Hive HQL知识DDL汇总之数据表操作
1. 数据表操作概述
数据库中database和table可以看作是2级文件管理,如mysql在windows下的数据库文件就是划分2级文件夹目录。
数据表的操作,可以简单分为建立表格,对表结构修改、删除表。
hive的表,元数据存储在单独的数据库中,本文配置为存放在mysql中。表中数据则存放在hdfs中。如下图示例
2 创建表
2.1 概述
建表语法
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] , . . . ) ] 分区
[ CLUSTERED BY ( col_name, col_name, . . . ) 分桶
[ SORTED BY ( col_name [ ASC | DESC ] , . . . ) ] INTO num_buckets BUCKETS]
[ ROW FORMAT row_format] row format delimited fields terminated by “分隔符”
[ STORED AS file_format]
[ LOCATION hdfs_path]
字段解释
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。
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。
实际公司开发,一般都会建立外部表,防止删除表时把数据一起删除掉。建立外部表时,注意一定指定location也就是数据文件位置。
COMMENT:为表和列添加注释。注意实际上database、table、字段都可以加comment注释。企业开发时,最好都加上注释,方便数据库后续的维护和使用。
PARTITIONED BY创建分区表
CLUSTERED BY创建分桶表
SORTED BY不常用
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,目的是用于序列化和反序列化。
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。
实际使用的文本格式有text、orc、parquet,其中orc压缩率最高但进行解压缩和压缩时会有一定CPU占用,parquet压缩率不那么高,但比text要好一些,所以综合性一般使用parquet,如果是历史性数据,查询和使用不那么频繁时,为了降低磁盘开销,可以使用orc格式。
LOCATION :指定表在HDFS上的存储位置。
LIKE允许用户复制现有的表结构,但是不复制数据。
2.2 内部表(管理表)
2.2.1.理论
默认创建的都是管理表,也称之为内部表。这种表,hive会控制数据的生命周期。
默认情况,这些数据库、数据表的数据会存在配置文件中hive.metastore.warehouse.dir所在的hdfs目录,例如/user/hive/warehouse。这个前文已经截图展示。
当删除一个管理表(内部表时),这个表对应存储在hdfs中的数据也会被删除。管理表存储的数据一般不适合跟其他工具或者表共享数据 注意,实际生产中,为了保护数据安全,一般都会使用外部表,这样就算不小心把表删除,数据也还会存储在hdfs中
2.2.2. 案例
普通表
200,kongfuzi
300,taoxingzhi
400,maozedong
500,mengzi
600,makesi
700,engesi
create table if not exists tb_teacher(
id int comment 'teacher id' ,
name string comment 'teacher name'
) comment 'teacher table'
row format delimited fields terminated by ','
stored as textfile;
将文本文件上传到hdfs上
将hdfs中数据加载到数据表中
load data inpath '/hive_data/hive_manage_example.txt' into table tb_teacher;
将查询结果放入表中
create table if not exists tb_result as select id, name from tb_teacher;
根据已存在表创建表
create table if not exists tb_copy like tb_teacher;
查询表类型
desc formatted tb_teacher;
2.3 外部表
2.3.1. 理论
如果表是外部表,则hive认为表并不完全拥有这份数据。删除这个表并不会删除掉这份数据。但描述这份表的元数据会被删除掉。
使用场景上,例如每天搜集到的日志信息,使用外部表存放,但统计分析后结果使用内部表存放。
真实场景上,为了降低因为数据表删除带来的数据删除,一般都使用外部表。
2.3.2. 案例
数据
<