Hive 表的创建

 hive是基于Hadoop的一个数据仓库工具，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供SQL查询功能，能将SQL语句转变成MapReduce任务来执行。Hive的优点是学习成本低，可以通过类似SQL语句实现快速MapReduce统计，使MapReduce变得更加简单，而不必开发专门的MapReduce应用程序。hive是十分适合数据仓库的统计分析和Windows注册表文件。

hive中包含以下四类数据模型：表(Table)、外部表(External Tablc)、分区(Partition)、桶(Bucket)。 

(1) hive中的Table和数据库中的Table在概念上是类似的。在hive中每一个Table都有一个相应的目录存储数据。 

(2)外部表是一个已经存储在HDFS中，并具有一定格式的数据。使用外部表意味着hive表内的数据不在hive的数据仓库内，它会到仓库目录以外的位置访问数据。 

外部表和普通表的操作不同，创建普通表的操作分为两个步骤，即表的创建步骤和数据装入步骤（可以分开也可以同时完成）。在数据的装入过程中，实际数据会移动到数据表所在的hive数据仓库文件目录中，其后对该数据表的访问将直接访问装入所对应文件目录中的数据。删除表时，该表的元数据和在数据仓库目录下的实际数据将同时删除。 

外部表的创建只有一个步骤，创建表和装人数据同时完成。外部表的实际数据存储在创建语句I。OCATION参数指定的外部HDFS文件路径中，但这个数据并不会移动到hive数据仓库的文件目录中。删除外部表时，仅删除其元数据，保存在外部HDFS文件目录中的数据不会被删除。 

(3)分区对应于数据库中的分区列的密集索引，但是hive中分区的组织方式和数据库中的很不相同。在hive中，表中的一个分区对应于表下的一个目录，所有的分区的数据都存储在对应的目录中。 

(4)桶对指定列进行哈希(hash)计算，会根据哈希值切分数据，目的是为了并行，每一个桶对应一个文件。

 

CREATE EXTERNAL TABLE databasename.tablename
(
VIN_NBR              VARCHAR(20)  COMMENT 'The vehicle identificaion number.',
ACTION_TIMSTM        TIMESTAMP    COMMENT 'The date and time when the action type occured in the vehicle.',
SOURCE_MODULE_TYPE_CD VARCHAR(20) COMMENT 'The module type issuing the firmware change to the destination module type.  For example, the CSM issues the change to the BCM.',
DESTNTN_MODULE_TYPE_CD VARCHAR(20) COMMENT 'The module type being acted upon for the given action.  For example, the BCM firmware is being changed at the direction of the CSM module.',
ACTION_TYPE_CD       VARCHAR(500)   COMMENT 'A code uniquely defining a type of firmware change action performed on a given vehicle.  For example, SOFTWARE_FLASH_STARTED.',
ACTION_STATUS_CD     VARCHAR(500)   COMMENT 'The status of the action type being performed on the given vehicle under the given campaign.  For example, SUCCESS or FAIL.',
ACTION_DETAIL_VAL    STRING        COMMENT 'Free form details associated with the given action on the given vehicle such as exception messages when actions fail.',
CAMPAIGN_ID          VARCHAR(50)   COMMENT 'Uniquely identifies a firmware over the air campaign.  A campaign is a grouping mechanism where a specific module software change is directed to a specific set of vehicles.',
CREATED_TIMSTM       TIMESTAMP     COMMENT 'The date/time when the row was written into this data store.'
)
COMMENT 'Log entry of an a action taken in a vehicle to apply firmware to a module over the air campaign.'
PARTITIONED BY (yr_nbr int, mth_nbr int, day_nbr int)
STORED AS ORC 
LOCATION '/APP/VSMSOTA-181112-IO/CONSMR/veh_campaign_action_log';

 

1. CREATE TABLE： 创建一个指定名字的表。如果相同名字的表已经存在，则抛出异常；用户可以用 IF NOT EXISTS 选项来忽略这个异常。
2. EXTERNAL：可以让用户创建一个外部表，在建表的同时指定一个指向实际数据的路径（LOCATION）.Hive 创建内部表时，会将数据移动到数据仓库指向的路径；若创建外部表，仅记录数据所在的路径，不对数据的位置做任何改变。在删除表的时候，内部表的元数据和数据会被一起删除,而外部表只删除元数据,不删除数据.
3. ROW FORMAT DELIMITED：是用来设置创建的表在加载数据的时候，支持的列分隔符。Hive默认的分隔符是\001，
4. CLUSTERED BY：对于每一个表（table）或者分区， Hive可以进一步组织成桶，也就是说桶是更为细粒度的数据范围划分。Hive也是 针对某一列进行桶的组织。Hive采用对列值哈希，然后除以桶的个数求余的方式决定该条记录存放在哪个桶当中。
5. LOCATION：指定加载数据路径(指定在hdfs上的位置).针对的extetnal外部表，要指定存储路径，不指定也没事，默认路径。内部表不用指定，默认路径/user/hive/warehouse

 

学习理解记笔记，如有侵犯联系修改