【Hive_01】hive关于数据库和表的语法

已于 2023-12-27 11:36:28 修改
阅读量1.2k 收藏 15
点赞数 15
分类专栏： 【大数据】 # 【Hive】 文章标签： hive 数据库 hadoop
于 2023-12-12 17:11:23 首次发布
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/wxfighting/article/details/134904962
版权

1、Hive常见使用技巧

1.1 交互式与非交互式

hive分为交互式以及非交互式。交互式就是有来有回的，这种对于探索性来说是很便捷的。
在这里插入图片描述
如果是每天执行定时任务，则使用非交互式模式的hive会更合适。
在这里插入图片描述
在这里插入图片描述
但是写这样的语句比较麻烦，考虑放到一个文件当中：

在这里插入图片描述
在这里插入图片描述

1.2 hive参数配置方式

1）查看当前所有的配置信息

hive>set;

2）参数的配置三种方式

  • 配置文件方式
    – 默认配置文件: hive-default.xml
    – 用户自定义配置文件: hive-site.xml
    – 注意：用户自定义配置会覆盖默认配置。另外，Hive也会读入Hadoop的配置，因为Hive是作为Hadoop的客户端启动的，Hive 的配置会覆盖Hadoop 的配置。配置文件的设定对本机启动的所有Hive进程都有效。

查看hive默认日志路径：
在这里插入图片描述
接下来查看日志文件

 tail -500 /tmp/root/hive.log

  • 命令行参数方式
    ①启动Hive时，可以在命令行添加-hiveconf param=value来设定参数。但是这种设置方法只对本次启动的进程有效。

  • 参数声明方式
    可以在HQL中使用SET关键字设定参数。但仅对本次Hive启动有效。

上述三种设定方式的优先级依次递增。即配置文件<命令行参数<参数声明。注意某些系统级的参数，例如 log4j相关的设定，必须用前两种方式设定，因为那些参数的读取在会话建立以前已经完成了。

2、DDL数据定义

2.1 创建数据库

（1）创建数据库

CREATE DATABASE [IF NOT EXISTS] database_name
[COMMENT database_comment]
[LOCATION hdfs_path]
[WITH DBPROPERTIES  (property_name=property_value, ...)];
  • CREATE DATABASE：表示创建一个数据库的操作。
  • [IF NOT EXISTS]：表示如果数据库不存在则创建，如果数据库已经存在则忽略。
  • database_name：表示要创建的数据库的名称。
  • [COMMENT database_comment]：可选项，表示对数据库的注释或描述。
  • [LOCATION hdfs_path]：可选项，表示数据库在HDFS上的存储路径。
  • [WITH DBPROPERTIES (property_name=property_value, …)]：可选项，表示数据库的属性，可以设置多个属性，以逗号分隔。

注：方括号里面的内容都是可选操作

（1）创建一个数据库，不指定路径

hive (default)> create database db_hive1;

注：若不指定路径，其默认路径为${hive.metastore.warehouse.dir}/database_name.db

（2）创建一个数据库，指定路径

hive (default)> create database db_hive2 location '/db_hive2';

（2）创建一个数据库，带有dbproperties

hive (default)> create database db_hive3 with dbproperties('create_date'='2022-11-18');

with dbproperties('create_date'='2023-12-18'): 这部分是为创建的数据库指定属性。在这里，通过 dbproperties 关键字，为数据库设置了一个属性，属性名为 create_date，属性值为 2023-12-18。这样的属性可以用来存储关于数据库的元信息或其他自定义信息。在这个例子中，create_date 属性表示数据库创建的日期。

在这里插入图片描述
在这里插入图片描述

（2）查询数据库

1）展示所有数据库

（1）语法

SHOW DATABASES [LIKE 'identifier_with_wildcards'];

注：like通配表达式说明：*表示任意个任意字符，|表示或的关系。【起到模糊匹配的作用】

在这里插入图片描述

2）查看数据库信息

（1）语法

DESCRIBE DATABASE [EXTENDED] db_name;

（2）案例

  • 查看基本信息
hive> desc database db_hive3;

在这里插入图片描述

  • 查看更多信息
hive> desc database extended db_hive3;

在这里插入图片描述

（3）修改数据库

用户可以使用alter database命令修改数据库某些信息，其中能够修改的信息包括dbproperties、location、owner user。需要注意的是：修改数据库location，不会改变当前已有表的路径信息，而只是改变后续创建的新表的默认的父目录。

1）语法

--修改dbproperties
ALTER DATABASE database_name SET DBPROPERTIES (property_name=property_value, ...);

--修改location
ALTER DATABASE database_name SET LOCATION hdfs_path;

--修改owner user
ALTER DATABASE database_name SET OWNER USER user_name;

在这里插入图片描述

（4）删除数据库

1）语法

DROP DATABASE [IF EXISTS] database_name [RESTRICT|CASCADE];

注：

  • RESTRICT：严格模式，若数据库不为空，则会删除失败，默认为该模式。
  • CASCADE：级联模式，若数据库不为空，则会将库中的表一并删除。

（1）删除空数据库

hive> drop database db_hive2;

（2）删除非空数据库

hive> drop database db_hive3 cascade;

（5）切换当前数据库

1）语法

USE database_name;

2.2 表

（1）创建表

1）普通建表

（1）完整语法

CREATE [TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS] [db_name.]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, ...)]

在这里插入图片描述

（2）关键字说明：

  • TEMPORARY
    临时表，该表只在当前会话可见，会话结束，表会被删除。【做某些临时测试的时候用到】

  • EXTERNAL（重点）
    外部表，与之相对应的是内部表（管理表）。管理表意味着Hive会完全接管该表，包括元数据和HDFS中的数据。而外部表则意味着Hive只接管元数据，而不完全接管HDFS中的数据。
    如果是内部表的话，当用户删除数据的时候，会将元数据和HDFS的数据都删除；而如果是外部表的话，只会删除元数据。

  • data_type（重点）
    Hive中的字段类型可分为基本数据类型和复杂数据类型。【具体看第四小节的数据类型及其转换】

  • PARTITIONED BY（重点）
    创建分区表，一般分区是按照日期来进行分区的。

  • CLUSTERED BY … SORTED BY…INTO … BUCKETS（重点）
    创建分桶表，分桶表会将Hive当中一张表的数据，存储在多个文件上面。 CLUSTERED BY 后面跟的是一个或者多个字段。而一个BUCKETS代表的就是一个文件；SORTED BY是会在每一个分桶里面去做相应的排序的。【类似于哈希分区的操作】

无论是分区表还是分桶表，本质都是为了优化，去加快查询的速度的。

  • ROW FORMAT（重点）
    指定SERDE，SERDE是Serializer and Deserializer的简写即序列化和反序列化器。Hive使用SERDE序列化和反序列化每行数据。详情可参考 Hive-Serde。

ROW FORMAT语法一：DELIMITED关键字表示对文件中的每个字段按照特定分割符进行分割，其会使用默认的SERDE对每行数据进行序列化和反序列化。

ROW FORAMT DELIMITED 
[FIELDS TERMINATED BY char] 
[COLLECTION ITEMS TERMINATED BY char] 
[MAP KEYS TERMINATED BY char] 
[LINES TERMINATED BY char] 
[NULL DEFINED AS char]

注：

fields terminated by ：列分隔符
collection items terminated by ： map、struct和array中每个元素之间的分隔符即集合类型的分隔符，map指的是键值对之间的分隔符，struct指的是结构体当中的字段之间的分隔符，array指的是数组里面每一个元素的分隔符。
map keys terminated by ：map中的key与value的分隔符
lines terminated by ：行分隔符

ROW FORMAT语法二：SERDE关键字可用于指定其他内置的SERDE或者用户自定义的SERDE。例如JSON SERDE，可用于处理JSON字符串。

ROW FORMAT SERDE serde_name [WITH SERDEPROPERTIES 
(property_name=property_value,property_name=property_value, ...)]

  • STORED AS（重点）
    指定文件格式，常用的文件格式有，textfile（默认值），sequence file，orc file、parquet file等等。指的是表对应的HDFS上面的文件的格式。

  • LOCATION
    指定表所对应的HDFS路径，若不指定路径，其默认值为
    ${hive.metastore.warehouse.dir}/db_name.db/table_name

  • TBLPROPERTIES
    用于配置表的一些KV键值对参数

2）Create Table As Select（CTAS）建表

该语法允许用户利用select查询语句返回的结果，直接建表，表的结构和查询语句的结构保持一致，且保证包含select查询语句放回的内容。

CREATE [TEMPORARY] TABLE [IF NOT EXISTS] table_name 
[COMMENT table_comment] 
[ROW FORMAT row_format] 
[STORED AS file_format] 
[LOCATION hdfs_path]
[TBLPROPERTIES (property_name=property_value, ...)]
[AS select_statement]

通过这种方式创建的表只能是内部表，不能是外部表。

3）Create Table Like语法

该语法允许用户复刻一张已经存在的表结构，与上述的CTAS语法不同，该语法创建出来的表中不包含数据。

CREATE [TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS] [db_name.]table_name
[LIKE exist_table_name]
[ROW FORMAT row_format] 
[STORED AS file_format] 
[LOCATION hdfs_path]
[TBLPROPERTIES (property_name=property_value, ...)]
4）数据类型及转换

基本数据类型如下：

Hive说明定义
tinyint1byte有符号整数
smallint2byte有符号整数
int4byte有符号整数
bigint8byte有符号整数
boolean布尔类型，true或者false
float单精度浮点数
double双精度浮点数
decimal十进制精准数字类型decimal(16,2) 表示小数+整数最多16位
varchar字符序列，需指定最大长度，最大长度的范围是[1,65535]varchar(32)
string字符串，无需指定最大长度
timestamp时间类型
binary二进制数据

decimal(16,2) ：参数1–表示小数与整数之和最多16位 ；参数2–声明小数部分有2位。

复杂数据类型如下：

类型说明定义取值
array数组是一组相同类型的值的集合arrayarr[0]
mapmap是一组相同类型的键-值对集合map<string, int>map[‘key’]
struct结构体由多个属性组成，每个属性都有自己的属性名和数据类型struct<id:int, name:string>struct.id
  • 注：类型转换
    Hive的基本数据类型可以做类型转换，转换的方式包括隐式转换以及显示转换。

在这里插入图片描述

方式一：隐式转换

具体规则如下：

1、任何整数类型都可以隐式地转换为一个范围更广的类型，如tinyint可以转换成int，int可以转换成bigint。
2、所有整数类型、float和string类型都可以隐式地转换成double。
3、tinyint、smallint、int都可以转换为float。
4、boolean类型不可以转换为任何其它的类型。

详细内容查询：转换规则表

在这里插入图片描述
在这里插入图片描述
有点点类似于最小公倍数的概念。
在这里插入图片描述
方式二：显示转换

可以借助cast函数完成显示的类型转换

cast(expr as <type>)

在这里插入图片描述

例如：将string类型的数据转换为int类型的数据

在这里插入图片描述
在这里插入图片描述

5）Hive上一张表的读写流程

  • 读数据流程：HDFS files --> InputFileFormat --> <key, value> --> Deserializer --> Row object
    1、Hive的表会对应HDFS上的一条路径，数据都存在路径的文件当中，
    2、Hive使用inputFileFormat去读取相应的文件，而使用inputFileFormat读出来的文件一般是键值对<key，value>的形式。如果是文本文件的话，key对应的是行号，value对应的是一行的数据。
    3、之后Hive需要通过Deserializer反序列化器将value值封装成Row object。Row object相当于java对象，之后再进一步对Row object进行计算。

  • 写数据流程：Row object --> Serializer --> <key, value> --> OutputFileFormat --> HDFS files
    1、一行数据Row object 先经过序列化Serializer的操作，之后拿到一个 <key, value> 键值对。
    2、之后通过OutputFileFormat 将数据写回到HDFS files上。

因此对于Hive上的任意一张表，都需要指定序列化、反序列化以及InputFileFormat和OutputFileFormat。

如果没有写的话，Hive使用的是默认值：接下来查看一下

--这个命令可以去查看完整的建表语句
show create table stu;

在这里插入图片描述

6）建表案例

（1）内部表

Hive中默认创建的表都是的内部表，有时也被称为管理表。对于内部表，Hive会完全管理表的元数据和数据文件。

创建内部表如下：

--建表案例一
create table if not exists student(
    id int comment 'id',
    name string
)
row format delimited fields terminated by '\t'
location '/user/hive/warehouse/student';

接下来创建一个datas文件夹，之后创建一个student.txt文件。

vim /home/wenxin/module/datas/student.txt

1001	student1
1002	student2
1003	student3
1004	student4
1005	student5
1006	student6
1007	student7
1008	student8
1009	student9
1010	student10
1011	student11
1012	student12
1013	student13
1014	student14
1015	student15
1016	student16

上传文件到Hive表指定的路径：

[root@hadoop102 datas]# hadoop fs -put student.txt /user/hive/warehouse/student

删除表，观察数据HDFS中的数据文件是否还在：

hive (default)> drop table student;

在这里插入图片描述

  • 对于内部表，Hive会接管表的全部信息，包括元数据，HDFS的数据。

在这里插入图片描述
此时如果删除该表的话，会将HDFS上的文件也删除。

（2）外部表

外部表通常可用于处理其他工具上传的数据文件，对于外部表，Hive只负责管理元数据，不负责管理HDFS中的数据文件。

创建外部表如下：

create external table if not exists student(
    id int, 
    name string
)
row format delimited fields terminated by '\t'
location '/user/hive/warehouse/student';
  • 和构建内部表的唯一区别就是external关键字。
  • 对于外部表，如果在hive上删除了该表，则hdfs上的数据不会删除。

上传文件到Hive表指定的路径

[root@hadoop102 datas]$ hadoop fs -put student.txt /user/hive/warehouse/student

删除表，观察数据HDFS中的数据文件是否还在

hive (default)> drop table student;

2）SERDE和复杂数据类型

本案例重点练习SERDE和复杂数据类型的使用。

若现有如下格式的JSON文件需要由Hive进行分析处理，请考虑如何设计表？
注：以下内容为格式化之后的结果，文件中每行数据为一个完整的JSON字符串。

{
    "name": "dasongsong",
    "friends": [
        "bingbing",
        "lili"
    ],
    "students": {
        "xiaohaihai": 18,
        "xiaoyangyang": 16
    },
    "address": {
        "street": "hui long guan",
        "city": "beijing",
        "postal_code": 10010
    }
}

思路：依照文件内容的结构去设计表结构。

  • 上面展示的数据就是一行完整的json字符串。

在这里插入图片描述

我们可以考虑使用专门负责JSON文件的JSON Serde，设计表字段时，表的字段与JSON字符串中的一级字段保持一致，对于具有嵌套结构的JSON字符串，考虑使用合适复杂数据类型保存其内容。最终设计出的表结构如下：

hive>
create table teacher
(
    name     string,
    friends  array<string>,
    students map<string,int>,
    address  struct<city:string,street:string,postal_code:int>
)
row format serde 'org.apache.hadoop.hive.serde2.JsonSerDe'
location '/user/hive/warehouse/teacher';

创建该表，并准备以下文件。注意，需要确保文件中每行数据都是一个完整的JSON字符串，JSON SERDE才能正确的处理。

vim /opt/module/datas/teacher.txt

在这里插入图片描述

上传文件到Hive表指定的路径：

[root@hadoop102 datas]$ hadoop fs -put teacher.txt /user/hive/warehouse/teacher

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
（1）create table as select

hive>
create table teacher1 as select * from teacher;

（2）create table like

hive>
create table teacher2 like teacher;

（2）查看表

1）展示所有表
（1）语法

SHOW TABLES [IN database_name] LIKE ['identifier_with_wildcards'];

注：like通配表达式说明：*表示任意个任意字符，|表示或的关系。
（2）案例：模糊匹配

--查看表并进行模糊匹配
show tables like 'stu*';
--查看db_hive数据库当中是否存在以stu开头的表
show tables in db_hive1 like 'stu*';

2）查看表信息

（1）语法

DESCRIBE [EXTENDED | FORMATTED] [db_name.]table_name

--查看表信息
describe teacher;
--查看表详细信息
describe extended teacher;
--对详细信息进行可视化的展示
describe formatted teacher;

注：

  • EXTENDED：展示详细信息
  • FORMATTED：对详细信息进行格式化的展示

1、查看基本信息

hive> desc stu;

在这里插入图片描述

2、查看更多信息

hive> desc formatted stu;

在这里插入图片描述

在这里插入图片描述

（3）修改表

（1）语法

ALTER TABLE table_name RENAME TO new_table_name

（2）案例

将表名从stu修改成stu1

hive (default)> alter table stu rename to stu1;

2）修改列信息

  • 下面修改的数据只能对原数据信息生效，表上已存在的HDFS数据文件不会被修改

（1）语法

  • 增加列
    该语句允许用户增加新的列，新增列的位置位于末尾。
ALTER TABLE table_name ADD COLUMNS (col_name data_type [COMMENT col_comment], ...)
  • 更新列
    该语句允许用户修改指定列的列名、数据类型、注释信息以及在表中的位置。
ALTER TABLE table_name CHANGE [COLUMN] col_old_name col_new_name column_type [COMMENT col_comment] [FIRST|AFTER column_name]
  • 替换列
    该语句允许用户用新的列集替换表中原有的全部列。
ALTER TABLE table_name REPLACE COLUMNS (col_name data_type [COMMENT col_comment], ...)

2）案例

（1）查询表结构

hive (default)> desc stu;

（2）添加列

hive (default)> alter table stu add columns(age int);

在这里插入图片描述
调整gender字段的类型和在表当中的顺序：

-- 先修改数据类型
alter table stu change column gender gender int;

-- 然后调整位置
alter table stu change column gender gender int after number;
  • 但是由于我没有修改gender的名字，因此写了两遍gender
    在这里插入图片描述
  • 只有兼容才能修改，并且兼容的规则和隐式转换是相一致的。

当然，可以自动设置成不会报错：

set hive.metastore.disallow.incompatible.col.type.changes=false;
  • 执行完上面这句话之后，再进行类型的改变就能成功了

在这里插入图片描述

（3）查询表结构

hive (default)> desc stu;

（4）更新列

hive (default)> alter table stu change column age ages double;

（6）替换列

hive (default)> alter table stu replace columns(id int, name string);

在这里插入图片描述

（4）删除表

1）语法

DROP TABLE [IF EXISTS] table_name;

2）案例

hive (default)> drop table stu;

（5）清空表

1）语法

TRUNCATE [TABLE] table_name

注意：truncate只能清空管理表，不能删除外部表中数据。只对内部表有效

2）案例

hive (default)> truncate table student;

3、DML数据操作

3.1 Load

Load语句可将文件导入到Hive表中。

1）语法

hive> LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] 
INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)];

关键字说明：
（1）local：表示从本地加载数据到Hive表；否则从HDFS加载数据到Hive表。【本地节点实际上是取决于客户端的，有命令行以及JDBC–hiveserver2两种】
（2）overwrite：表示覆盖表中已有数据，否则表示追加。
（3）partition：表示上传到指定分区，若目标是分区表，需指定分区。

（0）创建一张表

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

必须得保证表的结构和文件的结构是一致的。

在这里插入图片描述

（1）加载本地文件到hive

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

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 如果在into前面加上overwrite字段，则表示覆盖，只会有一份数据。
  • 如果把local去掉，就不是从本地导数据，而是从HDFS上导入。

（2）加载HDFS文件到hive中
①上传文件到HDFS

[root@hadoop102 ~]$ hadoop fs -put /home/wenxin/module/datas/student.txt /user/root

在这里插入图片描述

②加载HDFS上数据，导入完成后去HDFS上查看文件是否还存在【结果发现不存在了】

hive (default)> 
load data inpath '/user/atguigu/student.txt' 
into table student;

（3）加载数据覆盖表中已有的数据
①上传文件到HDFS

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

②加载数据覆盖表中已有的数据

hive (default)> 
load data inpath '/user/atguigu/student.txt' 
overwrite into table student;

3.2 Insert

（1）将查询结果插入表中

1）语法

INSERT (INTO | OVERWRITE) TABLE tablename 
[PARTITION (partcol1=val1, partcol2=val2 ...)] select_statement;

关键字说明：
（1）INTO：将结果追加到目标表
（2）OVERWRITE：用结果覆盖原有数据

2）案例

（1）新建一张表

hive (default)> 
create table student1(
    id int, 
    name string
) 
row format delimited fields terminated by '\t';

（2）根据查询结果插入数据

hive (default)> insert overwrite table student3 
select 
    id, 
    name 
from student;

（2）将给定Values插入表中

1）语法

INSERT (INTO | OVERWRITE) TABLE tablename 
[PARTITION (partcol1[=val1], partcol2[=val2] ...)] VALUES values_row [, values_row ...]
  • 注意：此处不能使用into，只能使用overwrite
    2）案例
hive (default)> insert into table  student1 values(1,'wangwu'),(2,'zhaoliu');

（3） 将查询结果写入目标路径

1）语法

INSERT OVERWRITE [LOCAL] DIRECTORY directory
  [ROW FORMAT row_format] [STORED AS file_format] select_statement;

2）案例

insert overwrite local directory '/opt/module/datas/student' ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.JsonSerDe'
select id,name from student;

在这里插入图片描述

3.3 Export&Import

Export导出语句可将表的数据和元数据信息一并到处的HDFS路径，Import可将Export导出的内容导入Hive，表的数据和元数据信息都会恢复。Export和Import可用于两个Hive实例之间的数据迁移。

温欣2030
关注
  • 15
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
hive 如果表不存在则创建_Hive基础之创建数据库
weixin_39759589的博客
12-20 813
1.创建数据库企业应用中标准的创建数据库的语法如下：create database if not exists db_hive;这句话的意思是如果不存在数据库db_hive则创建该数据库，如果不加入if not exists，那么在创建数据库的时候如果存在db_hive,则会抛出异常。加上这句话后就不会抛出异常。指定数据库存放的路径我们可以通过LOCATION关键字来指定hive数据库文件存放的位...
shell foramt 2
11-26
shell foramt shell foramt shell foramt shell foramt
shell foramt
11-26
shfmtshfmtshfmtshfmtshfmtshfmtshfmtshfmtshfmtshfmtshfmtshfmtshfmt
Hive架构(数据库和表)
CharlesCFA的博客
02-19 3669
本文介绍一下Hive中的数据库（Database/Schema）和表（Table）的基础知识，由于篇幅原因，这里只是一些常用的、基础的。 一、Hive的数据库和表 先看两张图： 从图上可以看出，Hive作为一个“数据库”，在结构上积极向传统数据库看齐，也分数据库（Schema），每个数据库下面有各自的表组成。再往下分，可以分为分区和桶。 1.Hive在HDFS上的默认存储路径 Hive的数据都是存储在HDFS上的，默认有一个根目录，在hive-site.xml中，由参数hive.metastore.wa
Hive数据库创建表
wonderful_life_mrchi的博客
05-09 3023
HIVE 基本操作 create table 总述 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 EXIST 选项来忽略这个异常。 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，.
2.Hive创建数据库
m0_58420188的博客
05-06 2104
介绍了数据库和数据表的增删改查
Hive_SQL语法大全
07-13
Hive_Sql语法详述，平时工作中遇到的问题，用于Hadoop平台的数据挖掘。
Hive用户指南(Hive_user_guide)_中文版.pdf
01-14
1.3Hive 和普通关系数据库的异同 Hive RDBMS 查询语言 HQL SQL 数据存储 HDFS Raw Device or Local FS 索引 无 有 执行 MapReduce Excutor 执行延迟 高 低 处理数据规模 大 小 1. 查询语言。由于 SQL 被广泛...
Impala和Hive的关系（详解）
01-27
Impala是基于Hive的大数据实时分析查询引擎，直接使用Hive的元数据库Metadata,意味着impala元数据都存储在Hive的metastore中。并且impala兼容Hive的sql解析，实现了Hive的SQL语义的子集，功能还在不断的完善中。...
HadoopHive基础sql语法
02-01
是基于Hadoop构建的一套数据仓库分析系统，它提供了丰富的SQL查询方式来分析存储在Hadoop分布式文件系统中的数据，可以将结构化的数据文件映射为一张数据库表，并提供完整的SQL查询功能，可以将SQL语句转换为...
Spark 为什么比 Hive 快
JIE的博客
04-26 1699
由于 MapReduce 的特性，Hive 在处理大规模数据时可能会出现较高的延迟，因为它需要频繁地将数据写入和读取磁盘，Shuffle 操作会导致花费的时间代价比较大。那么在稳定性方面，Hive 优于 Spark，这是因为在 MR 任务中，数据总是按照块分片进行处理，每块数据都可以独立地读取和处理，并不需要将所有数据都加载到内存中，因此它对内存的需求远低于Spark。由于 Spark 使用的是内存计算，在处理大规模的数据时，需要足够的内存资源，否则可能会发生 OOM 或者导致计算速度非常缓慢。
Hive大数据任务调度和业务介绍
最新发布
weixin_48796645的博客
05-04 742
ZooKeeper和DolphinScheduler的使用
hadoop学习---基于hive的航空公司客户价值的LRFCM模型案例
weixin_46164667的博客
05-01 1895
在客户分类中，RFM模型是一个经典的分类模型，模型利用通用交易环节中最核心的三个维度——最近消费(Recency)、消费频率(Frequency)、消费金额(Monetary)细分客户群体，从而分析不同群体的客户价值。在某些商业形态中，客户与企业产生连接的核心指标会因产品特性而改变。如互联网产品中，以上三项指标可以相应地变为下图中的三项：最近一次登录、登录频率、在线时长。
连接HiveMQ代理器实现MQTT协议传输
jasonhongcn的专栏
05-04 488
打开MQTTX，创建连接，点击NEW SUBSCRIPTION,创建一个主题，这里使用test/topic,在下面Json中填写配置好的主题，点击发送测试OK。使用线上免费的MQTTX BROKER。发布者发送给一个消息。
JAVA:后端框架-将servlet+jsp改为springboot+jsp需要做什么
m0_58758292的博客
04-28 1055
要将一个自定义异常，如`EasUserNotFoundException`，整合到你的Spring Boot应用程序中，你可以在服务层或控制器层使用它来处理特定的异常情况。例如，在用户查询中，如果找不到指定的用户，可以抛出这个异常。这种方法可以帮助你的应用程序更清晰地处理错误和异常情况。### 步骤 1: 定义自定义异常类（exception包）假设你已经有一个名为`EasUserNotFoundException`的异常类。
Hive 与 MySQL 的数据库限制对比
小湘西的博客
05-01 558
请注意，上述信息提供了一般的指导，实际的限制可能会因版本、配置、硬件资源以及其他因素而有所不同。在部署和优化数据库时，应考虑到特定环境中的实际限制。
hadoop学习---基于hive的聊天数据分析报表可视化案例
weixin_46164667的博客
04-30 1214
聊天平台每天都会有大量的用户在线，会出现大量的聊天数据，通过对。
Hive 表定义主键约束
Dablelv 的博客专栏。
04-29 572
在 Hive 中，可以使用 PRIMARY KEY 子句来定义主键约束，以确保表中的每行数据都具有唯一标识。如果一个约束指定 RELY，也就是希望 HIVE 基于代价的优化器 CBO（Cost-Based Optimizer）使用约束信息来获得更好的统计信息，得到更好的执行计划。具体到主键约束，一般主键常用于多表关联查询，利用主键约束，可以删除不必要的连接（ JOIN ELIMINATION），得到更好的执行计划。对于唯一约束，目前 Hive 是不支持的，但是其他一些约束是支持的。
hive怎么查数据库中有哪些表
07-17
在Hive中，您可以使用`SHOW TABLES`语句来查看数据库中的所有表。具体的语法如下所示： ``` SHOW TABLES; ``` 执行此命令后，Hive将返回数据库中所有的表名。请注意，您需要先在Hive中选择要查看的数据库，否则将...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

温欣2030

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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