【hive】中数据库与表

hive 建立一张表 跟已经存在的结构haul的数据文件产生映射关系

映射成功之后就可以通过写SQL来分析这结构化的数据 避免了写mr程序的麻烦

数据库     /user/hive/warehouse 下的一个文件夹对应

数据库

hive的表存放位置模式是由hive-site.xml当中的一个属性指定的

<name>hive.metastore.warehouse.dir</name>

<value>/user/hive/warehouse</value>

shell窗口操作数据库

<-- 创建数据库 -->
create database if not exists myhive;

<-- 使用指定数据库 -->
use  myhive;

<-- 创建数据库并指定hdfs存储位置 -->
create database myhive2 location '/myhive2';

<-- 修改数据库的创建日期 -->
alter  database  myhive2  set  dbproperties('createtime'='20880611');
 
<-- 查看数据库基本信息 -->
desc  database  myhive2;

<-- 查看数据库更多详细信息 -->
desc database extended  myhive2;

<-- 删除一个空数据库，如果数据库下面有数据表，那么就会报错 -->
drop  database  myhive2;

<-- 强制删除数据库，包含数据库下面的表一起删除 -->
drop  database  myhive  cascade;   不要执行（危险动作）

修改数据库 可以使用alter  database  命令来修改数据库的一些属性。但是数据库的元数据信息是不可更改的，包括数据库的名称以及数据库所在的位置

数据库表

表   数据库文件夹下面的子文件夹    /user/hive/warehouse/demo.db/t_t1

表的数据位置目前不能随便存放 一定要指定的数据库表的文件夹 下面

建立表的时候 可能还需要指定分隔符  负责有可能映射不成功

 

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关键字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、LIKE 允许用户复制现有的表结构，但是不复制数据。

4、

imited [fields terminated by char]
[collection items terminated by char]
[map keys terminated by char]
[lines terminated by char] | 
serde serde_name 
[with serdeproperties (property_name=property_value, property_name=property_value, ...)]

     用户在建表的时候可以自定义 SerDe 或者使用自带的 SerDe。如果没有指定 ROW FORMAT 或者 ROW FORMAT DELIMITED，将会使用自带的 SerDe。在建表的时候，用户还需要为表指定列，用户在指定表的列的同时也会指定自定义的 SerDe，Hive通过 SerDe 确定表的具体的列的数据。

5、STORED AS

row format de l sequencefile | textfile | rcfile

如果文件数据是纯文本，可以使用 STORED AS TEXTFILE。如果数据需要压缩，使用 STORED AS SEQUENCEFILE。

6、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。

把表（或者分区）组织成桶（Bucket）有两个理由：

（1）获得更高的查询处理效率。桶为表加上了额外的结构，Hive 在处理有些查询时能利用这个结构。具体而言，连接两个在（包含连接列的）相同列上划分了桶的表，可以使用 Map 端连接 （Map-side join）高效的实现。比如JOIN操作。对于JOIN操作两个表有一个相同的列，如果对这两个表都进行了桶操作。那么将保存相同列值的桶进行JOIN操作就可以，可以大大较少JOIN的数据量。

（2）使取样（sampling）更高效。在处理大规模数据集时，在开发和修改查询的阶段，如果能在数据集的一小部分数据上试运行查询，会带来很多方便。

 

创表方式

<-- 1、最常见的方式，通 create table 方式进行建立hive表 -->
create [external] table [IF NOT EXISTS] tableName
(
column columnType comment 'annotation',
column columnType comment 'annotation',
column columnType comment 'annotation',
...
)
partitioned by (column columnType...)
stored as ORC
row format delimited fields terminated by ','
location 'path';
<-- 这种方式的好处是可以清晰的定制hive表的字段、分区、注释、存储方式、数据分隔符、位置等等 -->

<-- 2、create as -->
craete table tableName as select * from targetTableName;
<-- 这种方式创建表非常方便，可以快速从目标表中筛选所需要的字段以及数据，并且创建的表的结构和目标表基本一致，但是如果目标表是分区表，是不会将分区结构也复制的，如果查询了分区字段，那么分区字段只会作为复制表的一个普通字段，所以如果想要复制分区，那这种方式是不适合的，而且也不会复制目标表的注释，这就是这种方式的缺点 -->

<-- 3、create like -->
craete table tableName as targetTableName;
<-- 这种方式是不会复制目标表的数据的，只会复制目标表的结构 -->

<-- 总结 -->
<-- craete table 是最常用的创表方式，可以对表进行清晰的定制
create as 创表可以快速的将一张表的数据查询出来并存储到新表中
create like 创表可以快速的复制目标表的结构 -->

 

shell窗口操作数据库表

<-- 创建数据库表语法 -->
CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name 
   [(col_name data_type [COMMENT col_comment], ...)] 
   [COMMENT table_comment] 
   [PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)] 
   [CLUSTERED BY (col_name, col_name, ...) 
   [SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] 
   [ROW FORMAT row_format] 
   [STORED AS file_format] 
   [LOCATION hdfs_path]

<-- 创建表并指定字段之间的分隔符 -->
create  table if not exists stu2(id int ,name string) row format delimited fields terminated by '\t' stored as textfile location '/user/stu2';

<-- 创建外部表 -->
create external table student (s_id string,s_name string,s_birth string , s_sex string ) row format delimited fields terminated by '\t';

<-- 根据查询结果创建表 -->
create table stu3 as select * from stu2;

<-- 根据已经存在的表结构创建表 -->
create table stu4 like stu2;

<-- 查询表的类型 -->
desc formatted  stu2;

<-- 从本地文件系统向表中加载数据 -->
load data local inpath '/export/servers/hivedatas/student.csv' into table student;

<-- 加载数据并覆盖已有数据 -->
load data local inpath '/export/servers/hivedatas/student.csv' overwrite  into table student;

<-- 从hdfs文件系统向表中加载数据（需要提前将数据上传到hdfs文件系统，其实就是一个移动文件的操作） -->
cd /export/servers/hivedatas
hdfs dfs -mkdir -p /hivedatas
hdfs dfs -put techer.csv /hivedatas/
load data inpath '/hivedatas/techer.csv' into table techer;


进行表的修复,就是建立表与数据文件之间的一个关系映射
msck  repair   table  score4;

Hive建表时候的字段类型

分类	类型	描述	字面量示例
原始类型	BOOLEAN	true/false	TRUE
	TINYINT	1字节的有符号整数 -128~127	1Y
	SMALLINT	2个字节的有符号整数，-32768~32767	1S
	INT	4个字节的带符号整数	1
	BIGINT	8字节带符号整数	1L
	FLOAT	4字节单精度浮点数1.0
	DOUBLE	8字节双精度浮点数	1.0
	DEICIMAL	任意精度的带符号小数	1.0
	STRING	字符串，变长	“a”,’b’
	VARCHAR	变长字符串	“a”,’b’
	CHAR	固定长度字符串	“a”,’b’
	BINARY	字节数组	无法表示
	TIMESTAMP	时间戳，毫秒值精度	122327493795
	DATE	日期	‘2016-03-29’
	INTERVAL	时间频率间隔
复杂类型	ARRAY	有序的的同类型的集合	array(1,2)
	MAP	key-value,key必须为原始类型，value可以任意类型	map(‘a’,1,’b’,2)
	STRUCT	字段集合,类型可以不同	struct(‘1’,1,1.0), named_stract(‘col1’,’1’,’col2’,1,’clo3’,1.0)
	UNION	在有限取值范围内的一个值	create_union(1,’a’,63)