Hive笔记 —— 表加载数据的四种方式

建表

create table students(
    id bigint comment '学生id',
    name string comment '学生姓名',
    age int comment '学生年龄',
    gender string comment '学生性别',
    clazz string comment '学生班级'
) comment '学生信息表' 
ROW FORMAT DELIMITED FIELDS TERMINATED BY ','; 

创建一个内部表，表名为 students

在hive里面建立数据库后，默认会在hdfs里面的 /user/hive/warehouse下面生成一个数据库文件夹，这里创建的数据库名字叫demo，生成的文件夹名字为 demo.db

之后在这个数据库里面建表，建表成功后会在 demo.db 文件夹下面创建一个新的文件夹，文件夹名字就是表名（前提是没有使用location语句）

将本地存放数据的students.txt文件上传到这个文件夹里面，hadoop dfs -put students.txt /user/hive/warehouse/demo.db/students

然后就可以直接在hive中操作，hive> select * from students;

发现数据被成功读取，说明将文件上传到 hive的表的对应路径下，hive会自动加载文件进入表中

另外，文件名不需要与表名相同，我建立了一个表名为scores的表，传入文件夹里面的文件名为score.txt，一样能正常读取数据

但是要求字段要一样，比如建表语句里面只设置了三个字段，但是文件中一行有五个字段，那么读取的时候就会出现问题

内部表，外部表删除表的区别

内部表删除表的同时会删除存储数据
拿上面创建的students内部表举例，还没有删表时，可以在hdfs中查找到传入的数据文件students.txt

执行删表语句，drop table students;

在返回看hdfs中的students表对应的数据文件位置，会发现报错，不仅students表被删除了，hdfs中存储的数据文件也被删除了

外部表删除表的同时不会删除存储数据
删除之前的students内部表后，创建一张名为students的外部表
外部表的建表语句就比内部表多了一个 external

create external table students(
    id bigint comment '学生id',
    name string comment '学生姓名',
    age int comment '学生年龄',
    gender string comment '学生性别',
    clazz string comment '学生班级'
) comment '学生信息表' 
ROW FORMAT DELIMITED FIELDS TERMINATED BY ','; 

没有location语句，默认在/user/hive/warehouse/库名 创建新的文件夹students用于存放数据

同样，利用hadoop dfs -put语句将数据文件传送到students表对应的存储位置下。然后执行删表语句

会发现外部表的删表语句只有一个OK提示，而内部表的删除语句会提示将hdfs中的数据文件移入了回收站

刷新，发现students文件还在，没有被删除

利用location改变表的存储位置

在hdfs的根目录下面创建一个新的文件夹 hadoop dfs -mkdir /test
然后是建表语句

create table students(
    id bigint comment '学生id',
    name string comment '学生姓名',
    age int comment '学生年龄',
    gender string comment '学生性别',
    clazz string comment '学生班级'
) comment '学生信息表' 
ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
location '/test';

此时students表的存储位置不再是默认的 /user/hive/warehouse/库名 下面，而是被改为了 /test 文件夹下
现在将students.txt 数据文件传送到 /test 文件夹下面，hadoop dfs -put students.txt /test
文件传送完成后，执行一下查询语句 select * from students;

查询成功，说明 students表从指定的存储位置 /test 里面获取到了数据

最后再执行一下删表语句，drop table students;

之前在hdfs的根目录下创建的 test文件被整个删除了

所以操作比较重要的数据时，建议使用外部表，避免不小心删表，连同数据文件一起删除的情况。

truncate 清空表数据的情况

之前都是用drop直接删除表，现在来看一下用truncate清空表数据的情况

内部表

hive> truncate table students;
OK
Time taken: 0.201 seconds

表格存储位置的文件被删除

外部表

hive> truncate table students;
FAILED: SemanticException [Error 10146]: Cannot truncate non-managed table students.

外部表清空表数据会直接报错，不允许清空表数据

加载数据的四种方式

hadoop dfs -put linux本地路径 hdfs路径

前面都用了这第一种方式，就是将数据文件直接从本地传送到 表格在hdfs中的存储位置

这里就不再举例了

特点：

1. 需要两个终端，一个终端用来操作hive，一个终端用来向hdfs上传数据文件
2. 数据文件经历了从 linux本地 到 hdfs 的跨越
3. 文件上传速度较慢

dfs -put linux本地路径 hdfs路径

dfs   -put   /usr/local/data/students.txt   /user/hive/warehouse/demo.db/students;

文件同样上传成功，并且可以正常执行 select 语句

特点：

1. 只需要一个终端，在hive命令行即可完成全部操作
2. 数据文件经历了从 linux本地 到 hdfs 的跨越
3. 文件上传速度较快

load data inpath ‘hdfs路径’ into table 表名

这里注意要开始在路径上加引号了

首先在hdfs的根目录下创建一个文件夹 data，用来存放数据文件，然后将linux里面的数据文件先传送到这个文件夹下面

接着执行建表语句，与上面都一样，这里就不再写了

接着执行load语句从hdfs中加载数据

hive> load data inpath '/data/students.txt' into table students;
Loading data to table demo.students
Table demo.students stats: [numFiles=1, totalSize=41998]
OK
Time taken: 0.753 seconds

加载完数据后发现students.txt原先存放的路径 /data 下为空，而相对应的students的存储位置多出了一个students.txt数据文件

特点：

1. 只需要一个终端，在hive命令行即可完成全部操作
2. 从hdfs中加载数据，数据文件仅在hdfs中进行转移
   注意这里， load data inpath 会将数据文件从原来的hdfs路径 剪贴 到自己的存储路径下

load data local inpath ‘linux本地路径’ into table 表名

hive> drop table students;
Moved: 'hdfs://master:9000/user/hive/warehouse/demo.db/students' to trash at: hdfs://master:9000/user/root/.Trash/Current
OK
Time taken: 0.456 seconds


hive> create table students(
    >     id bigint comment '学生id',
    >     name string comment '学生姓名',
    >     age int comment '学生年龄',
    >     gender string comment '学生性别',
    >     clazz string comment '学生班级'
    > ) comment '学生信息表' 
    > ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
OK
Time taken: 0.072 seconds


hive> load data local inpath '/usr/local/data/students.txt' into table students;
Loading data to table demo.students
Table demo.students stats: [numFiles=1, totalSize=41998]
OK
Time taken: 0.199 seconds

特点：

1. 只需要一个终端，在hive命令行即可完成全部操作
2. 从linux本地加载数据，数据文件经历了从 linux本地 到 hdfs 的跨越