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’ |
| 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) |