HIVE表创建与表结构修改入门

hive是一个基于hadoop的数据仓库的工具，可以将分布式文件系统HDFS中的结构化数据，映射为一张张表。将映射成的元数据保存在用户设定的数据库中，并且可以使用类SQL的语言：Hive QL进行数据的分析处理。

并且hive能根据表的参数设定，将表在HDFS中的实际数据按特定的格式保存下来。因此，hive在大数据读取方面有较好的性能表现。

下面将介绍hive如何使用Hive QL创建一个表和创建表之后怎么对表的结构进行修改。

本文将重点介绍hive表中各个结构的含义。目的是能在我们了解了hive的结构以后，能更加灵活的对hive的结构进行设定，从而进一步实现对hive各个结构的自定义。

在hive官网中的LanguageManual DDL中，hive表创建语法是：

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]
  [SKEWED BY (col_name, col_name, ...) ON ([(col_value, col_value, ...), ...|col_value, col_value, ...]) [STORED AS DIRECTORIES] (Note: Only available starting with Hive  0.10 . 0 )]
  [
   [ROW FORMAT row_format] [STORED AS file_format]
   | STORED BY  'storage.handler.class.name'  [WITH SERDEPROPERTIES (...)]  (Note: Only available starting with Hive  0.6 . 0 )
  ]
  [LOCATION hdfs_path]
  [TBLPROPERTIES (property_name=property_value, ...)]  (Note: Only available starting with Hive  0.6 . 0 )
  [AS select_statement]  (Note: Only available starting with Hive  0.5 . 0 , and not supported when creating external tables.)
或者：

CREATE [TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS] [db_name.]table_name
  LIKE existing_table_or_view_name
  [LOCATION hdfs_path]

1、创建表的时候，hive会对是否有同名表进行检查，如果有同名表，则会报错，并且表创建失败。可以通过添加IF NOT EXISTS来实现有同名表的时候不进行创建，但也不报错。

2、TEMPORARY关键字，这个是hive 0.14.0版后新加的功能。顾名思义，就是临时表的意思。链接：https://issues.apache.org/jira/browse/HIVE-7090
  临时表创建后，只对当前的session有效。数据会保存在用户的临时目录下，在session结束后，该表的元数据和实际数据都会被删掉。指向该表的引用也会被删掉。
  临时表的限制：
a、不支持分区
b、不支持索引
c、不支持静态列

3、EXTERNAL关键字，创建一个外部表。在创建的同时需要指定一个指向实际数据的路径（通过LOCATION关键字设定）。外部表的特殊之处在于，当表被删除后，该表的元数据（保存于数据库中的数据）会被删除。但表的实际数据不会被删除。一般的表，在被删除之后，实际数据也会被删除。

4、LIKE关键字，创建一个表，复制了另一个表的结构，但不复制其数据。


以上几个都是表的特性，在表创建的时候就被确定了的。是不会被修改的，下面介绍的表的结构，是可以被修改的。


1、(col_name data_type [COMMENT col_comment], ...)，表示了表的列的名称和属性，
a、 col_name 列名。
b、 data_type 列属性。每个列属性在java api中都有对应的类，在自定义SerDe的时候需要用到。
data_type: primitive_type  ， array_type  ， map_type   ， struct_type   ， union_type (这种格式Hive  0.7 . 0 后生效)

后面四个都是结构化数据，格式如下：

array_type : ARRAY < data_type >
map_type   : MAP < primitive_type, data_type >
struct_type : STRUCT < col_name : data_type [COMMENT col_comment], ...>
union_type : UNIONTYPE < data_type, data_type, ... > (Note: Only available starting with Hive  0.7 . 0 )
primitive_type为基本格式：TINYINT, SMALLINT,INT,BIGINT,BOOLEAN,FLOAT,DOUBLE,STRING,BINARY (Note: Only available starting with Hive 0.8.0),TIMESTAMP (Note: Only available starting with Hive 0.8.0),DECIMAL (Note: Only available starting with Hive 0.11.0),DECIMAL(precision, scale) (Note: Only available starting with Hive 0.13.0),VARCHAR (Note: Only available starting with Hive 0.12.0),CHAR (Note: Only available starting with Hive 0.13.0)

列的修改使用如下语句：
ALTER TABLE table_name ADD|REPLACE COLUMNS (col_name data_type [COMMENT col_comment], ...)

2、COMMENT table_comment，COMMENT是关键字，后面为对表的描述。

3、PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)，对表设置分区。
 对分区的修改语句：ALTER TABLE table_name ADD|RENAME|DROP .......

4、CLUSTERED BY (col_name, col_name, ...) [SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS ，设置表的桶
 对桶的修改语句：ALTER TABLE table_name CLUSTERED BY (col_name, col_name, ...) [SORTED BY (col_name, ...)] INTO num_buckets BUCKETS

5、 SKEWED BY (col_name, col_name, ...) ON ([(col_value, col_value, ...), ...|col_value, col_value, ...]) [STORED AS DIRECTORIES] (Note: Only available starting with Hive  0.10 . 0 )
 这个语句是对表中几个数据倾斜特别严重的字段设定了独立的文件存储。
 暂不支持修改语法。

6、[ROW FORMAT row_format] [STORED AS file_format]

   | STORED BY  'storage.handler.class.name'  [WITH SERDEPROPERTIES (...)]  (Note: Only available starting with Hive  0.6 . 0 )
 这里是设定了字段分割符与行分割符。对应了SerDe和IN/OUTPUTFORMAT。
 默认的SerDe，内部使用字符串传递，使用ROW FORMAT DELIMITED FIELDS TERMINATED BY '?'设定字段分割符。或者使用SERDE关键字自定义SerDe
 HIVE默认支持的行分割方式(即file_format)为：TEXTFILE，SEQUENCEFILE，RCFILE，ORC。用户可使用INPUTFORMAT 和OUTPUTFORMAT关键字自定义fileformat。（这两个必须同时定义，不能单独设定。）
   修改语法：ALTER TABLE table_name SET SERDE serde_class_name [WITH SERDEPROPERTIES serde_properties]
          ALTER TABLE table_name SET FILEFORMAT file_format

7、LOCATION关键字，设定了数据保存的位置。
  目前不支持对整个表的location修改。

8、 TBLPROPERTIES关键字，设定各种参数，只对当前表有效，可以用来设定官方的参数或自定义参数。
 修改语法：ALTER TABLE table_name SET TBLPROPERTIES table_properties

9，AS select_statement，在创建表的时候根据select结果插入数据。


参考：https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL#LanguageManualDDL-AlterTable