大数据技术之Hive2

3、Hive 数据类型

3.1 基本数据类型：

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。

3.2 集合数据类型：

Hive 有三种复杂数据类型 ARRAY、MAP 和 STRUCT。ARRAY 和 MAP 与 Java 中的Array 和 Map 类似，而 STRUCT 与 C 语言中的 Struct 类似，它封装了一个命名字段集合，复杂数据类型允许任意层次的嵌套。

3.3 类型转化

Hive 的原子数据类型是可以进行隐式转换的，类似于 Java 的类型转换，例如某表达式使用 INT 类型，TINYINT 会自动转换为 INT 类型，但是 Hive 不会进行反向转化，例如，某表达式使用 TINYINT 类型，INT 不会自动转换为 TINYINT 类型，它会返回错误，除非使用 CAST 操作。

1，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。

2，可以使用 CAST 操作显示进行数据类型转换
cast(‘1’ as int) 把字符串‘1’转换成了整数1.
cast(‘x’ as int) 强制类型转换失败，会返回空值null

4、DDL数据定义

4.1 创建数据库

创建数据库：create database db_hive;
创建数据库（避免已存在错误）：create database if not exists db_hive;
创建数据库指定存放位置：create database db_hive location ‘/db_hive2.db’;

4.2 查询数据库

显示数据库：show databases;
过滤显示数据库：show databases like ‘db_hive*’;

显示数据库信息：desc database db_hive;
显示数据库详细信息：desc database extended db_hive;
切换当前数据库：use db_hive;
修改数据库：alter database hive set dbproperties(‘createtime’ = ‘20170830’ );
删除空数据库：drop database db_hive2;
删除数据库（避免不存在）：drop database is exists db_hive2;
如果数据库不为空，采用cascade强制删除：drop database db_hive cascade;

4.3 创建表

建表语句：
create table 表名

（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。

4.4 管理表

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

--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   ---指定存储文件类型
location '/user/hive/warehouse/student2'; --指定表在 HDFS 上的存储位置

4.5 外部表

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。

外部表与管理表：
每天收集到的日志表流入HDFS文件，在外部表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

向外部表中导入数据：
load data local inpath ‘文件’ into table default.dept;

desc formatted dept;

4.6 管理表与外部表的相互转换

查询表的类型：desc formatted student2;
修改内部表student2为外部表：alter table student2 set tblproperties(‘EXTERNAL’ = ‘TRUE’);
查询表的类型：desc formatted student2;
修改外表student2为内部表：alter table student2 set tblproperties(‘EXTERNAL’ = ‘FALSE’);
查询表的类型：desc formatted student2;

4.7 分区表

分区表对应hive中的一个独立的文件夹，该文件夹下是该分区所有的数据文件。
HIve中分区就是分目录。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。

4.7.1 分区表基本操作

2,创建分区表语法

create table 表名(deptno int,
dname string,
loc string)
partition by (month string)
row format delimited fields terminated by '\t';

3,加载数据到分区表中

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

load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition 
partition(month='201708');

4,查询分区表中数据

select * from dept_partition where month='201709';

5，增加分区add partition

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

同时创建多个分区

alter table 表名 add partition(month='201706') partition(month='201705');

6，删除分区

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

删除多个分区

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

7，查看分区表有多少个分区

 show partitions dept_partition;

8，查看分区表结构

 desc formatted dept_partition;

4.7.2 分区表注意事项

1，创建二级分区表

create table dept_partition2(deptno int, dname string, loc string
 )
 partitioned by (month string, day string)
 row format delimited fields terminated by '\t';

2，加载数据到二级分区表中

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

3，查询

select * from dept_partition2 where month='201709' and day='13';

4，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

4.7 修改表

4.7.1 重命名表

alter table 表名 rename to 新表名

alter table dept_partition2 rename to dept_partition3;

4.7.2 增加/修改/替换列信息

更新列：
alter table 表名 change 原列名 新列名 column_type [COMMENT col_comment] [FIRST|AFTER column_name]

增加和替换列：
ALTER TABLE table_name ADD|REPLACE COLUMNS (col_name data_type [COMMENT col_comment], …)

更新change、增加add、替换replace

1,查询表结构
desc 表名 ;

2,添加列
alter table 表名 add columns(列名 列类型);

3,查询表结构
desc 表名 ;

4,更新列
alter table 表名 add columns 列名 列类型 ;

5,替换列
alter table dept_partition replace columns(deptno string, dname string, loc string);

4.8 删除表

drop table 表名;