Part4--Hive数据表

1.创建表

1.1 SQL模板

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]

1.2 参数解释

（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）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

（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。

（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）LIKE 允许用户复制现有的表结构，但是不复制数据。

2.内部表(管理表)

​ 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。

2.1 直接创建表

create table if not exists student2(
id int, name string 
)
row format delimited fields terminated by '\t' 
stored as textfile 
location '/user/hive/warehouse/test.db/student2';

2.2 根据查询结果创建表

create table if not exists tmp1 as select id,area from seeds_dataset ;

2.3 拷贝表结构创建表

CREATE table if not exists tmp2 like seeds_dataset ;

2.4 查询表的类型

​ --Table Type:MANAGED_TABLE为内部表

describe formatted seeds_dataset ;
desc formatted seeds_dataset ;

3.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。管理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。

3.1 external修饰创建外部表

​ 指定行分隔符为“，”

use hive_test_one ;
CREATE external TABLE if not exists audi (
  `model` String,
  `year` int ,
  `price` int,
  `transmission` String ,
  `mileage` int ,
  `fuelType` String,
  `tax` int ,
  `mpg` double ,
  `engineSize` double 
) 
row format delimited fields terminated by ",";

3.2 详细查看表的描述

​ Table Type:EXTERNAL_TABLE 外部表

--详细查看表描述
--Table Type:EXTERNAL_TABLE 外部表     
describe formatted audi ;

3.3 上传数据到centos

(base) [root@192 data]# pwd
/root/data
(base) [root@192 data]# find *audi*csv
audi_202204220558.csv

3.4 导入本地数据到hive

hive> load data local inpath "/root/data/audi_202204220558.csv" into table audi ;
Loading data to table hive_test_one.audi
OK

​ 查询时发现并没有跳过表头信息

​ 我们可以重新建表，也可以直接更改数据，但是hive不支持delete where的方式，使用如下实现

INSERT overwrite table audi select * from hive_test_one.audi WHERE `model` !=  '"model"';
select * from audi limit 10;

​ 输出结果：

4.分区表

4.1 静态分区

4.1.1 创建外部静态分区表

CREATE external TABLE if not exists audi_partition_one (
  `model` String,
  `year` int ,
  `price` int,
  `transmission` String ,
  `mileage` int ,
  `fuelType` String,
  `tax` int ,
  `mpg` double ,
  `engineSize` double 
) 
PARTITIONED by (`century` String) 
row format delimited fields terminated by "," ;

4.1.2 查询分区表

​ 分区的字段也会是表的一个字段

​ 事实上，除非需要优化查询性能，否则实现表的用户不需要关系"字段是否是分区字段"

SELECT * from audi_partition_one ;

​ 输出结果：

4.1.3 添加分区

​ 如下添加20世纪的分区

alter table audi_partition_one add  partition (century="20");

4.1.4 查看分区信息有哪些

show partitions audi_partition_one ;

​ 输出结果：

4.1.5 查看分区表结构

describe  formatted audi_partition_one ;

​ 部分输出结果：

4.1.6 数据插入到指定分区

​ 如将20开头的年份的的数据写入21世纪这个分区

INSERT into table audi_partition_one partition(`century` = "21") select * FROM audi WHERE `year` LIKE "20%";

​ 将19开头的年份的数据写入20世纪分区

INSERT into table audi_partition_one partition(`century` = "20") select * FROM audi WHERE `year` LIKE "19%";

​ 也可以从外部数据直接导入到指定分区

load data local inpath '/path' into table table_name partition (filed =value);

4.1.7 HDFS上分区与否比较

​ 分区表下，每个分区都对应一个文件夹

4.1.8 删除分区

ALTER table audi_partition_one drop partition (`century` = "20");
show partitions audi_partition_one ;

​ 输出结果：

4.1.9 新增分区

ALTER table audi_partition_one drop partition (`century` = "19");
show partitions audi_partition_one ;

​ 输出结果：

4.2 动态分区

​ 动态分区：解决多级分区带来的分区数过多的问题，靠我们查询到数据来分区

​ 关闭严格分区模式
​ 动态分区模式时是严格模式，也就是至少有一个静态分区。
​ set hive.exec.dynamic.partition.mode=nonstrict //默认nostrict
​ set hive.exec.dynamic.partition=true //开启动态分区,默认true
​ set hive.exec.max.dynamic.partitions=1000 //最大动态分区数,默认1000

insert overwrite table  audi_partition_one  partition (`MODEL`) select `model`as `MODEL` ,`year` from audi_partition_one ;

4.3 分区其它内容

​ 4.3.1 partition()中传递多个参数，对应的ADD，drop类似

​ 4.3.2 可以先将数据上传到HDFS中再创建分区，或者将分区先创建之后再load数据到指定分区

5.修改表

5.1 重命名

ALTER table audi rename to AUDIDATA;
show tables ;

​ 输出：

5.2 增删改分区

​ 见4.1.3；4.1.8；4.1.9

5.3 增删改列信息

​ 先看下表的简单描述

describe audi ;

​ 输出结果:

​ 看下表的数据

select * from audi ;

​ 输出结果：

5.3.1 更新列

ALTER table audi change engineSize engine String comment "engineSize";
describe audi ;

​ 输出结果：

5.3.2 增加一列

ALTER table audi add columns(`no` String);
describe audi ;

​ 输出：

5.3.3 替换列

​ 先拷贝一个表出来

CREATE table if not exists audibck as select * from audi ;
SELECT * FROM audibck ;

​ 输出：

我们替换表中的列

ALTER table audibck replace columns (model String ,`year` int ,price int);
SELECT * FROM audibck ;

​ 输出结果：

6.删除表

DROP table audibck ;
show tables ;

​ 输出结果：