简介
hive对于数据表的创建语句是很复杂的。
创建表
- 建表语句
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]
字段解释:
(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;用户可以使用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,会将数据迁移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,不对数据的位置坐任何改变。在删除表的时候,内部表的元数据和数据会一起被删掉,而外部表只删除元数据,不删除数据。
(3) commen: 为表和列添加注释。
(4) partitioned by:创建分区表
(5) clustered by : 创建分桶表
(6) sorted by : 排序 不常用
(7) row format delimited
[fields terminated by char] // 字段分隔符
[collection items terminated by char] // 数组分隔符
[map keys terminated by char] // map 分隔符
[lines terminated by char] // 行分隔符 一般默认不写这一句
| 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,用户在指定表的同时也会指定自定义的serde,hive通过serde确定表的具体列的数据。
serde 是Serialize Deserilize 的简称,目的是用于序列化和反序列化。
(8) stored as 指定存储文件类型
常用的存储文件类型:SEQUENCEFILE(二进制序列文件),TEXTFILE(文本文件),RCFILE(列式存储格式文件)
如果文件格式是纯文本,可以使用STORED AS TEXTFILE。如果数据需要压缩,使用STORED AS SEQUENCEFILE。
(9) location:指定表在HDFS上的存储位置。
(10) like 允许用户复制现有的表结构,但是不复制数据。
【PS】这里简单说一下分区和分桶,hive的分区和MR的分区是不一样的,hive的分桶才是和MR的分区一个概念。hive的分区分的目录,分桶才是分的文件。
-
管理表
- 理论
默认创建的表都是所谓的管理表,有时也被称为内部表。因为这种表,Hive会(或多或少的)控制着数据的生命周期。Hive默认情况下会将这些表的数据存储在由配置项hive.metastore.warehouse.dir(默认在/user/hive/warehouse)所定义的目录下的子目录下。当我们删除一个管理表的时候,hive也会删除这个表中的数据。 管理表不适合和其他工具共享数据。 - 示例操作
创建表有三种方法:
第一种:普通创建表
第二种:根据查询结果创建表(查询的结果会添加到新的创建的表中)create table if not exists student2( id int,name string ) row format delimited fields terminated by '\t' stored as textfile location '/user/hive/warehouse/student2';
第三种:根据已经有的表结构创建表create table if not exists student3 as select id, name from student2;
create table if not exists student4 like student2;
- 理论
-
外部表
- 理论
因为表是外部表,所以hive并非认为其完全拥有这份数据。删除该表并不会删除掉这份数据,不过描述表的元数据信息会被删除掉。 - 管理表和外部表的使用场景
每天将收集的网站日志定期流入HDFS文本文件。在外部表(原始日志表)的基础上做大量的统计分析,用得到中间表,结果表使用内部表存贮,数据通过select+insert进入内部表。 - 示例操作
建表语句,其实就是添加externalcreate external table if not exists default.student( id int,name string ) row format delimited fields terminated by '\t';
建表的时候可以直接使用
db_name.table_name
- 理论
-
管理表和外部表的互相转换
管理表和外部表是可以互相转换的。
内部表修改为外部表语句:
alter table student2 set tblproperties('EXTERNAL'='TRUE')
外部表修改为内部表语句:
alter table student2 set tblproperties('EXTERNAL'='FALSE')
注意:(‘EXTERNAL’=‘TRUE’)和(‘EXTERNAL’=‘FALSE’)为固定写法,区分大小写!
如果写成(‘EXTERNAL’=‘true’) 是不能改变表的内外表,只会在表的属性一栏添加一条属性 大写是为唯一写法。 -
注意
如果你创建了一张外部表student,使用load从hdfs的/tmp/text.txt导入到student中,呢么/tmp/text.txt的数据文件就会被剪切到student目录下。如果你删除这个外部表,呢么数据还是在这个表的目录下。也就是说,使用load会改变数据存储位置。而location不会
如果你在创建外部表时,指定了location呢么该location目录下的数据可以直接被使用查询出来。前提是指定表的存储格式,文件要和格式是一致的。
修改表
- 重命名表——RENAME TO
- 语法:
alter table table_name RENAME TO new_table_name
已经存在的表不能作为新表名 - 示例:
alter table student rename to student_new;
- 语法:
- 增加、修改,替换列信息
- 语法
更新列:
alter table table_name change [column] col_old_name col_new_name column_type [comment col_comment] [FIRST|AFTER column_name]
增加或者替换列
alter table table_name add|replace columns (col_name data_type [comment col_comment], ...)
注意:ADD是代表新增一个字段,字段位置在所有列后面(partition 列前),REPLACE则是表示替换表中所有的字段。使用REPLACE则会舍弃原有的表结构,如果本来有三个字段,你使用replace只有一个字段,哪最终你这个表就只有一个字段(元数据),但是你的hdfs的文件内容是不变的。
例如:student表只有id,name两个字段,现在替换添加一个字段,查询出来的图:
实际HDFS的数据:还是原先的数据,修改表只会修改元数据内容,不会修改HDFS的数据。
- 示例
添加列:
alter table student add columns (dept string);
更新列:
alter table student change column dept deptid string;
替换列:
alter table student replace columns (deptno string,deptname string,ioc string);
- 示例
- 语法
删除表
删除表语句:drop table table_name;