Hive学习之Load和Insert语句

Load语句

      使用Load语句可以方便的将本地文件系统或者HDFS中的文件加载到Hive表中，语句格式如下：

LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename[PARTITION (partcol1=val1, partcol2=val2 ...)]

      在该语句中，如果包含LOCAL关键字，则复制本地文件系统中的文件到目标表中，如果不包含LOCAL关键字，则移动文件到目标表中。示例如下：

hive> dfs -lsr /user/hadoop/iis/input;
     -rw-r--r--   1 hadoop supergroup       3287 2014-07-01 09:59/user/hadoop/iis/input/iis.log
hive> loaddata inpath '/user/hadoop/iis/input/iis.log' into table idppartition(createDate='2014-03-03', source=1);
      Loading data totable logdb.idp partition (createdate=2014-03-03, source=1)
      Partitionlogdb.idp{createdate=2014-03-03, source=1} stats: [numFiles=1, numRows=0,totalSize=3287, rawDataSize=0]
      OK
      Time taken:1.499 seconds
hive> dfs -lsr /user/hadoop/iis/input;
hive> dfs -lsr /user/hive/warehouse/logdb.db/idp;
      drwxr-xr-x   - hadoop supergroup          0 2014-07-01 10:21/user/hive/warehouse/logdb.db/idp/createdate=2014-03-03
      drwxr-xr-x   - hadoop supergroup          0 2014-07-01 10:22/user/hive/warehouse/logdb.db/idp/createdate=2014-03-03/source=1
      -rw-r--r--   1 hadoop supergroup       3287 2014-07-01 10:22/user/hive/warehouse/logdb.db/idp/createdate=2014-03-03/source=1/iis.log

      如果表是分区表则必须指定PARTITION从句，否则会报如下错误：

FAILED:SemanticException [Error 10062]: Need to specify partition columns because thedestination table is partitioned

      从上面的演示可以看出，Load语句在加载数据到表中时不会对数据做任何转换，该操作只是单纯地复制或者移动数据文件到Hive表对应的位置。Load语句中的filepath既可以是单个文件也可以是目录，如果是目录的话不可以包含子目录。前一种情况复制或者移动文件到表中，后一种情况复制或者移动目录中的所有文件到表中。Filepath既可以是相对路径，如iis.log，也可以是绝对路径，如/usre/hadoop/iis/input/iis.log，还可以是带有scheme和authority的完整URI，如hdfs://Hadoop:9000/ usre/hadoop/iis/input/iis.log。

      如果使用了LOCAL关键字，则会在本地文件系统中寻找filepath，如果filepath是相对路径，则该路径会被解释为相对于用户的当前工作目录，用户也可以指定为本地文件指定完整URI，例如：file:///home/hadoop/iis.log，或者直接写为/home/hadoop/iis.log。Load语句将会复制由filepath指定的所有文件到目标文件系统（目标文件系统由表的location属性推断得出），然后移动文件到表中。

      如果未使用LOCAL关键字，filepath必须指的是与目标表的location文件系统相同的文件系统上的文件。Hive或者使用filepath的完整URI，或者使用下面所示的规则：

• 如果scheme或者authority没有指定，Hive将使用Hadoop配置参数fs.default.name中的scheme和authority。
• 如果不是绝对路径，Hive将会解释为相对于/user/<username>的路径。
• Hive将会移动filepath指定的文件到表或者分区中。

      如果使用了OVERWRITE关键字，目标表或者分区中的内容将被删除并被替换为filepath指定的文件，若未使用OVERWRITE关键字，文件将会被增加到表中。如果目标表或者分区的某个文件与filepath包含的文件名冲突，则新文件将替换已经存在的文件。

      Hive执行最小化的检查以确保正在加载的文件与目标表匹配，目前Hive仅检查表的存储格式与被加载的文件格式是否相同，即如果加载textfile到sequencefile就会出现错误。

Insert语句

      Insert语句的标准语法格式为：

INSERT OVERWRITE TABLE tablename1 [PARTITION (partcol1=val1, partcol2=val2 ...) [IF NOT EXISTS]] select_statement1 FROM from_statement;
 
INSERT INTO TABLE tablename1 [PARTITION (partcol1=val1, partcol2=val2 ...)] select_statement1 FROM from_statement;

      INSERT  OVERWRITE语句将会覆盖表或者分区中任何存在的数据，但如果为分区指定了IF NOT EXISTS关键字则不会覆盖分区中的数据。Hive还支持多个插入操作，语法如下：

FROM from_statement
INSERT OVERWRITE TABLE tablename1 [PARTITION (partcol1=val1, partcol2=val2 ...) [IF NOT EXISTS]]select_statement1
[INSERT OVERWRITE TABLE tablename2 [PARTITION ... [IF NOT EXISTS]] select_statement2]
[INSERT INTO TABLE tablename2 [PARTITION ...] select_statement2] ...;
 
FROM from_statement
INSERT INTO TABLE tablename1 [PARTITION (partcol1=val1, partcol2=val2 ...)] select_statement1
[INSERT INTO TABLE tablename2 [PARTITION ...] select_statement2]
[INSERT OVERWRITE TABLE tablename2 [PARTITION ... [IF NOT EXISTS]] select_statement2] ...;

      多表插入最小化了要求的数据扫描次数，Hive可以仅扫描输入数据一次并应用不同的查询操作符，然后将数据插入多个表中。

      INSERT INTO语句添加数据到表或者分区中，且保持现存数据完好无缺。Insert语句可以应用于表或分区，如果是一个分区表，在插入数据时必须通过指定所有分区列的值来指定表的分区。

      Hive还支持动态分区插入，用户可以在PARTITION从句中仅指定分区列的名称，分区列的值是可选的。如果给定分区列的值，称该分区列为静态分区，否则为动态分区。每个动态分区列对应select子句的一个输入列，动态分区列必须在select子句中所有输入列的最后指定，并且与它们在PARTITION从句出现的顺序保持一致。动态分区插入的语法为：

INSERT OVERWRITE TABLE tablename PARTITION (partcol1[=val1], partcol2[=val2] ...)select_statement  FROM  from_statement;
INSERT INTO TABLE tablename PARTITION (partcol1[=val1], partcol2[=val2] ...) select_statement  FROM  from_statement;

      默认情况下动态分区插入是禁用的，下表是关于动态分区插入的相关配置属性：

配置参数	默认值	描述
hive.error.on.empty.partition	false	在动态分区插入产生空结果时是否抛出异常。
hive.exec.dynamic.partition	false	是否允许动态分区插入，若允许则设置为true。
hive.exec.dynamic.partition.mode	strict	在strict模式 中用户至少指定一个静态分区以防用户不慎覆盖所有分区，在nonstrict模式中所有分区都允许是动态的。

      将上面的插入语句稍微改动一下，就可以将查询结果插入到文件系统的目录中，语句如下：

INSERT OVERWRITE [LOCAL] DIRECTORY directory
[ROW FORMATrow_format] [STORED AS file_format] 
SELECT ... FROM...
 
FROM from_statement
INSERT OVERWRITE [LOCAL] DIRECTORY directory1 select_statement1
[INSERT OVERWRITE [LOCAL] DIRECTORY directory2 select_statement2] ...

      如果指定LOCAL关键字，Hive将向本地文件系统的目录写入数据，写入文件系统的数据会被序列化为文本格式，如果输出列不是基本类型，这些列将被序列化为JSON格式。如果指定的目录存在则会覆盖该目录中的文件。示例如下：

insert overwrite local directory '/home/hadoop/test' row format delimited fields terminated by'\t' select * from idp;