目录
数据类型
decimal 类型：
decimal(11,2) 代表最多有 11 位数字，其中后 2 位是小数，整数部分是 9位；如果整数部分超过 9 位，则这个字段就会变成 null；如果小数部分不足 2 位， 则后面用 0 补齐两位，如果小数部分超过两位，则超出部分四舍五入。也可直接写 decimal，后面不指定位数，默认是 decimal(10,0) 整数 10 位，没有小数
map类型：
zhangsan chinese:90,math:87,english:63,nature:76 lisi chinese:60,math:30,english:78,nature:0 wangwu chinese:89,math:25 create table if not exists map1( name string, score map<string,int>) row format delimited fields terminated by '\t' collection items terminated by ',' map keys terminated by ':'; load data local inpath './data/map1.txt' into table map1; #查询数学⼤于35分的学⽣的英语和⾃然成绩： select m.name,m.score['english'] ,m.score['nature'] from map1 m where m.score['math'] > 35; #查看每个⼈的前两科的成绩总和 select m.name,m.score['chinese']+m.score['math'] from map1 m;
struct类型：
zhangsan 90,87,63,76 lisi 60,30,78,0 wangwu 89,25,81,9 create table if not exists struct1( name string, score struct<chinese:int,math:int,english:int,natrue:int> ) row format delimited fields terminated by '\t' collection items terminated by ','; 导⼊数据： load data local inpath './data/arr1.txt' into table struct1; select name,score.english,score.chinese from str2 where score.math > 35;
array类型：
zhangsan 78,89,92,96 lisi 67,75,83,94 王五 23,12 create table if not exists arr1( name string, scores array<string> ) row format delimited fields terminated by '\t' collection items terminated by ','; load data local inpath '/data/arr1.txt' into table arr1; select * from arr1; #结果 +--------+---------------+ |name |scores | +--------+---------------+ |zhangsan|["78,89,92,96"]| |lisi |["67,75,83,94"]| |王五 |["23,12"] | +--------+---------------+
库操作
创建库
CREATE DATABASE [IF NOT EXISTS] database_name [COMMENT database_comment] [LOCATION hdfs_path] [WITH DBPROPERTIES (property_name=property_value, ...)];
查询库
SHOW DATABASES [LIKE 'identifier_with_wildcards']; #注：like通配表达式说明：*表示任意个任意字符，|表示或的关系。
查看数据库信息
DESCRIBE DATABASE [EXTENDED] db_name;
修改数据库
用户可以使用alter database命令修改数据库某些信息，其中能够修改的信息包括dbproperties、location、owner user。需要注意的是：修改数据库location，不会改变当前已有表的路径信息，而只是改变后续创建的新表的默认的父目录。 --修改dbproperties ALTER DATABASE database_name SET DBPROPERTIES (property_name=property_value, ...); --修改location ALTER DATABASE database_name SET LOCATION hdfs_path; --修改owner user ALTER DATABASE database_name SET OWNER USER user_name;
删除数据库
DROP DATABASE [IF EXISTS] database_name [RESTRICT|CASCADE]; RESTRICT：严格模式，若数据库不为空，则会删除失败，默认为该模式。 CASCADE：级联模式，若数据库不为空，则会将库中的表一并删除。
切换当前数据库
USE database_name;
表操作
表有临时表、外部表、内部表（管理表）、分区表，分桶表
Linux上传文件到hdfs上
hdfs dfs -put student.txt
基于其他表的结构建表
create table teacher2 like teacher;
基于查询结果建表
create table teacher1 as select * from teacher;
数据导入导出
导入文件到hive表
LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)];
关键字说明：
1）local：表示从本地加载数据到Hive表；否则从HDFS加载数据到Hive表。
2）overwrite：表示覆盖表中已有数据，否则表示追加。
3）partition：表示上传到指定分区，若目标是分区表，需指定分区。
注意！分桶表不能load data，可以先load data到临时表，再从临时表insert from到分桶表
导入表到表
1）create table tbname as select * from tbname;
2）insert overwrite table tbname select * from tbname;
数据导出
INSERT (INTO | OVERWRITE) TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)] select_statement;
关键字说明：
1）INTO：将结果追加到目标表
2）OVERWRITE：用结果覆盖原有数据
#导出数据到本地⽂件系统的⽬录下 insert overwrite local directory '/root/out/00' select * from student; #导出数据到hdfs的⽬录下 insert overwrite directory '/root/out/01' select * from student; #导出的⽂件中字段默认不分隔，修改导出后的列与列之间的格式： insert overwrite local directory '/root/out/01' row format delimited fields terminated by ','; select * from student;
Export&Import
Export导出语句可将表的数据和元数据信息一并到处的HDFS路径，Import可将Export导出的内容导入Hive，表的数据和元数据信息都会恢复。Export和Import可用于两个Hive实例之间的数据迁移。
EXPORT TABLE tablename TO 'export_target_path'
IMPORT TABLE new_or_original_tablename FROM 'source_path' [LOCATION 'import_target_path']
ROW FORMAT DELIMITED参数
[FIELDS TERMINATED BY char]
#列分隔符
[COLLECTION ITEMS TERMINATED BY char]
#map、struct、array元素间的分隔符
[MAP KEYS TERMINATED BY char]
#map中key和value的分隔符
[LINES TERMINATED BY char]
#行分隔符
STORED AS参数
指定文件格式，常用的文件格式有，textfile（默认值），sequence file，orc file、parquet file等等。
创建表
临时表
CREATE [TEMPORARY] table if not exist tb_name;
内部表
create table if not exists student(
id int,
name string
)
row format delimited fields terminated by '\t'
location '/user/hive/warehouse/student';
#指定表的数据位置，表删除后，文件也会删除外部表
create external table if not exists student(
id int,
name string
)
row format delimited fields terminated by '\t'
location '/user/hive/warehouse/student';
#表删除后，文件不会删除内外部表转换
#内部表转外部表
alter table tableName set tblproperties('EXTERNAL'='TRUE');
注意：内部表转外部表，True⼀定要⼤写;
#外部表转内部表
alter table tableName set tblproperties('EXTERNAL'='false');
说明：false不区分⼤⼩分区表
#一级分区
create table if not exists part1(
id int,name string,age int)
partitioned by (dt string)
row format delimited
fields terminated by ','
lines terminated by '\n';
#导入数据
load data local inpath './data/user1.txt'
into table test_ext partition(dt='2020-05-05');
#二级分区
create table if not exists part2(
id int,name string,age int)
partitioned by (year string,month string)
row format delimited
fields terminated by ',';
#导入数据
load data local inpath './data/user1.txt' into table part2
partition(year='2020',month='03');
#三级分区
create table if not exists part3(
id int,name string,age int)
partitioned by (year string,month string,day string)
row format delimited
fields terminated by ',';
#导入数据
load data local inpath './data/user1.txt' into table part3
partition(year='2020',month='05',day='01');#添加分区
ALTER TABLE tablename
ADD PARTITION (partition_key='partition_value', ......);
#删除分区
ALTER TABLE tablename DROP
PARTITION (partition_key='partition_value');
#只是删除元数据，hdfs文件依然保留#修改分区值
ALTER TABLE tablename
PARTITION (partition_key='old_partition_value')
RENAME TO
PARTITION (partition_key='new_partition_value');注意！
修改分区只会在元数据中修改，不会同步修改HDFS路径，如：
1）原分区路径为： /user/hive/warehouse/test.db/test_table/month=201910 ，分区名： month='201910'
2）将分区名修改为：201911 后，分区所在路径不变，依旧 是：/user/hive/warehouse/test.db/test_table/month=201910
如果希望修改分区名后，同步修改HDFS的路径，并保证正常可用，需要：
1）在元数据库中： 找到SDS表 -> 找到LOCATION列 -> 找到对应分区的路径记录进行修改 如将记录的： /user/hive/warehouse/test.db/test_table/month=201910 修改 为： /user/hive/warehouse/test.db/test_table/month=201911
2）在HDFS中，同步修改文件夹名
如将文件夹： /user/hive/warehouse/test.db/test_table/month=201910 修改为： /user/hive/warehouse/test.db/test_table/month=201911
分桶表
分桶表不能使用load data ！！！只能insert .. select ..from
原因：分桶表是要把数据划分成n份，划分规则就是基于分桶列的值进行hash取模来决定，由于load data不会触发mapreduce，没有计算过程，也就是无法执行hash算法，只是简单的移动数据。
Hash取模算法：
同样的值在hash加密后的结果是一致的，不论计算多少次都不会改变。基于这个特征，
假如规定把表划分成3个桶，那么对表的分桶列的字段名进行hash计算，产生的值再%3取模，取模的结果必然是0或1或2，基于取模的结果，把取模结果相同的放到同一个桶中。取模相同的一定在同一文件，同一文件的未必取模都相同。
CREATE TABLE
course (c_id string,c_name string,t_id string)
[PARTITION(partition_key='partition_value')]
CLUSTERED BY(c_id) INTO 3 BUCKETS
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';
#分桶表需要开启：
set hive.enforce.bucketing=true;
#设置自动匹配桶数量的reduces task数量
#分桶表不能使用load data查询表
select .. from .. join [tableName] on .. where .. group by .. having .. order by .. sort by .. limit .. union | union all ...
limit
select * from emp limit 2,3; -- 表示从第2行开始，向下抓取3行
JOIN
由图可知，左外连接（left join）就是以左表为主 ，左表多少行，连接的结果表就多少行，右外连接（right join）同理。满外连接（full outer join）就是左表中有，右表没有的，右表补为NULL，右表中有，左表没有，左表补为NULL，类似于求并集。内连接（inner join）就是求交集，找两张表都有的
修改表
重命名表
ALTER TABLE table_name RENAME TO new_table_name
增加列
该语句允许用户增加新的列，新增列的位置位于末尾。
ALTER TABLE table_name ADD COLUMNS (col_name data_type [COMMENT col_comment], ...)
更新列
该语句允许用户修改指定列的列名、数据类型、注释信息以及在表中的位置。
ALTER TABLE table_name CHANGE COLUMN col_old_name col_new_name column_type [COMMENT col_comment] [FIRST|AFTER column_name]
替换列
该语句允许用户用新的列集替换表中原有的全部列。
ALTER TABLE table_name REPLACE COLUMNS (col_name data_type [COMMENT col_comment], ...)
删除表
DROP TABLE [IF EXISTS] table_name;
清空表
TRUNCATE [TABLE] table_name
注意：truncate只能清空管理表，不能删除外部表中数据。
特例-update和delete
更新和删除的语法比较简单，和关系型数据库一致。需要注意的是这两个操作都只能在支持 ACID 的表，也就是事务表上才能执行。
-- 更新
UPDATE tablename SET column = value [, column = value ...] [WHERE expression]
--删除
DELETE FROM tablename [WHERE expression]
需要配置hive-site.xml，开启事务支持，配置完成后重启hive。
<property>
<name>hive.support.concurrency</name>
<value>true</value>
</property>
<property>
<name>hive.enforce.bucketing</name>
<value>true</value>
</property>
<property>
<name>hive.exec.dynamic.partition.mode</name>
<value>nonstrict</value>
</property>
<property>
<name>hive.txn.manager</name>
<value>org.apache.hadoop.hive.ql.lockmgr.DbTxnManager</value>
</property>
<property>
<name>hive.compactor.initiator.on</name>
<value>true</value>
</property>
<property>
<name>hive.in.test</name>
<value>true</value>
</property>
视图
Hive 中的视图和 RDBMS 中视图的概念一致，都是一组数据的逻辑表示，本质上就是一条 SELECT 语句 的结果集。视图是纯粹的逻辑对象，没有关联的存储 (Hive 3.0.0 引入的物化视图除外)，当查询引用视 图时，Hive 可以将视图的定义与查询结合起来，例如将查询中的过滤器推送到视图中。
在 Hive 中可以使用 CREATE VIEW 创建视图，如果已存在具有相同名称的表或视图，则会抛出异常， 建议使用 IF NOT EXISTS 预做判断。在使用视图时候需要注意以下事项：
- 视图是只读的，不能用作 LOAD / INSERT / ALTER 的目标；
- 在创建视图时候视图就已经固定，对基表的后续更改（如添加列）将不会反映在视图；
- 删除基表并不会删除视图，需要手动删除视图；
- 视图可能包含 ORDER BY 和 LIMIT 子句。如果引用视图的查询语句也包含这类子句，其执行优先 级低于视图对应字句。例如，视图 custom_view 指定 LIMIT 5，查询语句为 select * from custom_view LIMIT 10 ，此时结果最多返回 5 行。
- 创建视图时，如果未提供列名，则将从 SELECT 语句中自动派生列名；
视图增删改
创建视图
CREATE VIEW [IF NOT EXISTS] [db_name.]view_name -- 视图名称
[(column_name [COMMENT column_comment], ...) ] --列名
[COMMENT view_comment] --视图注释
[TBLPROPERTIES (property_name = property_value, ...)] --额外信息
AS SELECT ...;
查看视图
-- 查看所有视图： 没有单独查看视图列表的语句，只能使用 show tables
show tables;
-- 查看某个视图
desc view_name;
-- 查看某个视图详细信息
desc formatted view_name;
删除视图
DROP VIEW [IF EXISTS] [db_name.]view_name;
-- 删除视图时，如果被删除的视图被其他视图所引用，这时候程序不会发出警告，但是引用该视图其他视
图已经失效，需要进行重建或者删除。
修改视图
ALTER VIEW [db_name.]view_name AS select_statement;
-- 被更改的视图必须存在，且视图不能具有分区，如果视图具有分区，则修改失败。
修改视图属性
ALTER VIEW [db_name.]view_name SET TBLPROPERTIES (property_name = property_value, property_name = property_value, ...);
示例：
ALTER VIEW custom_view SET TBLPROPERTIES ('create'='heibaiying','date'='2019-05-
05');
索引
Hive 在 0.7.0 引入了索引的功能，索引的设计目标是提高表某些列的查询速度。如果没有索引，带有谓 词的查询（如'WHERE table1.column = 10'）会加载整个表或分区并处理所有行。但是如果 column 存在索引，则只需要加载和处理文件的一部分。
索引原理
在指定列上建立索引，会产生一张索引表（表结构如下），里面的字段包括：索引列的值、该值对应的 HDFS 文件路径、该值在文件中的偏移量。在查询涉及到索引字段时，首先到索引表查找索引列值对应 的 HDFS 文件路径及偏移量，这样就避免了全表扫描。
索引增删改
创建索引
CREATE INDEX index_name --索引名称
ON TABLE base_table_name (col_name, ...) --建立索引的列
AS index_type --索引类型
[WITH DEFERRED REBUILD] --重建索引
[IDXPROPERTIES (property_name=property_value, ...)] --索引额外属性
[IN TABLE index_table_name] --索引表的名字
[
[ ROW FORMAT ...] STORED AS ...
| STORED BY ...
] --索引表行分隔符 、 存储格式
[LOCATION hdfs_path] --索引表存储位置
[TBLPROPERTIES (...)] --索引表表属性
[COMMENT "index comment"]; --索引注释
查看索引
--显示表上所有列的索引
SHOW FORMATTED INDEX ON table_name;
删除索引
-- 删除索引会删除对应的索引表。
DROP INDEX [IF EXISTS] index_name ON table_name;
-- 如果存在索引的表被删除了，其对应的索引和索引表都会被删除。如果索引表的某个分区被删除了，
那么分区对应的分区索引也会被删除。
重建索引
ALTER INDEX index_name ON table_name [PARTITION partition_spec] REBUILD;
-- 如果指定了 PARTITION，则仅重建该分区的索引。
查看索引
show index on tb_name;设置自动使用索引
默认情况下，虽然建立了索引，但是 Hive 在查询时候是不会自动去使用索引的，需要开启相关配置。 开启配置后，涉及到索引列的查询就会使用索引功能去优化查询。
SET hive.input.format=org.apache.hadoop.hive.ql.io.HiveInputFormat;
SET hive.optimize.index.filter=true;
SET hive.optimize.index.filter.compact.minsize=0;
索引缺陷
索引表最主要的一个缺陷在于：索引表无法自动 rebuild，这也就意味着如果表中有数据新增或删除， 则必须手动 rebuild，重新执行 MapReduce 作业，生成索引表数据。 同时按照官方文档 的说明，Hive 会从 3.0 开始移除索引功能，主要基于以下两个原因：
具有自动重写的物化视图 (Materialized View) 可以产生与索引相似的效果（Hive 2.3.0 增加了对 物化视图的支持，在 3.0 之后正式引入）。
使用列式存储文件格式（Parquet，ORC）进行存储时，这些格式支持选择性扫描，可以跳过不需 要的文件或块。
456
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
