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]
[TBLPROPERTIES (property_name=property_value, …)]
[AS select_statement]
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,在建表的同时可以指定一个指向实际数据的路径(LOCATION),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,对桶中的一个或多个列另外排序
(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。
SerDe是Serialize/Deserilize的简称, hive使用Serde进行行对象的序列与反序列化。
(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)AS:后跟查询语句,根据查询结果创建表。
(11)LIKE允许用户复制现有的表结构,但是不复制数据。
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。
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)
hive (default)> 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
hive (default)> create table if not exists student4 like student;
(4)查询表的类型
hive (default)> desc formatted student2;
OK
col_name data_type comment
# col_name data_type comment
id int
name string
# Detailed Table Information
Database: default
Owner: root
CreateTime: Sun Oct 20 08:03:29 CST 2019
LastAccessTime: UNKNOWN
Protect Mode: None
Retention: 0
Location: hdfs://mycluster/user/hive/warehouse/student2
Table Type: MANAGED_TABLE
Table Parameters:
transient_lastDdlTime 1571529809
# Storage Information
SerDe Library: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe
InputFormat: org.apache.hadoop.mapred.TextInputFormat
OutputFormat: org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat
Compressed: No
Num Buckets: -1
Bucket Columns: []
Sort Columns: []
Storage Desc Params:
field.delim \t
serialization.format \t
Time taken: 0.089 seconds, Fetched: 28 row(s)
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。
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。
分别创建部门和员工外部表,并向表中导入数据。
1 xiaoming
2 wangfeng
3 lijie
4 liuliu
hive (default)> dfs -mkdir /tmp/student;
hive (default)> dfs -put /tmp/student.txt /tmp/student;
创建外部表
hive (default)> create external table stu_external(
id int,
name string)
row format delimited fields terminated by '\t'
location '/tmp/student';
查看创建的表
hive (default)> select * from stu_external;
OK
stu_external.id stu_external.name
1 xiaoming
2 wangfeng
3 lijie
4 liuliu
查看表格式化数据
hive (default)> desc formatted stu_external;
OK
col_name data_type comment
# col_name data_type comment
id int
name string
# Detailed Table Information
Database: default
Owner: root
CreateTime: Sun Oct 20 08:17:57 CST 2019
LastAccessTime: UNKNOWN
Protect Mode: None
Retention: 0
Location: hdfs://mycluster/tmp/student
Table Type: EXTERNAL_TABLE
Table Parameters:
COLUMN_STATS_ACCURATE false
EXTERNAL TRUE
numFiles 0
numRows -1
rawDataSize -1
totalSize 0
transient_lastDdlTime 1571530677
# Storage Information
SerDe Library: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe
InputFormat: org.apache.hadoop.mapred.TextInputFormat
OutputFormat: org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat
Compressed: No
Num Buckets: -1
Bucket Columns: []
Sort Columns: []
Storage Desc Params:
field.delim \t
serialization.format \t
Time taken: 0.077 seconds, Fetched: 34 row(s)
删除外部表
hive (default)> drop table stu_external;
外部表删除后,hdfs中的数据还在,但是metadata中stu_external的元数据已被删除
(1)查询表的类型
hive (default)> desc formatted student2;
Table Type: MANAGED_TABLE
(2)修改内部表student2为外部表
alter table student2 set tblproperties('EXTERNAL'='TRUE');
(3)修改外部表student2为内部表
hive (default)> alter table student2 set tblproperties('EXTERNAL'='FALSE');
注意:(‘EXTERNAL’=‘TRUE’)和(‘EXTERNAL’=‘FALSE’)为固定写法,区分大小写!
分区表实际上就是对应一个HDFS文件系统上的独立的文件夹,该文件夹下是该分区所有的数据文件。Hive中的分区就是分目录,把一个大的数据集根据业务需要分割成小的数据集。在查询时通过WHERE子句中的表达式选择查询所需要的指定的分区,这样的查询效率会提高很多。
create table stu_partition
( id int,name string) partitioned by (month string)
row format delimited fields terminated by '\t';
注意:分区字段不能是表中已经存在的数据,可以将分区字段看作表的伪列。
hive (default)> load data local inpath '/tmp/student.txt' overwrite into table stu_partition partition(month='201810');
hive (default)> load data local inpath '/tmp/student.txt' overwrite into table stu_partition partition(month='201812');
注意:overwrite是覆盖,into是追加,分区表加载数据时,必须指定分区
select * from stu_partition where month='201811';
多分区联合查询
会生成mr作业
hive (default)> select * from stu_partition where month='201811' union select * from stu_partition where month='201810'
创建单个分区
hive (default)> alter table stu_partition add partition(month='201910');
创建多个分区
直接在后面partition(分区字段=‘属性’)
hive (default)> alter table stu_partition add partition(month='201912') partition(month='201911');
删除单个分区
hive (default)> alter table stu_partition drop partition(month='201910');
删除多个分区
hive (default)> alter table stu_partition drop partition(month='201912'), partition(month='201911');
删除的时候有,号
查看表有多少分区
hive (default)> show partitions stu_partition;
OK
partition
month=201810
month=201811
month=201812
查看表结构
其中
hive (default)> desc formatted stu_partition;
#Partition Information
#col_name data_type comment
month string
create table stu_partition2(id int,name string)
partitioned by(month string,day string)
row format delimited fields terminated by '\t';
(1)加载数据到二级分区表中
hive (default)> load data local inpath '/tmp/student.txt' into table stu_partition2 partition(month='201908',day='11');
(2)查询分区数据
hive (default)> select * from stu_partition2 where month='201908' and day='11';
(1)方式一:上传数据后修复
上传数据
hive (default)> dfs -mkdir -p /user/hive/warehouse/stu_partition2/month=201909/day=12;
hive (default)> dfs -put /tmp/student.txt /user/hive/warehouse/stu_partition2/month=201909/day=12;
查询数据(查询不到刚上传的数据)
hive (default)> select * from stu_partition2 where month='201909' and day='12';
OK
stu_partition2.id stu_partition2.name stu_partition2.month stu_partition2.day
Time taken: 0.066 seconds
执行修复命令
hive (default)> msck repair table stu_partition2;
温馨提示:如果有人删线上数据,集群配置了回收站,可以采用这样方式修复数据
(2)方式二:上传数据后添加分区
上传数据
hive (default)> dfs -mkdir -p /user/hive/warehouse/stu_partition2/month=201909/day=11;
hive (default)> dfs -put /tmp/student.txt /user/hive/warehouse/stu_partition2/month=201909/day=11;
查询数据
hive (default)> select * from stu_partition2 where month='201909' and day='11';
OK
stu_partition2.id stu_partition2.name stu_partition2.month stu_partition2.day
1 xiaoming 201909 11
2 wangfeng 201909 11
3 lijie 201909 11
4 liuliu 201909 11
(3)方式三:创建文件夹后load数据到分区
load data local inpath '/tmp/student.txt' into table stu_partition2 partition(month='201910',day='22');
查询有数
hive (default)> select * from stu_partition2 where month='201910' and day='22';
重命名表
1.语法
ALTER TABLE table_name RENAME TO new_table_name
2.实操案例
hive (default)> alter table stu_partition2 rename to stu_partition3;
1.语法
更新列
ALTER TABLE table_name CHANGE [COLUMN] col_old_name col_new_name column_type [COMMENT col_comment] [FIRST|AFTER column_name]
增加和替换列
ALTER TABLE table_name ADD|REPLACE COLUMNS (col_name data_type [COMMENT col_comment], ...)
注:ADD是代表新增一字段,字段位置在所有列后面(partition列前),REPLACE则是表示替换表中所有字段。
2.实操案例
添加列
hive (default)> alter table stu_partition3 add columns (class string);
更新列
修改class字段为home并且为string类型
hive (default)> alter table stu_partition3 change column class home string;
替换列
hive (default)> alter table stu_partition3 replace columns(home string,loc string);
hive (default)> drop table stu_partition3;
– note by 张不帅 2019-10-23 0:10 ( ̄o ̄) . z Z