Day06 Hive表的管理和SQL基础使用

最新推荐文章于 2024-10-26 21:27:13 发布
最新推荐文章于 2024-10-26 21:27:13 发布
阅读量435 收藏 4
点赞数
文章标签： hive sql hadoop
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tgmmmmmmmm/article/details/123440694
版权

Day06 Hive表的管理和SQL基础使用

一、管理表（内部表）

1. 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。

2. 案例实操

  1. 原始数据

    1001	ss1
1002	ss2
1003	ss3
1004	ss4
1005	ss5
1006	ss6
1007	ss7
1008	ss8
1009	ss9
1010	ss10
1011	ss11
1012	ss12
1013	ss13
1014	ss14
1015	ss15
1016	ss16

  2. 普通创建表

    create table if not exists student(
id int, name string
)
row format delimited fields terminated by '\t'
stored as textfile
location '/user/hive/warehouse/student';

  3. 根据查询结果建表（查询的结果会添加到新创建的表中）

    create table if not exists student2 as select id, name from student;

  4. 查询表的类型

    desc formatted student;

二、外部表

1. 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。

2. 内部表和外部表的使用场景

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。

3. 案例实操

分别创建部门和员工外部表，并向表中导入数据。

  1. 原始数据

    dept：

    10	ACCOUNTING	1700
20	RESEARCH	1800
30	SALES	1900
40	OPERATIONS	1700

    emp:

    7369	SMITH	CLERK	7902	1980-12-17	800.00		20
7499	ALLEN	SALESMAN	7698	1981-2-20	1600.00	300.00	30
7521	WARD	SALESMAN	7698	1981-2-22	1250.00	500.00	30
7566	JONES	MANAGER	7839	1981-4-2	2975.00		20
7654	MARTIN	SALESMAN	7698	1981-9-28	1250.00	1400.00	30
7698	BLAKE	MANAGER	7839	1981-5-1	2850.00		30
7782	CLARK	MANAGER	7839	1981-6-9	2450.00		10
7788	SCOTT	ANALYST	7566	1987-4-19	3000.00		20
7839	KING	PRESIDENT		1981-11-17	5000.00		10
7844	TURNER	SALESMAN	7698	1981-9-8	1500.00	0.00	30
7876	ADAMS	CLERK	7788	1987-5-23	1100.00		20
7900	JAMES	CLERK	7698	1981-12-3	950.00		30
7902	FORD	ANALYST	7566	1981-12-3	3000.00		20
7934	MILLER	CLERK	7782	1982-1-23	1300.00		10

  2. 上传数据（可以在hive中用dfs，也可以在外用hadoop fs）

    hive (default)> dfs -mkdir /student;
hive (default)> dfs -put /opt/module/datas/student.txt /student;

  3. 创建外部表

    部门表

    create external table if not exists dept(
deptno int,
dname string,
loc int
)
row format delimited fields terminated by '\t';

    员工表

    create external table if not exists emp(
empno int,
ename string,
job string,
mgr int,
hiredate string, 
sal double, 
comm double,
deptno int)
row format delimited fields terminated by '\t';

  4. 查看创建的表

    show tables;

  5. 查看表格式化数据

    desc formatted dept;

  6. 删除外部表

    drop table detp;

    外部表删除后，hdfs中的数据还在，但是metadata中dept的元数据已被删除。

三、内部表与外部表的互相转换

1. 查询表的类型

hive (default)> desc formatted student2;

Table Type: MANAGED_TABLE

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;

Table Type: MANAGED_TABLE

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

四、数据导入

1. 向表中装载数据（Load）

  1. 语法

load data [local] inpath ‘数据的path’ [overwrite] into table student [partition (partcol1=val1,…)];

（1）load data:表示加载数据

（2）local:表示从本地加载数据到hive表；否则从HDFS加载数据到hive表

（3）inpath:表示加载数据的路径

（4）overwrite:表示覆盖表中已有数据，否则表示追加

（5）into table:表示加载到哪张表

（6）student:表示具体的表

（7）partition:表示上传到指定分区

  1. 实操案例

（0）创建一张表

hive (default)> create table student(id string, name string) row format delimited fields terminated by ‘\t’;

（1）加载本地文件到hive

hive (default)> load data local inpath ‘/opt/module/hive/datas/student.txt’ into table default.student;

（2）加载HDFS文件到hive中

上传文件到HDFS

hive (default)> dfs -put /opt/module/hive/datas/student.txt /user/tgm/hive;

加载HDFS上数据

(default)> load data inpath ‘/user/tgm/hive/student.txt’ into table default.student;

（3）加载数据覆盖表中已有的数据

上传文件到HDFS

hive (default)> dfs -put /opt/module/datas/student.txt /user/tgm/hive;

加载数据覆盖表中已有的数据

hive (default)> load data inpath ‘/user/tgm/hive/student.txt’ overwrite into table default.student;

2. 通过查询语句向表中插入数据（Insert）

  1. 创建一张表

hive (default)> create table student_par(id int, name string) row format delimited fields terminated by ‘\t’;

  1. 基本插入数据

hive (default)> insert into table student_par values(1,‘wangwu’),(2,‘zhaoliu’);

  1. 基本模式插入（根据单张表查询结果

hive (default)> insert overwrite table student_par select id, name from student ;

insert into：以追加数据的方式插入到表或分区，原有数据不会删除

insert overwrite：会覆盖表中已存在的数据

注意：insert不支持插入部分字段

  1. 多表（多分区）插入模式（根据多张表查询结果)
hive (default)> from student
              insert overwrite table student partition(month='201707')
              select id, name where month='201709'
              insert overwrite table student partition(month='201706')
              select id, name where month='201709';
  1. 查询语句中创建表并加载数据As Select

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;

  1. 创建表时通过Location指定加载数据路径

    (1)上传数据到hdfs上

    hive (default)> dfs -mkdir /student;

    hive (default)> dfs -put /opt/module/datas/student.txt /student;

​ (2)创建表，并指定在hdfs上的位置

hive (default)> create external table if not exists student5(
              id int, name string
              )
              row format delimited fields terminated by '\t'
              location '/student;

​ (3)查询数据

hive (default)> select * from student5;

3. Import数据到指定Hive表中

注意：先用export导出后，再将数据导入。

hive (default)> import table student2 from ‘/user/hive/warehouse/export/student’;

五、数据导出

1. Insert导出

  1. 将查询的结果导出到本地
hive (default)> insert overwrite local directory '/opt/module/hive/datas/export/student' select * from student;
  1. 将查询的结果格式化导出到本地
hive(default)>insert overwrite local directory '/opt/module/hive/datas/export/student1' ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' select * from student;
  1. 将查询的结果导出到HDFS上(没有local)
hive (default)> insert overwrite directory '/user/tgm/student2' ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' select * from student;

2. Hadoop命令导出到本地

hive (default)> dfs -get /user/hive/warehouse/student/student.txt
/opt/module/datas/export/student3.txt;

3. Hive Shell命令导出

基本语法：（hive -f/-e 执行语句或者脚本 > file）

[tgm@hadoop101 hive]$ bin/hive -e 'select * from default.student;' >
 /opt/module/hive/datas/export/student4.txt;

4. Export导出到HDFS上

(defahiveult)> export table default.student to
 '/user/hive/warehouse/export/student';

export和import主要用于两个Hadoop平台集群之间Hive表迁移。

Sqoop导出

后续课程专门讲。

六、清除表中数据（Truncate）

注意：Truncate只能删除管理表，不能删除外部表中数据

hive (default)> truncate table student;

七、查询

查询语句语法：

SELECT [ALL | DISTINCT] select_expr, select_expr, ...
  FROM table_reference
  [WHERE where_condition]
  [GROUP BY col_list]
  [ORDER BY col_list]
  [CLUSTER BY col_list
    | [DISTRIBUTE BY col_list] [SORT BY col_list]
  ]
 [LIMIT number]

八、常用函数

  1. 求总行数（count）

hive (default)> select count(*) cnt from emp;

  1. 求工资的最大值（max）

hive (default)> select max(sal) max_sal from emp;

  1. 求工资的最小值（min）

hive (default)> select min(sal) min_sal from emp;

  1. 求工资的总和（sum）

hive (default)> select sum(sal) sum_sal from emp;

  1. 求工资的平均值（avg）

hive (default)> select avg(sal) avg_sal from emp;

九、Limit语句

典型的查询会返回多行数据。LIMIT子句用于限制返回的行数。

hive (default)> select * from emp limit 5;

hive (default)> select * from emp limit 2,3;

十、Where语句

  1. 使用WHERE子句，将不满足条件的行过滤掉

  2. WHERE子句紧随FROM子句

  3. 案例实操**

    查询出薪水大于1000的所有员工

​ hive (default)> select * from emp where sal >1000;

注意：where子句中不能使用字段别名。

十一、比价运算符

下面表中描述了谓词操作符，这些操作符同样可以用于JOIN…ON和HAVING语句中。

操作符支持的数据类型描述
A=B基本数据类型如果A等于B则返回TRUE，反之返回FALSE
A<=>B基本数据类型如果A和B都为NULL，则返回TRUE，如果一边为NULL，返回False
A<>B, A!=B基本数据类型A或者B为NULL则返回NULL；如果A不等于B，则返回TRUE，反之返回FALSE
A<B基本数据类型A或者B为NULL，则返回NULL；如果A小于B，则返回TRUE，反之返回FALSE
A<=B基本数据类型A或者B为NULL，则返回NULL；如果A小于等于B，则返回TRUE，反之返回FALSE
A>B基本数据类型A或者B为NULL，则返回NULL；如果A大于B，则返回TRUE，反之返回FALSE
A>=B基本数据类型A或者B为NULL，则返回NULL；如果A大于等于B，则返回TRUE，反之返回FALSE
A [NOT] BETWEEN B AND C基本数据类型如果A，B或者C任一为NULL，则结果为NULL。如果A的值大于等于B而且小于或等于C，则结果为TRUE，反之为FALSE。如果使用NOT关键字则可达到相反的效果。
A IS NULL所有数据类型如果A等于NULL，则返回TRUE，反之返回FALSE
A IS NOT NULL所有数据类型如果A不等于NULL，则返回TRUE，反之返回FALSE
IN(数值1, 数值2)所有数据类型使用 IN运算显示列表中的值
A [NOT] LIKE BSTRING 类型B是一个SQL下的简单正则表达式，也叫通配符模式，如果A与其匹配的话，则返回TRUE；反之返回FALSE。B的表达式说明如下：‘x%’表示A必须以字母‘x’开头，‘%x’表示A必须以字母’x’结尾，而‘%x%’表示A包含有字母’x’,可以位于开头，结尾或者字符串中间。如果使用NOT关键字则可达到相反的效果。
A RLIKE B, A REGEXP BSTRING 类型B是基于java的正则表达式，如果A与其匹配，则返回TRUE；反之返回FALSE。匹配使用的是JDK中的正则表达式接口实现的，因为正则也依据其中的规则。例如，正则表达式必须和整个字符串A相匹配，而不是只需与其字符串匹配。

练习：

（1）查询出薪水等于5000的所有员工

（2）查询工资在500到1000的员工信息

（3）查询comm为空的所有员工信息

（4）查询工资是1500或5000的员工信息

使用LIKE运算选择类似的值

选择条件可以包含字符或数字:

% 代表零个或多个字符(任意个字符)。

_代表一个字符。

练习继续：

（5）查找名字以A开头的员工信息

（6）查找名字中第二个字母为A的员工信息

（7）查找名字中带有A的员工信息

十二、逻辑运算符（And/Or/Not）

操作符含义
AND逻辑并
OR逻辑或
NOT逻辑否

练习再继续：

（5）查询薪水大于1000，部门是30

（6）查询薪水大于1000，或者部门是30

（7）查询除了20部门和30部门以外的员工信息

十三、Group by 语句

GROUP BY语句通常会和聚合函数一起使用，按照一个或者多个列队结果进行分组，然后对每个组执行聚合操作。

练习再再继续：

（5）计算emp表每个部门的平均工资

（6）计算emp每个部门中每个岗位的最高薪水

十四、Having语句

having与where不同点

（1）where后面不能写分组函数，而having后面可以使用分组函数。

（2）having只用于group by分组统计语句。

练习再再再继续：

（5）求每个部门的平均薪水大于2000的部门

十五、等值Join

Hive支持通常的SQL JOIN语句。

案例实操

（1）根据员工表和部门表中的部门编号相等，查询员工编号、员工名称和部门名称；

hive (default)> select e.empno, e.ename, d.deptno, d.dname from emp e join dept d on e.deptno = d.deptno;

十六、表的别名

  1. 好处

（1）使用别名可以简化查询。

（2）使用表名前缀可以提高执行效率。

  1. 案例实操

合并员工表和部门表

hive (default)> select e.empno, e.ename, d.deptno from emp e join dept d on e.deptno = d.deptno;

十七、内连接

内连接：只有进行连接的两个表中都存在与连接条件相匹配的数据才会被保留下来。

hive (default)> select e.empno, e.ename, d.deptno from emp e join dept d on e.deptno = d.deptno;

十八、左外连接

左外连接：JOIN操作符左边表中符合WHERE子句的所有记录将会被返回。

hive (default)> select e.empno, e.ename, d.deptno from emp e left join dept d on e.deptno = d.deptno;

十九、右外连接

右外连接：JOIN操作符右边表中符合WHERE子句的所有记录将会被返回。

hive (default)> select e.empno, e.ename, d.deptno from emp e right join dept d on e.deptno = d.deptno;

多表连接

注意：连接 n个表，至少需要n-1个连接条件。例如：连接三个表，至少需要两个连接条件。

  1. 数据准备

    1700  Beijing
1800  London
1900  Tokyo

  2. 创建位置表

    create table if not exists location(
loc int,
loc_name string
)
row format delimited fields terminated by '\t';

  3. 导入数据

二十、笛卡尔积

  1. 笛卡尔积会在下面条件下产生

（1）省略连接条件

（2）连接条件无效

（3）所有表中的所有行互相连接

  1. 案例实操

hive (default)> select empno, dname from emp, dept;

Tgmmmmmmmm
关注
Hive查询系列之初相识
weixin_49063354的博客
08-20 1048
Hive查询系列之初相识 1 基本查询（select……from） 1.1 全表和特定列查询 0）数据准备 （0）原始数据 dept: 10 ACCOUNTING 1700 20 RESEARCH 1800 30 SALES 1900 40 OPERATIONS 1700 emp： 7369 SMITH CLERK 7902 1980-12-17 800.00 20 7499 ALLEN SALESMAN 7698 1981-2-20 1600.00 300.00 30 7521 WARD SALESM
SQL基础：HiveSql常用的时间维度计算方法（月初、月末、周几）及时间维度 表生成
热门推荐
石榴姐yyds
05-30 2万+
本文总结了关于Hive中时间函数的使用及时间维度表的生成方法，时间维度表及时间函数在数据开发中经常被用到，这块需要切实掌 目前格式支持：MM（月）YYYY（年）Hive3.0后支持Q表示季度 select trunc(current_date,'MM') --月初 select trunc(current_date,'YY') --年初 last_day() last_day(string date) — 返回该月最后一天的日期 select last_day(current_d.
HIve中的查询语句
W_chuanqi的博客
07-04 3383
在Hive中，不能在 WHERE 子句中直接使用字段别名，这是因为 Hive 的语法顺序限制了 WHERE 子句的启动时间早于 SELECT 子句中列别名的解析时间，所以在 WHERE 子句中，列别名是未知的。union和union all都是上下拼接sql的结果，这点是和join有区别的，join是左右关联，union和union all是上下拼接。对于distribute by进行测试，一定要分配多reduce进行处理，否则无法看到distribute by的效果。
数仓中表生命周期管理
m0_46503302的博客
09-10 258
通过metastore，连接到hive的元数据，然后分库，循环表进行表分区判断，可以删除距今前一个月的分区。可以使用外部表进行管理，这样在删除表的时候只是删除了表的元数据，而真正的数据不会被删除。在建表时，可以直接通过"LIFECYCLE"关键字指定表生命周期，如下。
hive sql语句查询
11-25
数据库相关操作 Hive配置单元包含一个名为 default 默认的数据库. create database [if not exists] ；---创建数据库 show databases; --显示所有数据库 drop database if exists [restrict|cascade]; --删除数据库，默认情况下，hive不允许删除含有表的数据库，要先将数据库中的表清空才能drop，否则会报错 --加入cascade关键字，可以强制删除一个数据库,默认是restrict，表示有限制的 eg. hive> drop database if exists users cascade; use ; --切换数据库
Hive查询语句
zhongmingyu
04-10 995
反之返回false。B的表达式说明如下：‘x%’表示A必须以字母‘x’开头，‘%x’表示A必须以字母‘x’结尾，而‘%x%’表示A包含有字母‘x’,可以位于开头，结尾或者字符串中间。如果A的值大于等于B而且小于或等于C，则结果为true，反之为false。union和union all都是上下拼接sql的结果，这点是和join有区别的，join是左右关联，union和union all是上下拼接。如果A和B都为null或者都不为null，则返回true，如果只有一边为null，返回false。
Hive 表常用查询语句-总结
Growth Diary
03-21 8380
hive之前不常用，每次都是现用现查，现在总结记下笔记，边学边记>_<。 现在假设有数据库 db，数据表table1，table2， （1）查看表的创建信息： show create table db.table1; （2）查看表的分区信息： show partitions db.table1; （3）查看表的记录数： select count(*) from db.table1 ...
HiveSQL基础Day02
04-10
HiveSQL基础Day02
hive 和 presto sql的对比
04-21
Hive和Presto SQL是两种广泛用于大数据处理的查询语言，它们在SQL语法和功能上有一定的相似性，但也存在明显的差异。以下是对这两者在常见函数使用、陷阱和特定功能上的对比： 1. **NOT IN**： Hive允许在`NOT IN`...
【Python大数据笔记_day05_Hive基础操作】
LKL的博客
11-09 1886
Hive基础操作
Hive SQL基础及优化
qq_43720646的博客
06-10 1264
SQL第一节基础概念（与excel对应）基本含义数据来源Hive SQL查询语法语法和使用1,select2，group by*3.聚合函数4.行转列 第一节 基础概念（与excel对应） 基本含义 库（文件夹） 表（Excel名称） 字段（Excel第一行，包含字段名，字段数据类型、注释） 分区字段（sheet表，一般是日期，相当于在查询的时候提升速度）(必须限制分区，否则hive会报错) 数据来源 数据地图（查寻需要的表） KwaiBI(查询平台) Hive SQL查询语法 select[all | d
hive查询语法
abandon_li的博客
08-24 2785
Hive中的查询语句 https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Select [WITH CommonTableExpression (, CommonTableExpression)*] (Note: Only available starting with Hive 0.13.0) SELE...
hive查询语句
最新发布
m0_72898512的博客
10-26 767
方式1:select * from w_1026.orders where (SELECT max(totalmoney) FROM w_1026.orders where useraddress like '%广东省%');orderStatus tinyint COMMENT ' 订单状态 -3: 用户拒收 -2: 未付款的订单 -1 ：用户取消 0: 待发货 1: 配送中 2: 用户确认收货 ',isPay tinyint COMMENT ' 是否支付 0: 未支付 1: 已支付 ',
JavaScript基础知识
weixin_44197665的博客
11-11 346
JavaScript基础JavaScript基础什么是JavaScriptJavaScript能用来干什么？JavaScript的引入方式JavaScript的基本语法1. 变量2. 数据类型3. String对象4. 数组5. 运算符6. 逻辑控制语句①if条件语句②switch多分支语句③for、while循环语句7. 注释8. 输入输出输出输入9. 语法约定 JavaScript基础 什么是JavaScript 虽然名字带个“Java”，但是它和Java是完全不同的语言，它是是一种解释性脚本语言（代码
Hive查询语法
dsdyy的博客
07-07 1148
一、SELECT语句 1、语句结构 基本语法: SELECT [ALL | DISTINCT]select_expr, select_expr, ... FROM table_reference [WHERE where_condition] [GROUP BY col_list] [HAVING where_condition] [ORDER BY col_list] [CLUSTER BY col_list | [DISTRIBUTE BY col_list] [SOR...
Hive-查询
liu_1221的博客
09-26 1111
目录 基本查询（Select…From） 全表和特定列查询 列别名 算术运算符 常用函数 Limit语句 Where语句 比较运算符（Between/In/ Is Null） Like和RLike 逻辑运算符（And/Or/Not） 分组 Group By语句 Having语句 Join语句 等值Join 表的别名 内连接 左外连接 右外连接 满外连接 ...
ORACLE SQL优化大全
weixin_45993202的博客
11-03 259
ORACLE数据库的PL/SQL语句执行的优化器，有基于代价的优化器（CBO）和基于规则的优化器（RBO）。 RBO的优化方式，依赖于一套严格的语法规则，只要按照规则写出的语句，不管数据表和索引的内容是否发生变化，不会影响PL/SQL语句的"执行计划"。 CBO自ORACLE7版被引入，ORACLE自7版以来采用的许多新技术都是只基于CBO的，如星型连接排列查询，哈希连接查询，...
6.hive查询语法
weixin_46556352的博客
05-05 296
6.hive查询语法
Hive开发规范与SQL编写指南
"Hive开发规范涉及SQL编写和日志处理，包括数据开发规范、Hive数据目录结构、字段分隔符、空值处理以及分区表的创建方式等关键点。" 在Hive开发中，遵循一定的规范至关重要，因为它有助于保持数据的整洁、一致性，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值