Hive四种表的应用

Hive四种表的应用：

1.内部表：
Hive默认创建的表类型为内部表

特点：
当表定义被删除的时候（如：drop table stu）,表中的数据一并被删除(HDFS数据目录，源数据库表文件一并被删除)；

使用场景：
多用来存储一些非业务类型数据，如：各省及对应区号表，全球每个国家及对应代码表。
而每天收集的业务数据尽量不要定义成内部表，这样即使表删除了，数据还在。

创建内部表，并加载数据：
create table order2 (id int,name string,value float) row format delimited fields terminated by ‘,’;

insert into order2(id,name,value) values (1,“xiaoming”,10000);//命令行插入

load data local inpath ‘/opt/mysoft/su.txt’ into table order2;//加载本地文件

load data inpath ‘hdfs://qiku1:9000/yjy’ into table order2;//加载HDFS文件到表中(系统自动删除了原有的HDFS文件)

2.外部表：
外部表只是对HDFS上相应文件的一个引用，仅此而已，当删除表定义的时候(drop table stu),表中的数据依然存在(HDFS数据目录仍然存在)。

特点：
当表定义被删除的时候（如：drop table stu），数据仍然存在。

使用场景：
多用来存储一些业务类型数据
如收集的业务数据 ，即使表删除了，数据还在。

创建外部表：
create external table jing(id int,name string,value float) row format delimited fields terminated by ‘,’ location ‘/guangzhou’;

load data local inpath ‘/opt/mysoft/su.txt’ into table jing;//插入数据

load data inpath ‘hdfs://qiku1:9000/yjy’ into table jing;//插入HDFS文件到表中(系统自动删除了原有的HDFS文件)

3.分区表
根据插入数据的标识(partitioned)创建不同的目录。

使用场景：
可以通过分区表，将每天搜集的数据进行区分，查询统计的时候通过指定分区，提高查询效率。

创建分区表：
create table order3(id int,name string,value float) partitioned by (cur_date string) row format delimited fields terminated by ‘,’;

插入数据：
loa加粗样式d data local inpath ‘/opt/mysoft/su.txt’ into table order3 partition (cur_date=‘20191009’);
load data local inpath ‘/opt/mysoft/su.txt’ into table order3 partition (cur_date=‘20191010’);

查看HDFS目录，在表目录下根据分区标号生成不同的目录

查看表已经生成了那些分区：
show partitions order3;

手动创建一个分区(空目录):
alter table order3 add partition(cur_date=‘20191011’);

删除一个分区(数据也删掉):
alter table order3 drop partition(cur_date=‘20191010’);

将分区标识作为条件进行查询:
select * from order3 where cur_date=‘20191009’;
select * from order3 where cur_date=‘20191009’ and id=1;

桶表：
通过对数据进行哈希码取值，然后放到不同文件中存储，每个桶文件 = 数据的哈希值 % 总桶数量。

特点：
根据数据哈希值分别放入不同的文件目录中。

使用场景：
可以根据每行数据的哈希值，分别放入不同的目录文件中，多用于数据抽查。

创建桶表：(间隔一定要与源表的数据间隔一致)
create table sheng3(id int,name string,value float) clustered by (id) into 4 buckets row format delimited fields terminated by ‘,’;

插入之前，先开启数据分桶开关，否则数据不分桶操作：
set hive.enforce.bucketing=true;//开启数据分桶开关
insert into table sheng3 select * from jing;//插入

总结：
1.通过load data inpath ‘HDFS目录’ into table stu;加载数据后，系统会会删除掉HDFS目录对应的数据。
2.生产环境中，往往创建外部表用来存储业务数据。
3.桶表多用来数据抽样。
4.不能简单的通过load data 方式插入桶表，尽管数据能插入成功，但未按规则分配到桶目录中。
插入桶数据之前，先开启数据分桶开关，否则数据不分桶操作。