【图文详细 】Hive中DDL如何创建表呢？

创建表

1.语法结构：

详情请参见：

https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL#LanguageManualD

DL-CreateTable 

2、 建表语句相关解释

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。  

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）， 如果不存在，则会自动创建该目录。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。（经典面试问题） 
 
外部表和内部表的选择：

1、 如果数据已经存储在 HDFS 上了，然后需要使用 Hive 去进行分析，并且该份数据还 有可能要使用其他的计算引擎做计算之用，请使用外部表

2、 如果一份数据仅仅只是使用 Hive 做统计分析，那么可以使用内部表 

 
不管使用内部表和外部表，表的数据存储路径都是可以通过 location 指定的！！！！！！ 推荐方式：

1、 创建内部表的时候，最好别指定 location，就存储在默认的仓库路径

2、 如果要指定外部路径，那么请创建该表为外部表 
 
PARTITIONED BY 在 Hive Select 查询中一般会扫描整个表内容，会消耗很多时间做没必要 的工作。有时候只需要扫描表中关心的一部分数据，因此建表时引入 partition 概念。个表可以拥有一个或者多个分区，每个分区以文件夹的形式单独存在表文件夹的目录下， 分区是以字段的形式在表结构中存在，通过 desc table 命令可以查看到字段存在，但是 该字段不存放实际的数据内容，仅仅是分区的表示。

分区建表分为 2 种：

一种是单分区，也就是说在表文件夹目录下只有一级文件夹目录

一种是多分区，表文件夹下出现多文件夹嵌套模式 
 
LIKE：允许用户复制现有的表结构，但是不复制数据。 示例：create table tableA like tableB（创建一张 tableA 空表复制 tableB 的结构） 
 
COMMENT：可以为表与字段增加描述 
 
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。 
 
STORED AS TEXTFILE | SEQUENCEFILE | RCFILE 如果文件数据是纯文本，可以使用 STORED AS TEXTFILE，默认也是 textFile 格式，可以通 过执行命令 set hive.default.fileformat，进行查看，如果数据需要压缩，使用 STORED AS SEQUENCEFILE。 
 

CLUSTERED BY 

对于每一个表（table）或者分区，Hive 可以进一步组织成桶，也就是说桶是更为细 粒度的数据范围划分。Hive 也是针对某一列进行桶的组织。Hive 采用对列值哈希，然后 除以桶的个数求余的方式决定该条记录存放在哪个桶当中。 

把表（或者分区）组织成桶（Bucket）有两个理由：

（1）获得更高的查询处理效率。桶为表加上了额外的结构，Hive 在处理有些查询 时能利用这个结构。具体而言，连接两个在（包含连接列的）相同列上划分了桶的表， 可以使用 Map 端连接（Map Join）高效的实现。比如 JOIN 操作。对于 JOIN 操作两个表 有一个相同的列，如果对这两个表都进行了桶操作。那么将保存相同列值的桶进行 JOIN 操作就可以，可以大大较少 JOIN 的数据量。 

（2）使取样（Sampling）更高效。在处理大规模数据集时，在开发和修改查询的 阶段，如果能在数据集的一小部分数据上试运行查询，会带来很多方便。

LOCATION：指定数据文件存放的 HDFS 目录，不管内部表还是外表，都可以指定。不指 定就在默认的仓库路径。  

最佳实践：  

如果创建内部表请不要指定 location  如果创建表时要指定 location，请创建外部表。

3、 Hive 建表示例 

执行命令查看表结构：hive> desc formatted page_view; 

Hive 使用一个 Inputformat 对象将输入流分割成记录；使用一个 Outputformat 对象将记录格 式化为输出流，使用序列化/反序列化器 SerDe 做记录的解析（记录和列的转换） 。 它们的默认值分别是： 

Inputformat：org.apache.hadoop.mapred.TextInputFormat Outputformat：org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat SerDe：org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe 

4、 具体实例

a、 创建内部表

create table mytable (id int, name string)

 row format delimited fields terminated by ',' stored as textfile; 

b、 创建外部表 

create external table mytable2 (id int, name string) row format delimited fields terminated by ',' location '/user/hive/warehouse/mytable2'; 
 

c、 创建分区表

create table mytable3(id int, name string) partitioned by(sex string)  

row format delimited fields terminated by ',' stored as textfile; 

插入数据 插入男分区数据：load data local inpath '/root/hivedata/mingxing.txt' overwrite into table mytable3 partition(sex='boy'); 插入女分区数据：load data local inpath '/root/hivedata/mingxing.txt' overwrite into table mytable3 partition(sex='girl');
 

查询表分区： show partitions mytable3 
 

d、 创建分桶表

create table stu_buck(Sno int,Sname string,Sex string,Sage int,Sdept string) clustered by(Sno) sorted by(Sno DESC) into 4 buckets row format delimited fields terminated by ','; 

e、 使用 like 关键字拷贝表

// 不管老表是内部表还是外部表，new_table 都是内部表

create table new_table like mytable;

// 不管老表是内部表还是外部表，如果加 external 关键字，new_table 都是外部表

create external table if not exists new_table like mytable;