Hive的DDL操作

本部分主要是讲述了两部分：一个是对数据库的增删查改，一个是对表的增删改

重点：创建表的完整创建过程，分区表的理解和操作

引言

       其实alter命令就是在操作元数据，其实就是对mysql的数据库中的元数据进行操作

一、数据库的DDL

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 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。（标准写法）

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';

2、 查询数据库

2.1 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 'db_hive*';

OK

db_hive

db_hive_1

2.2 查看数据库详情

1．显示数据库信息

hive> desc database db_hive;

2．显示数据库详细信息，extended

hive> desc database extended db_hive;

2.3 切换当前数据库

hive (default)> use db_hive;

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;

4 、删除数据库---慎做

1．删除空数据库

hive>drop database db_hive2;

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;

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、表的DDL

1、 ★创建表

1．建表语法 下面的顺序不能变

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。

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、管理表(MANAGED_TABLE)

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）数据+结构

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  结构

create table if not exists student4 like student;

（4）查询表的类型

hive (default)> desc formatted student2;

Table Type:             MANAGED_TABLE 

3、外部表(external  table)

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、举例

create external table if not exists dept( deptno int, dname string, loc int ) row format delimited fields terminated by '\t';

 管理表与外部表的互相转换

举例：

修改内部表student2为外部表

alter table student2 set tblproperties('EXTERNAL'='TRUE');

修改外部表student2为内部表

alter table student2 set tblproperties('EXTERNAL'='FALSE');

4、★分区表

简单的说，分区就是给表在加一个伪列

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。分区表实际上是一种优化手段，分的是文件夹，

1）创建分区表

关键字：partitioned by

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

2）加载数据

在加载数据的时候，一定要指定分区值

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

3）查询分区的数据

分区字段就相当于伪列，在查询的时候也会当做列出现，但是他不能和表的字段相同

单分区查询   hive (default)> select * from dept_partition where month='201709';

hive (default)> select * from dept_partition where month='201709'

              union    select * from dept_partition where month='201708'

4）增加分区

创建单个分区

hive (default)> alter table dept_partition add partition(month='201706') ;

同时创建多个分区  两个partition之间没有逗号！！！！！

hive (default)> alter table dept_partition add partition(month='201705') partition(month='201704');

5）删除分区

删除单个分区

hive (default)> alter table dept_partition drop partition (month='201704');

同时删除多个分区  两个partition之间有逗号

hive (default)> alter table dept_partition drop partition (month='201705'), partition (month='201706');

6）查看有多少分区

hive> show partitions dept_partition;

7）★ 查看分区表结构

hive> desc formatted dept_partition;

5、分区表与数据产生关联的三种方式

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';

加载：

hive (default)> load data local inpath '/opt/module/datas/dept.txt' into table   default.dept_partition2 partition(month='201709', day='13');

查询：

hive (default)> select * from dept_partition2 where month='201709' and day='13';

2）把数据直接上传到分区目录上，让分区表和数据产生关联的三种方式

       方式一：上传数据后修复

       hive> msck repair table dept_partition2;

       方式二：上传数据后添加分区

  hive (default)> alter table dept_partition2 add partition(month='201709',   day='11');

       方式三：创建文件夹后load数据到分区

          创建目录

           hive (default)> dfs -mkdir -p   /user/hive/warehouse/dept_partition2/month=201709/day=10;

          上传数据

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

6、修改和删除表 

1、重命名表

ALTER TABLE table_name RENAME TO new_table_name

2、增加/修改/替换列信息

更新列

ALTER TABLE table_name CHANGE  col_old_name col_new_name column_type  [FIRST|AFTER column_name]

First和after 列这两个是指定字段位置

增加和替换列

ALTER TABLE table_name ADD|REPLACE COLUMNS (col_name data_type , ...)

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。

3、删除表

drop table dept_partition;