大数据技术Hive之二

三：Hive数据类型

3.1 基本数据类型

Hive数据类型	Java数据类型	长度	例子
TINYINT	byte	1byte有符号整数	20
SMALINT	short	2byte有符号整数	20
INT	int	4byte有符号整数	20
BIGINT	long	8byte有符号整数	20
BOOLEAN	boolean	布尔类型，true或者false	TRUE  FALSE
FLOAT	float	单精度浮点数	3.14159
DOUBLE	double	双精度浮点数	3.14159
STRING	string	字符系列。可以指定字符集。可以使用单引号或者双引号。	‘now is the time’ “for all good men”
TIMESTAMP		时间类型
BINARY		字节数组

对于Hive的String类型相当于数据库的varchar类型，该类型是一个可变的字符串，不过它不能 其中最多能存储多少个字符，理论上它可以存储2GB的字符数。

3.2 集合数据类型

数据类型	描述	语法示例
STRUCT	和c语言中的struct类似，都可以通过“点”符号访问元素内容。例如，如果某个列的数据类型是STRUCT{first STRING, last STRING},那么第1个元素可以通过字段.first来引用。	struct()
MAP	MAP是一组键-值对元组集合，使用数组表示法可以访问数据。例如，如果某个列的数据类型是MAP，其中键->值对是’first’->’John’和’last’->’Doe’，那么可以通过字段名[‘last’]获取最后一个元素	map()
ARRAY	数组是一组具有相同类型和名称的变量的集合。这些变量称为数组的元素，每个数组元素都有一个编号，编号从零开始。例如，数组值为[‘John’, ‘Doe’]，那么第2个元素可以通过数组名[1]进行引用。	Array()

Hive有三种复杂数据类型ARRAY、MAP 和 STRUCT。ARRAY和MAP与Java中的Array和Map类似，而STRUCT与C语言中的Struct类似，它封装了一个命名字段集合，复杂数据类型允许任意层次的嵌套。

案例实操
1）假设某表有如下一行，用JSON格式来表示其数据结构。在Hive下访问的格式为
{
    "name": "songsong",
    "friends": ["bingbing" , "lili"] ,       //列表Array, 
    "children": {                                 //键值Map,
        "xiao song": 18 ,
        "xiaoxiao song": 17  
  }
    "address": {                             //结构Struct,
        "street": "hai dian qu" ,
        "city": "beijing" 
    }
}

2）基于上述数据结构，在Hive里创建对应的表，并导入数据。 
创建本地测试文件test.txt
songsong,bingbing_lili,xiao song:18_xiaoxiao song:17,hai dian qu_beijing
yangyang,caicai_susu,xiao yang:18_xiaoxiao yang:19,chao yang_beijing

注意，MAP，STRUCT和ARRAY里的元素间关系都可以用同一个字符表示，这里用“_”。

3）Hive上创建测试表test
create table test(
name string,
friends array<string>,
children map<string, int>,
address struct<street:string, city:string>
)
row format delimited fields terminated by ','
collection items terminated by '_'
map keys terminated by ':'
lines terminated by '\n';

字段解释：
row format delimited fields terminated by ','   -- 列分隔符
collection items terminated by '_'                   --MAP STRUCT 和 ARRAY 的分隔符(数据分割符号)
map keys terminated by ':'                             -- MAP中的key与value的分隔符
lines terminated by '\n';                                  -- 行分隔符

4）导入文本数据到测试表
hive (default)> load data local inpath '/opt/datas/test.txt' into table test;

5）访问三种集合列里的数据，以下分别是ARRAY，MAP，STRUCT的访问方式

如果起别名：

3.3 类型转化

Hive的原子数据类型是可以进行隐式转换的，类似于Java的类型转换，例如某表达式使用INT类型，TINYINT会自动转换为INT类型，但是Hive不会进行反向转化，例如，某表达式使用TINYINT类型，INT不会自动转换为TINYINT类型，它会返回错误，除非使用CAST操作。
1：隐式类型转换规则如下。
（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。
2：可以使用CAST操作显示进行数据类型转换，例如CAST('1' AS INT)将把字符串'1' 转换成整数1；如果强制类型转换失败，如执行CAST('X' AS INT)，表达式返回空值 NULL。
 

四 DDL数据定义
数据库模式定义语言DDL(Data Definition Language)，是用于描述数据库中要存储的现实世界实体的语言。
4.1 创建数据库
1：创建一个数据库，数据库在HDFS上的默认存储路径是/user/hive/warehouse/*.db。
hive (default)> create database hive_db;

可能出现的报错：
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. MetaException(message:For direct MetaStore DB connections, we don't support retries at the client level.)
解决办法：https://blog.csdn.net/mo_ing/article/details/81219533

个人解决版本：使用mysql-connector-java-5.1.27.jar，而不是mysql-connector-java-5.1.18.jar

2：避免要创建的数据库已经存在错误，增加if not exists判断。（标准写法）
hive> create database hive_db;
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. Database db_hive already exists
hive (default)> create database if not exists hive_db;
:3：创建一个数据库，指定数据库在HDFS上存放的位置
hive (default)> create database hive_db2 location '/hive_db2.db';

4.2 修改数据库
用户可以使用ALTER DATABASE命令为某个数据库的DBPROPERTIES设置键-值对属性值，来描述这个数据库的属性信息。数据库的其他元数据信息都是不可更改的，包括数据库名和数据库所在的目录位置。
hive (default)> alter database hive_db set dbproperties('createtime'='20190706');
在mysql中查看修改结果
hive> desc database extended hive_db;
OK
db_name comment location        owner_name      owner_type      parameters
hive_db         hdfs://mycluster/user/hive/warehouse/hive_db.db root    USER    {createtime=20190706}
Time taken: 0.085 seconds, Fetched: 1 row(s)

4.3 查询数据库
4.3.1 显示数据库
1）显示数据库
hive> show databases;
2）过滤显示查询的数据库
    hive> show databases like 'hive_db*';

    

4.3.2 查看数据库详情
1：显示数据库信息
hive> desc database hive_db;
OK
db_name comment location        owner_name      owner_type      parameters
hive_db         hdfs://mycluster/user/hive/warehouse/hive_db.db root    USER
Time taken: 0.082 seconds, Fetched: 1 row(s)    
:2：显示数据库详细信息，extended
hive> desc database extended hive_db;
OK
db_name comment location        owner_name      owner_type      parameters
hive_db         hdfs://mycluster/user/hive/warehouse/hive_db.db root    USER    {createtime=20190706}
Time taken: 0.063 seconds, Fetched: 1 row(s)

4.3.3 切换当前数据库
hive (default)> use hive_db;

4.4 删除数据库
1：删除空数据库
hive>drop database hive_db2;
:2：如果删除的数据库不存在，最好采用 if exists判断数据库是否存在
hive> drop database hive_db2;
FAILED: SemanticException [Error 10072]: Database does not exist: hive_db2
hive> drop database if exists hive_db2;
:3：如果数据库不为空，可以采用cascade命令，强制删除
hive> drop database hive_db;
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. MetaException(message:Can not drop default database)
hive> drop database hive_db cascade;

4.5 创建表
1）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], ...)] 
[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]
2）字段解释说明：
（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。

4.5.1 管理表（内部表）
1：理论
默认创建的表都是所谓的管理表，有时也被称为内部表。因为这种表，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：案例实操
（1）普通创建表
create table if not exists student2(
id int, name string
)
row format delimited fields terminated by '\t'
stored as textfile
location '/user/hive/warehouse/student2';

（2）根据查询结果创建表（查询的结果会添加到新创建的表中）
create table if not exists student3
as select id, name from student;
（3）根据已经存在的表结构创建表
create table if not exists student4 like student;
（4）查询表的类型
hive (default)> desc formatted student4;

4.5.2 外部表
1：理论
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。
2：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：案例实操
分别创建部门和员工外部表，并向表中导入数据。
（1）原始数据
dept.txt
10      ACCOUNTING      1700
20      RESEARCH        1800
30      SALES   1900
40      OPERATIONS      1700

emp.txt
2369    SMITH   CLERK   2902    1980-12-17      800.00          20
2499    ALLEN   SALESMAN        2698    1981-2-20       1600.00 300.00  30
2521    WARD    SALESMAN        2698    1981-2-22       1250.00 500.00  30
2566    JONES   MANAGER 2839    1981-4-2        2975.00         20
2654    MARTIN  SALESMAN        2698    1981-9-28       1250.00 1400.00 30
2698    BLAKE   MANAGER 2839    1981-5-1        2850.00         30
2782    CLARK   MANAGER 2839    1981-6-9        2450.00         10
2788    SCOTT   ANALYST 2566    1987-4-19       3000.00         20
2834    KING    PRESIDENT               1981-11-17      5000.00         10
2844    TURNER  SALESMAN        2698    1981-9-8        1500.00 0.00    30
2976    ADAMS   CLERK   2788    1987-5-23       1100.00         20
2900    JAMES   CLERK   2698    1981-12-3       950.00          30
2902    FORD    ANALYST 2566    1981-12-3       3000.00         20
2924    MILLER  CLERK   2782    1982-1-23       1300.00         10

             
    （2）建表语句
             创建部门表
             create external table if not exists dept(
             deptno int,
             dname string,
             loc int)
             row format delimited fields terminated by '\t';

             创建员工表
             create external table if not exists emp(
             empno int,
             ename string,
             job string,
             mgr int,
             hiredate string, 
             sal double, 
             comm double,
             deptno int)
             row format delimited fields terminated by '\t';
    （3）查看创建的表
         hive (default)> show tables;
         OK
         tab_name
         dept
         emp
    （4）向外部表中导入数据
             导入数据
             hive (default)> load data local inpath '/opt/datas/dept.txt' into table default.dept;
             hive (default)> load data local inpath '/opt/datas/emp.txt' into table default.emp;
查询结果  

    （5）查看表格式化数据
hive (default)> desc formatted dept;
Table Type:             EXTERNAL_TABLE