Hive DDL常见操作

一、数据库操作

1.1、创建数据库

1）创建一个数据库，在HDFS上的默认存储路径是/user/hive/warehouse/*.db。

hive (default)> create database db_hive;

2）避免要创建的数据库已经存在错误，增加if not exists判断，如下：

hive (default)> create database db_hive;
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 db_hive;

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 db_hive2 location '/db_hive2.db';

1.2、查询数据库

1.2.1、显示所有数据库

hive> show databases;

1.2.2、过滤显示查询的数据库

hive> show databases like 'db_hive*';

OK

db_hive

db_hive_1

1.2.3、显示数据库信息

hive> desc database db_hive;

OK

db_hive     hdfs://hadoop102:9000/user/hive/warehouse/db_hive.db atguiguUSER     

1.2.4、显示数据库详细信息，extended，可显示出增加属性等信息

hive> desc database extended db_hive;

OK

db_hive     hdfs://hadoop102:9000/user/hive/warehouse/db_hive.db atguiguUSER 

1.2.5、切换当前数据库

hive (default)> use db_hive;

1.3、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 db_hive set dbproperties('createtime'='20170830');

在hive中查看修改结果

hive> desc database extended db_hive;

db_name comment location        owner_name      owner_type      parameters

db_hive         hdfs://hadoop102:8020/user/hive/warehouse/db_hive.db    atguigu USER    {createtime=20170830}

1.4、删除数据库

1.4.1．删除空数据库

hive>drop database db_hive2;

1.4.2．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 db_hive;

FAILED: SemanticException [Error 10072]: Database does not exist: db_hive

hive> drop database if exists db_hive2;

1.4.3．如果数据库不为空，可以采用cascade命令，强制删除

hive> drop database db_hive;

FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. InvalidOperationException(message:Database db_hive is not empty. One or more tables exist.)

hive> drop database db_hive cascade;

二、表操作

2.1、创建表

2.1.1．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]

2.1.2．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。

SerDe是Serialize/Deserilize的简称，目的是用于序列化和反序列化。

（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）LIKE允许用户复制现有的表结构，但是不复制数据。

2.2、修改表

2.2.1 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 dept_partition2 rename to dept_partition3;

2.2.2 增加/修改/替换列信息

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

（1）查询表结构

hive> desc dept_partition;

（2）添加列

hive (default)> alter table dept_partition add columns(deptdesc string);

（3）更新列

hive (default)> alter table dept_partition change column deptdesc desc int;

（4）替换列

hive (default)> alter table dept_partition replace columns(deptno string, dname string, loc string);

2.3、删除表

hive (default)> drop table dept_partition;

三、分区表操作

所谓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

3.1 分区表基本操作

3.1.1  引入分区表（需要根据日期对日志进行管理），如下存储格式

/user/hive/warehouse/log_partition/20200702/20200702.log

/user/hive/warehouse/log_partition/20200703/20200703.log

/user/hive/warehouse/log_partition/20200704/20200704.log

3.1.2  创建分区表语法

partitioned by (month string) 是指按月分区

hive (default)> create table dept_partition(
deptno int, dname string, loc string
)
partitioned by (month string)
row format delimited fields terminated by '\t';

3.1.3  加载数据到分区表中

hive (default)> load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition partition(month='202009');

hive (default)> load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition partition(month='202008');

hive (default)> load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition partition(month='202007’);

 

3.1.4  查询分区表中数据

 （1）单分区查询

hive (default)> select * from dept_partition where month='202009';

 （2）多分区联合查询

hive (default)> select * from dept_partition where month='202009'
              union
              select * from dept_partition where month='202008'
              union
              select * from dept_partition where month='202007';
-----------------------------------------------------------------
_u3.deptno      _u3.dname       _u3.loc _u3.month

10      ACCOUNTING      NEW YORK        202007
10      ACCOUNTING      NEW YORK        202008
10      ACCOUNTING      NEW YORK        202009
20      RESEARCH        DALLAS  202007
20      RESEARCH        DALLAS  202008
20      RESEARCH        DALLAS  202009
30      SALES   CHICAGO 202007
30      SALES   CHICAGO 202008
30      SALES   CHICAGO 202009
40      OPERATIONS      BOSTON  202007
40      OPERATIONS      BOSTON  202008
40      OPERATIONS      BOSTON  202009

3.1.5  增加分区

  （1）创建单个分区

hive (default)> alter table dept_partition add partition(month='202006');

  （2）同时创建多个分区

hive (default)> alter table dept_partition add partition(month='202005') partition(month='202004');

3.1.6  删除分区

 （1） 删除单个分区

hive (default)> alter table dept_partition drop partition (month='202004');

（2）同时删除多个分区

hive (default)> alter table dept_partition drop partition (month='202005'), partition (month='202006');

3.1.7  查看分区表有多少分区

hive> show partitions dept_partition;

3.1.8  查看分区表结构

hive> desc formatted dept_partition;

# Partition Information         
# col_name              data_type               comment            

month                   string  

 

3.2、二级分区表基本操作

3.2.1 创建二级分区表

hive (default)> create table dept_partition2(
               deptno int, dname string, loc string
               )
               partitioned by (month string, day string)
               row format delimited fields terminated by '\t';

3.2.2  正常的加载数据

（1）加载数据到二级分区表中

hive (default)> load data local inpath '/opt/module/datas/dept.txt' into table

 default.dept_partition2 partition(month='202009', day='13');

（2）查询分区数据

hive (default)> select * from dept_partition2 where month='202009' and day='13';

四、数据导入hive仓库

hive查询到表数据有两个条件：hdfs存在数据文件；mysql中存在元数据，所以让分区表和数据产生关联大致有三种方式

4.1 方式一：上传数据后修复

 （1）hdfs直接上传数据

#创建hdfs路径
hive (default)> dfs -mkdir -p /user/hive/warehouse/dept_partition2/month=202009/day=12;

#上传数据文件
hive (default)> dfs -put /opt/module/datas/dept.txt /user/hive/warehouse/dept_partition2/month=201709/day=12;

（2）执行修复命令，同时会把hdfs中已经存在的分区添加到mysql中元数据

hive> msck repair table dept_partition2;

4.2 方式二：上传数据后添加分区

（1）上传数据到hdfs

hive (default)> dfs -mkdir -p /user/hive/warehouse/dept_partition2/month=202009/day=11;

hive (default)> dfs -put /opt/module/datas/dept.txt /user/hive/warehouse/dept_partition2/month=202009/day=11;

（2）执行添加分区，同时会添加mysql中元数据

  hive (default)> alter table dept_partition2 add partition(month='202009',day='11');

4.3 方式三：创建文件夹后load数据到分区

 hdf加载本地数据到hdfs，同时会创建mysql元数据

hive (default)> load data local inpath '/opt/module/datas/dept.txt' into table dept_partition2 partition(month='201709',day='10');