Hive的CRUD

Hive的CRUD

DDL 数据定义

• 创建数据库

  1）创建一个数据库，数据库在 HDFS 上的默认存储路径是/user/hive/warehouse/*.db。

  ​ hive (default)> create database db_hive;

  2）避免要创建的数据库已经存在错误，增加 if not exists 判断。（标准写法）

  ​ hive (default)> create database db_hive; FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. Database db_hive already exists hive (default)> create database if not exists db_hive;

​ 3）创建一个数据库，指定数据库在 HDFS 上存放的位置

​ hive (default)> create database db_hive2 location ‘/db_hive2.db’;

• 查询数据库

1.显示数据库

​ 1）、显示数据库 hive> show databases;
​ 2）、过滤显示查询的数据库 hive> show databases like ‘db_hive*’;

2.查看数据库详情

​ 1）、显示数据库信息

hive> desc database db_hive;
2）、显示数据库详细信息，extended

hive> desc database extended db_hive;

3.切换当前数据库

​ hive (default)> use db_hive;

• 修改数据库

用户可以使用 ALTER DATABASE 命令为某个数据库的 DBPROPERTIES 设置键-值对
属性值，来描述这个数据库的属性信息。数据库的其他元数据信息都是不可更改的，包括数
据库名和数据库所在的目录位置。

hive (default)> alter database db_hive set dbproperties(‘createtime’=‘20170830’);

在 hive 中查看修改结果

hive> desc database extended db_hive;

• 创建表

  1. 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] 
     [TBLPROPERTIES (property_name=property_value, ...)] 
     [AS select_statement] 
     

  2. 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，在建表的同时可以指定一个指向
     实际数据的路径（LOCATION），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）COMMENT：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 不常用，对桶中的一个或多个列另外排序 
     （7）ROW FORMAT  
     DELIMITED [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。 
     SerDe 是 Serialize/Deserilize 的简称， hive 使用 Serde 进行行对象的序列与反序列化。 
     （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）、
     RCFILE（列式存储格式文件） 
     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。 
     （9）LOCATION ：指定表在 HDFS 上的存储位置。 
     （10）AS：后跟查询语句，根据查询结果创建表。 
     （11）LIKE 允许用户复制现有的表结构，但是不复制数据
     

• 内外表

  1、管理表

  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
  少地）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(例如，/user/hive/warehouse)所定义的目录的子目录下。 当我们
  删除一个管理表时，Hive 也会删除这个表中数据。管理表不适合和其他工具共享数据

  操作：

  （1）普通创建表 
  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'; 
  （2）根据查询结果创建表（查询的结果会添加到新创建的表中）
  create table if not exists student3 as select id, name from student; 
  （3）根据已经存在的表结构创建表
  create table if not exists student4 like student; 
  （4）查询表的类型 
  hive (default)> desc formatted student2;
  

  2、外部表

  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。

  1）使用场景

  每天将收集到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，用到的中间表、结果表使用内部表存储，数据通过SELECT+INSERT 进入内部表

  2）操作

  分别创建部门和员工外部表，并向表中导入数据。 
  (1)创建部门表 
  create external table if not exists default.dept( deptno int, dname string, loc int ) row format delimited fields terminated by '\t'; 
  (2)创建员工表 
  create external table if not exists default.emp( empno int, ename string, job string, mgr int, hiredate string, sal double, comm double, deptno int) row format delimited fields terminated by '\t';  
  （3）查看创建的表 
  hive (default)> show tables; OK tab_name dept emp   
  (4)向外部表中导入数据 
  hive (default)> load data local inpath '/opt/module/data/dept.txt' into table default.dept; hive (default)> load data local inpath '/opt/module/data/emp.txt' into table default.emp; 查询结果 hive (default)> select * from emp; hive (default)> select * from dept; 
  (5)查看表格式化数据
  hive (default)> desc formatted dept; Table Type: EXTERNAL_TABLE   
  注意:外部表删除后，hdfs 中的数据还在，但是 metadata 中表的元数据已被删除 
  

  3、管理表与外部表的互相转换

  （1）查询表的类型 hive (default)> desc formatted student2;

  （2）修改内部表 student2 为外部表 alter table student2 set tblproperties(‘EXTERNAL’=‘TRUE’);

  （3）查询表的类型 hive (default)> desc formatted student2; Table Type: EXTERNAL_TABLE

  （4）修改外部表 student2 为内部表 alter table student2 set tblproperties(‘EXTERNAL’=‘FALSE’);

  （5）查询表的类型 hive (default)> desc formatted student2;

  ​ 注意：(‘EXTERNAL’=‘TRUE’)和(‘EXTERNAL’=‘FALSE’)为固定写法，区分大小写！

  4、分区表

  分区表实际上就是对应一个 HDFS 文件系统上的独立的文件夹，该文件夹下是该分区所有的数据文件。Hive 中的分区就是分目录，把一个大的数据集根据业务需要分割成小的数据集。在查询时通过 WHERE 子句中的表达式选择查询所需要的指定的分区，这样的查询效率会提高很多。

  操作：

  1．引入分区表（需要根据日期对日志进行管理） 			/user/hive/warehouse/log_partition/20170702/20170702.log /user/hive/warehouse/log_partition/20170703/20170703.log /user/hive/warehouse/log_partition/20170704/20170704.log 
  2．创建分区表语法 
      hive (default)> create tabl