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: