Hive学习-Hive基本操作（建库、建表、分区表、写数据）

hive简单认识

Hive是建立在HDFS之上的数据仓库，所以Hive的数据全部存储在HDFS上。

Hive的数据分为两部分，一部分是存在HDFS上的具体数据，一部分是描述这些具体数据的元数据信息，一般Hive的元数据存在MySQL上。

Hive是类SQL语法的数据查询、计算、分析工具，执行引擎默认的是MapReduce，可以设置为Spark、Tez。

Hive分内部表和外部表，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。

1、进入hive命令行

$cd  $HIVE_HOME/bin

$./hive

注意：CRT软件进入到hive命令行模式的时候默认不支持回退修改命令，需要修改CRT的会话选项：

2、创建数据库

hive> create  database  IF NOT EXISTS  test  COMMENT '测试数据库'  LOCATION '/ruozedata' WITH DBPROPERTIES ('creater'='liuzd','date'='20180605')；

IF NOT EXISTS：如果不存在则创建

COMMENT：添加注释

LOCATION：指定hdfs存放路径

WITH DBPROPERTIES：添加自定义属性

3、查询数据库信息

hive> desc database  extended test;

4、删除数据库

hive> drop database test CASCADE;

cascade:级联删除库下的表，默认会提示报错（值为RESTRICT），生产不建议使用

5、修改数据库

hive> alter database test set location '/ruozedata';

注意：根据hive版本不同，hive支持的SQL也不一样，官网内容如下：

6、数据库切换

hive> use test;

7、常用数据类型

int：整型 

bigint：长整型

float：浮点型

double：双精度

string：字符串

8、创建表

hive> CREATE EXTERNAL TABLE ruozedata_person

    > (id int comment 'this is id', name string comment 'this id name' )

    > comment 'this is ruozedata_person'

    > ROW FORMAT DELIMITED

    > FIELDS TERMINATED BY '\t'

  > location  '/user/hive/warehouse/test.db/emp';

EXTERNAL：创建外部表的关键字，默认是内部表

comment：添加注释，跟在字段后就是字段的注释，跟在表后就是表的注释

ROW FORMAT DELIMITED  FIELDS TERMINATED BY '\t'：指定加载数据的列分隔符为制表符

location：指定表数据存放路径

like方式创建表，复制表结构

hive> CREATE external table ruozedata_emp2 like emp location '/user/hive/warehouse/test.db/emp';

select方式创建表，可以顺带复制数据

hive> create table emp2 as select * from emp;

9、查看表结构

hive> desc formatted ruozedata_person;

10、修改表

修改表名：

hive> alter table ruozedata_person rename to person;

hive> show tables

修改字段：

hive> CREATE TABLE test_change (a int, b int, c int);

// First change column a's name to a1.

hive> ALTER TABLE test_change CHANGE a a1 INT;

// Next change column a1's name to a2, its data type to string, and put it after column b.

hive> ALTER TABLE test_change CHANGE a1 a2 STRING AFTER b;

// The new table's structure is:  b int, a2 string, c int.

// Then change column c's name to c1, and put it as the first column.

hive> ALTER TABLE test_change CHANGE c c1 INT FIRST;

// The new table's structure is:  c1 int, b int, a2 string.

// Add a comment to column a1

hive> ALTER TABLE test_change CHANGE a1 a1 INT COMMENT 'this is column a1';

11、删除表

hive> drop table person;

12、加载数据

hive> LOAD DATA LOCAL INPATH '/home/hadoop/emp.txt' OVERWRITE INTO TABLE emp;

LOCAL：指定文件为本地文件，默认为HDFS文件系统

OVERWRITE：覆盖写入到表中，默认追加

13、insert方式插入数据(追加)

hive> insert into emp2 select * from emp;

14、insert方式插入数据(覆盖)

hive> insert overwrite table emp2 select * from emp;

注意：emp2和emp结构要一致，字段顺序要一致。

15、insert  into values

hive> insert into a(id,name) values(1,'ruoze');

注意：insert into  values的方式不是直接写数据到原表上，而是新建临时表存储数据，然后把数据cp一份到目标表的路径里。

16、数据查询

group by

求每个部门的平均工资大于2000的部门

hive> select deptno, avg(salary)  from emp group by deptno having avg(salary)>2000;

case when then

hive> select ename,salary,

    > case

    > when salary>1 and salary<=1000 then 'lower'

    > when salary>1000 and salary<=2000 then 'middle'

    > when salary>2000 and salary<=4000 then 'high'

    > else 'highest'

    > end

    > from emp;

join查询

inner join==join

full join

left join

right join

17、分区表(静态分区)

hive> create table emp_patition(

    > empno                  int,                                       

    > ename                  string  ,                                   

    > job                    string ,                                   

    > mgr                    int      ,                                 

    > hiredate                string    ,                                 

    > salary                  double    ,                                 

    > comm                    double   

    > )

    > partitioned by (deptno int)

    > row format delimited fields terminated by '/t';

hive> alter table emp_patition rename to emp_partition;

insert into select方式插入分区表数据

查看分区表HDFS存储

insert  overwrite table方式插入数据

18、分区表(动态分区)

hive> create table emp_patition2(

    > empno                   int,                                       

    > ename                   string  ,                                   

    > job                     string ,                                   

    > mgr                     int      ,                                 

    > hiredate                string    ,                                 

    > salary                  double    ,                                 

    > comm                    double   

    > )

    > partitioned by (deptno int)

    > row format delimited fields terminated by '/t';

hive> alter table emp_patition rename to emp_partition;

注意：insert into=insert into table，动态分区需要设置参数set hive.exec.dynamic.partition.mode=nonstrict，否则插入报错。动态分区和静态分区没有任何区别，除了以上设置和数据的录入方式以外。

注意：动态分区要求分区字段的位置要放在select最后一个，如果是多级分区则按照顺序放到最后，不要求名称一致。

19、多级分区表

hive> create table emp_mulit_partition(

    > empno                  int,

    > ename                  string)

    > partitioned  by (deptno int,job string)

    > row format delimited fields terminated by '/t';