Hive-数据类型，DDL数据定义语言，DML数据操作

数据类型

基本数据类型

Hive 数据类型	Java 数据类型	长度	例子
TINYINT	byte	1 byte 有符号整数	20
SMALINT	short	2 byte 有符号整数	20
INT	int	4 byte 有符号整数	20
BIGINT	long	8 byte 有符号整数	20
BOOLEAN	boolean	布尔类型，true 或者 false	TRUE，FALSE
FLOAT	float	单精度浮点数	3.14159
DOUBLE	double	双精度浮点数	3.14159
STRING	string	字符串，可以指定字符集，可以使用单引号或者双引号	‘Good morning’，“Good afternoon”
TIMESTAMP		时间类型
BINARY		字节数组

    对于 Hive 的 String 类型相当于数据库的 varchar 类型，该类型是一个可变的字符串。不过它不能声明其中最多能存储多少个字符，理论上它可以存储 2GB 的字符数。

集合数据类型

数据类型	描述
STRUCT	和 c 语言中的 struct 类似，都可以通过“点”符号访问元素内容。例如，如果某个列的数据类型是 STRUCT{first STRING,last STRING}，那么第 1 个元素可以通过字段 .first 来引用
MAP	MAP 是一组键-值对元组集合，使用数组表示法可以访问数据。例如，如果某个列的数据类型是 MAP，其中键->值对是’first’->’John’和’last’->’Doe’，那么可以通过字段名 [‘last’] 获取最后一个元素
ARRAY	数组是一组具有相同类型和名称的变量的集合。这些变量称为数组的元素，每个数组元素都有一个编号，编号从零开始。例如，数组值为[‘John’, ‘Doe’]，那么第 2 个元素可以通过数组名 [1] 进行引用

create table test(
	name string,
	friends array,
	children map,
	address struct
)
row format delimited
fields terminated by ','				列分隔符
collection items terminated by '_'		MAP，STRUCT，和ARRAY 的分隔符(数据分割符号)
map keys terminated by ':'				MAP中的key与value的分隔符
lines terminated by '\n';				行分隔符

类型转化

    Hive 的基本数据类型是可以进行隐式转换的，类似于 Java 的类型转换，例如TINYINT 会自动转换为 INT 类型。但是 Hive 不会进行反向转化，例如，INT 不会自动转换为 TINYINT 类型。
    隐式类型转换规则如下

1. 任何整数类型都可以隐式地转换为一个范围更广的类型，如 TINYINT 可以转换成 INT，INT 可以转换成 BIGINT。
2. 所有整数类型、FLOAT 和 STRING 类型都可以隐式地转换成 DOUBLE。
3. TINYINT、SMALLINT、INT 都可以转换为 FLOAT。
4. BOOLEAN 类型不可以转换为任何其它的类型。

    使用 CAST 操作显示进行数据类型转换，例如 CAST(‘1’ AS INT) 将把字符串’1’ 转换成整数 1；如果强制类型转换失败，如执行CAST(‘X’ AS INT)，表达式返回空值 NULL。

DDL 数据定义语言

创建数据库

create database if not exists hive;

    创建数据库，指定数据库在HDFS上存放的位置，不会出现 *.db 文件夹

Create database if not exists hive location '/hive';

查询数据库

    显示数据库

show datatbases;

    显示数据库信息

desc database hive;

    显示数据库详细信息

desc database extended hive;

修改删除数据库

    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。

alter database hive set dbproperties('createtime'='20200528');

    删除空数据库

drop database if exists hive;

    使用cascade级联删除空数据库

drop database if exists hive cascade;

创建表

    创建表语法

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]

    普通创建表

create table if not exists student(
	id int, name string
)
row format delimited fields terminated by '\t'
stored as textfile
location '/hive/warehouse/student';

    根据查询结果创建表（查询的结果会添加到新创建的表中）

create table if not exists student as select id,name from person;

    根据已经存在的表结构创建表

create table if not exists student like person;

    查询表的类型

desc formatted student;

内部表和外部表

    默认创建的表都是所谓的管理表，有时也被称为内部表。当我们删除一个管理表时，Hive 也会删除这个表中数据。
    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。
    应用场景：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。
    管理表与外部表的互相转换，注意：(‘EXTERNAL’=‘TRUE’)和(‘EXTERNAL’=‘FALSE’)一定要大写。

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

分区表

    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。分区表形式如下：

/hive/warehouse/log_partition/20170702/20170702.log
/hive/warehouse/log_partition/20170703/20170703.log
/hive/warehouse/log_partition/20170704/20170704.log

    创建分区表

create table log_partition(
	dname string, loc string
)
partitioned by (month string)
row format delimited fields terminated by '\t';

    加载数据到分区表中

load data local inpath '/opt/test.txt' into table log_partition partition(month='202005');

    查询分区表中数据

select * from loc_partition where month='202005';

    增加分区

alter table log_partition add partition(month='202005');

    创建多个分区，之间用空格隔开

alter table log_partition add partition(month='202005') partition(month='202006');

    删除分区

alter table log_partition drop partition(month='202005');

    删除多个分区，之间用逗号隔开

alter table log_partition drop partition(month='202005'),partition(month='202006');

    查看分区表有多少分区

show partitions log_partition;

    查看分区表结构

desc formatted log_partition;

    创建二级分区表

create table log_partition(
	dname string, loc string
)
partitioned by (month string,day string)
row format delimited fields terminated by '\t';

    加载数据到二级分区表中

load data local inpath '/opt/test.txt' into table log_partition partition(month='202005',day='28');

数据与元数据

    Hive查询数据是先查询元数据，然后根据元数据获取实际数据。Hive查询有两个条件：一、存在元数据。二、存在实际数据。不管是先有数据还是先有元数据，只要两个条件都满足，则可以查询到数据。如果缺少其中一个则查询不到数据。

hadoop fs -mkdir -p /hive/warehouse/test
hadoop fs -put /opt/test.txt /hive/warehouse/test
msck repair table test;
select * from test;

修改表

    重命名表

alter table student rename to pupil;

    增加列

alter table pupil add column(grade int);

    更新列，注意需要加上类型

alter table pupil change column name last_name string;

    替换列，REPLACE是替换表中所有字段。

alter table pupil replace column(id int,name string);

    删除表

 drop table pupil;

DML 数据操作

数据导入

1. 向表中装载数据（Load）

    加载本地文件到表hive

load data local inpath '/opt/test.txt' into table hive;

    加载 HDFS 文件到表 hive 中

load data inpath '/test.txt' into table hive;

    加载数据覆盖表中已有的数据

load data inpath '/test.txt' overwrite into table hive;

2. 向表中插入数据（Insert）

    基本插入数据

insert into table student partition(month='202005') values(1,'abc');

insert into table student partition(month='202005') select * from table;

    创建表并加载数据（As Select）

create table if not exists student as select id, name from student;

    创建表时通过 Location 指定加载数据路径

create table if not exists student(
	id int, name string
)
row format delimited fields terminated by '\t'
location '/hive/warehouse/student';

hadoop fs -put /opt/test.txt /hive/warehouse/student
select * from student;

     Import 数据到指定 Hive 表中。注意：先用 export 导出后，再将数据导入，因为export导出表时会产生元数据文件，import需要用到元数据。

export table temptable to '/hive/warehouse/export/student';
import table student partition(month='202005') from '/hive/warehouse/export/student';

数据导出

    insert将查询的结果导出到本地

insert overwrite local directory '/opt/test' select * from student;

    将查询的结果格式化导出到本地

insert overwrite local directory '/opt/test' row format delimited fields terminated by '\t' select * from student;

    将查询的结果导出到 HDFS 上(没有 local)

insert overwrite directory '/opt/test' select * from student;

    Hadoop 命令导出到本地

hadoop fs -get /hive/warehouse/test.txt /opt/test.txt

    Hive Shell 命令导出

hive -e 'select * from student;' > /opt/student.txt;

    Export 导出到 HDFS 上

export table student to /hive/warehouse/student;

清空表数据（truncate）

    Truncate 只能删除管理表，不能删除外部表中数据

truncate table student;