函数的资源信息 |
最后总结一下上述表之间的关联关系