Hive 导入CSV文件

SerDe 介绍

Hive 使用如下FileFormat 类读写 HDFS files:

TextInputFormat/HiveIgnoreKeyTextOutputFormat: 读写普通HDFS文本文件.
SequenceFileInputFormat/SequenceFileOutputFormat: 读写SequenceFile格式的HDFS文件.

Hive 使用如下SerDe 类(反)序列化数据:
MetadataTypedColumnsetSerDe: 读写csv、tsv文件和默认格式文件
ThriftSerDe: 读写Thrift 序列化后的对象.

DynamicSerDe: 读写Thrift序列化后的对象, 不过不需要解读schema中的ddl.

hive通过java写入csv文件：http://blog.csdn.net/zengmingen/article/details/52637483

CSV Serde

CSV格式的文件也称为逗号分隔值（Comma-Separated Values，CSV，有时也称为字符分隔值，因为分隔字符也可以不是逗号。在本文中的CSV格式的数据就不是简单的逗号分割的），其文件以纯文本形式存储表格数据（数字和文本）。CSV文件由任意数目的记录组成，记录间以某种换行符分隔；每条记录由字段组成，字段间的分隔符是其它字符或字符串，最常见的是逗号或制表符。通常，所有记录都有完全相同的字段序列。

默认的分隔符：

DEFAULT_ESCAPE_CHARACTER \
DEFAULT_QUOTE_CHARACTER  "     //如果没有，则不需要指定
DEFAULT_SEPARATOR        ,

建表语句：

CREATE TABLE csv_table(a string, b string) ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.OpenCSVSerde' WITH SERDEPROPERTIES (   "separatorChar" = "\t",   "quoteChar"     = "'",   "escapeChar"    = "\\")  STORED AS TEXTFILE;
separatorChar：分隔符
quoteChar：引号符
escapeChar：转意符

实验操作

准备数据

从数据库导出。

文件1：user1.csv

文件2：user2.csv

文件3：user3.csv

创建表

hive (zmgdb)> create table csv_t1(a string,b string,c string)
            > row format serde
            > 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
            > with
            > SERDEPROPERTIES
            > ("separatorChar"=",")  
            > STORED AS TEXTFILE;

引号符“

hive (zmgdb)> create table csv_t2(a string,b string,c string)
            >  row format serde
            > 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
            > with
            > SERDEPROPERTIES
            >  ("separatorChar"=",","quotechar"="\"")
            >  STORED AS TEXTFILE;
OK
Time taken: 0.072 seconds

转义符\

hive (zmgdb)> create table csv_t3(a string,b string,c string)
            >  row format serde
            > 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
            > with
            > SERDEPROPERTIES
            >  ("separatorChar"=",","escapeChar"    = "\\" )
            >  STORED AS TEXTFILE;
OK
Time taken: 0.088 seconds

导入

hive (zmgdb)> load data local inpath '/data/user1.csv' into table csv_t1;
Loading data to table zmgdb.csv_t1
OK
Time taken: 0.536 seconds

hive (zmgdb)> load data local inpath '/data/user2.csv' into table csv_t2;
Loading data to table zmgdb.csv_t2
OK
Time taken: 0.181 seconds

hive (zmgdb)> load data local inpath '/data/user3.csv' into table csv_t3;
Loading data to table zmgdb.csv_t3

查询

hive (zmgdb)> select * from csv_t1;
OK
csv_t1.a        csv_t1.b        csv_t1.c
%       root    Y
hello110        root    Y
127.0.0.1       root    Y
::1     root    Y
localhost       hive    N
%       hive    Y
Time taken: 0.74 seconds, Fetched: 6 row(s)

hive (zmgdb)> select * from csv_t2;
OK
csv_t2.a        csv_t2.b        csv_t2.c
%       root    Y
hello110        root    Y
127.0.0.1       root    Y
::1     root    Y
localhost       hive    N
%       hive    Y
Time taken: 0.068 seconds, Fetched: 6 row(s)

hive (zmgdb)> select * from csv_t3;
OK
csv_t3.a        csv_t3.b        csv_t3.c
%       root    Y
hello110        'root'  Y
127.0.0.1       NULL    NULL
::1     root    Y
localhost       hive    N
%       hive    Y
Time taken: 0.07 seconds, Fetched: 6 row(s)

补充

如果文件内容的引号符，分隔符，转义符，不是默认的，也不是建表语句指定的，则原样导入。

文件user4.csv：引号符是中文单引号

导入csv_t1表

hive (zmgdb)> load data local inpath '/data/user4.csv' into table csv_t1;
Loading data to table zmgdb.csv_t1
OK
Time taken: 0.191 seconds

hive (zmgdb)> select * from csv_t1;
OK
csv_t1.a        csv_t1.b        csv_t1.c
%       root    Y
hello110        root    Y
127.0.0.1       root    Y
::1     root    Y
localhost       hive    N
%       hive    Y
‘111111’        ‘root’  ‘Y’
‘112222’        ‘r2222’ ‘Y’
Time taken: 0.06 seconds, Fetched: 14 row(s)
hive (zmgdb)>