大数据之Hive DDL 数据定义完整使用（第四章）

柔光的暖阳◎ 2022-09-10 14:19 210阅读 0赞

### 大数据之Hive DDL 数据定义 ###

*  一、创建数据库
 *   *  1、创建一个数据库
     *  2、避免要创建的数据库已经存在错误
     *  3、创建一个数据库，指定数据库在 HDFS 上存放的位置
 *  二、查询数据库
 *   *  1、显示数据库
     *   *  1）显示数据库
         *  2）过滤显示查询的数据库
     *  2、查看数据库详情
     *   *  1）显示数据库信息
         *  2) 切换数据库
         *  3) 过滤显示查询的数据库
         *  4）显示数据库信息
         *  5）查数据库详细信息
 *  三、修改数据库
 *  四、删除数据库
 *   *  1）删除空数据库
     *  2）如果删除的数据库不存在，最好采用 if exists 判断数据库是否存在
     *  3）如果数据库不为空，可以采用 cascade 命令，强制删除
 *  五、创建表
 *   *  1）建表语法
     *  2）字段解释说明
     *  3）管理表
     *  4) 案例实操
     *   *  （0）原始数据
         *  （1）普通创建表
         *  （2）根据查询结果创建表（查询的结果会添加到新创建的表中）
         *  （3）根据已经存在的表结构创建表
         *  （4）查询表的类型
     *  5）外部表
     *   *  1）理论
         *  2）管理表和外部表的使用场景
         *  3）案例实操
     *  6、管理表与外部表的互相转换
     *   *  （1）查询表的类型
         *  （2）修改内部表 student2 为外部表
         *  （3）查询表的类型
         *  （4）修改外部表 student2 为内部表
         *  （5）查询表的类型
 *  六、修改表
 *   *  1、重命名表
     *   *  1）语法
         *  2）实操案例
     *  2、增加、修改和删除表分区
     *  3、增加/修改/替换列信息
     *   *  1）语法
         *  2）实操案例
         *  3）删除表

# 一、创建数据库 #

> CREATE DATABASE \[IF NOT EXISTS\] database\_name  
> \[COMMENT database\_comment\]  
> \[LOCATION hdfs\_path\]  
> \[WITH DBPROPERTIES (property\_name=property\_value, …)\];

## 1、创建一个数据库 ##

> 创建一个数据库，数据库在 HDFS 上的默认存储路径是/user/hive/warehouse/\*.db。

hive (default)> create database db_hive;

## 2、避免要创建的数据库已经存在错误 ##

> 避免要创建的数据库已经存在错误，增加 if not exists 判断。（标准写法）

hive (default)> create database db_hive;
    FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. Database db_hive already exists hive (default)> create database if not exists db_hive;

## 3、创建一个数据库，指定数据库在 HDFS 上存放的位置 ##

hive (default)> create database db_hive2 location '/db_hive2.db';

# 二、查询数据库 #

## 1、显示数据库 ##

### 1）显示数据库 ###

hive> show databases;

### 2）过滤显示查询的数据库 ###

hive> show databases like 'db_hive*'; OK
    db_hive db_hive_1

## 2、查看数据库详情 ##

### 1）显示数据库信息 ###

hive (default)> desc database default;
    OK
    db_name	comment	location	owner_name	owner_type	parameters
    default	Default Hive database	hdfs://hadoop102:8020/user/hive/warehouse	public	ROLE	
    Time taken: 0.077 seconds, Fetched: 1 row(s)
    hive (default)>

### 2) 切换数据库 ###

hive (default)> use default;
    OK
    Time taken: 0.02 seconds

### 3) 过滤显示查询的数据库 ###

hive (default)> show databases like 'hxx*';
    OK
    database_name
    hxx
    hxx1
    hxx2
    hxx3
    hxx_1
    hxx_2
    Time taken: 0.024 seconds, Fetched: 6 row(s)
    hive (default)> show databases like 'hxx_*';
    OK
    database_name
    hxx_1
    hxx_2
    Time taken: 0.016 seconds, Fetched: 2 row(s)
    hive (default)>

### 4）显示数据库信息 ###

hive> desc database db_hive;
    OK
    db_hive hdfs://hadoop102:9820/user/hive/warehouse/db_hive.db
    atguiguUSER

### 5）查数据库详细信息 ###

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCP5Z2P6K6y5b6u5pyN5Yqh_size_20_color_FFFFFF_t_70_g_se_x_16]

# 三、修改数据库 #

> 用户可以使用 ALTER DATABASE 命令为某个数据库的 DBPROPERTIES 设置键-值对属性值，  
> 来描述这个数据库的属性信息。

hive (hxx)> alter database hxx
              > set dbproperties('createtime'='20200910');
    OK
    Time taken: 0.034 seconds

> 在 hive 中查看修改结果

hive (hxx)> desc database extended hxx;
    OK
    db_name	comment	location	owner_name	owner_type	parameters
    hxx		hdfs://hadoop102:8020/user/hive/warehouse/hxx.db	atguigu	USER	{createtime=20200910}
    Time taken: 0.019 seconds, Fetched: 1 row(s)
    hive (hxx)>

# 四、删除数据库 #

## 1）删除空数据库 ##

hive (default)> show databases;
    OK
    database_name
    default
    hxx
    hxx1
    hxx2
    hxx3
    hxx_1
    hxx_2
    Time taken: 0.015 seconds, Fetched: 7 row(s)
    hive (default)> drop database hxx;
    OK
    Time taken: 0.143 seconds
    hive (default)> show databases;
    OK
    database_name
    default
    hxx1
    hxx2
    hxx3
    hxx_1
    hxx_2
    Time taken: 0.019 seconds, Fetched: 6 row(s)
    hive (default)>

## 2）如果删除的数据库不存在，最好采用 if exists 判断数据库是否存在 ##

hive (default)> drop database hxx;
    FAILED: SemanticException [Error 10072]: Database does not exist: hxx
    
    //优化if exists 就不会报错
    hive (default)> drop database if exists hxx;
    OK
    Time taken: 0.014 seconds
    hive (default)>

## 3）如果数据库不为空，可以采用 cascade 命令，强制删除 ##

hive> drop database db_hive;
    FAILED: Execution Error, return code 1 from 
    org.apache.hadoop.hive.ql.exec.DDLTask. 
    InvalidOperationException(message:Database db_hive is not empty. One or 
    more tables exist.)
    hive> drop database db_hive cascade;

# 五、创建表 #

## 1）建表语法 ##

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name
    [(col_name data_type [COMMENT col_comment], ...)]
    [COMMENT table_comment]
    [PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)]
    [CLUSTERED BY (col_name, col_name, ...)
    [SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS]
    [ROW FORMAT row_format]
    [STORED AS file_format]
    [LOCATION hdfs_path]
    [TBLPROPERTIES (property_name=property_value, ...)]
    [AS select_statement]

## 2）字段解释说明 ##

（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，在建表的同时可以指定一个指向实  
际数据的路径（LOCATION），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，对桶中的一个或多个列另外排序

（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， hive 使用 Serde 进行行对象的序列与反序列化。

（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）AS：后跟查询语句，根据查询结果创建表。  
（11）LIKE 允许用户复制现有的表结构，但是不复制数据。

## 3）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。因为这种表，Hive 会（或多或  
> 少地）控制着数据的生命周期。Hive 默认情况下会将这些表的数据存储在由配置项  
> hive.metastore.warehouse.dir(例如，/user/hive/warehouse)所定义的目录的子目录下。
> 
> > 当我们删除一个管理表时，Hive 也会删除这个表中数据。管理表不适合和其他工具共享  
> > 数据

## 4) 案例实操 ##

### （0）原始数据 ###

1001 ss1
    1002 ss2
    1003 ss3
    1004 ss4
    1005 ss5
    1006 ss6
    1007 ss7
    1008 ss8
    1009 ss9
    1010 ss10
    1011 ss11
    1012 ss12
    1013 ss13
    1014 ss14
    1015 ss15
    1016 ss16

### （1）普通创建表 ###

create table if not exists student(
    id int, name string
    )
    row format delimited fields terminated by '\t'
    stored as textfile
    location '/user/hive/warehouse/student'

### （2）根据查询结果创建表（查询的结果会添加到新创建的表中） ###

create table if not exists student2 as select id, name from student;

### （3）根据已经存在的表结构创建表 ###

create table if not exists student3 like student;

### （4）查询表的类型 ###

hive (hxx1)> desc formatted stu;
    OK
    col_name	data_type	comment
    # col_name            	data_type           	comment             
    id                  	string              	                    
    	 	 
    # Detailed Table Information	 	 
    Database:           	hxx1                	 
    OwnerType:          	USER                	 
    Owner:              	atguigu             	 
    CreateTime:         	Thu Sep 09 11:13:23 CST 2021	 
    LastAccessTime:     	UNKNOWN             	 
    Retention:          	0                   	 
    Location:           	hdfs://hadoop102:8020/user/hive/warehouse/hxx1.db/stu	 
    Table Type:         	MANAGED_TABLE       	 
    Table Parameters:	 	 
    	COLUMN_STATS_ACCURATE	{\"BASIC_STATS\":\"true\",\"COLUMN_STATS\":{\"id\":\"true\"}}
    	numFiles            	0                   
    	numRows             	0                   
    	rawDataSize         	0                   
    	totalSize           	0                   
    	transient_lastDdlTime	1631157203          
    	 	 
    # Storage Information	 	 
    SerDe Library:      	org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe	 
    InputFormat:        	org.apache.hadoop.mapred.TextInputFormat	 
    OutputFormat:       	org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat	 
    Compressed:         	No                  	 
    Num Buckets:        	-1                  	 
    Bucket Columns:     	[]                  	 
    Sort Columns:       	[]                  	 
    Storage Desc Params:	 	 
    	serialization.format	1                   
    Time taken: 0.066 seconds, Fetched: 30 row(s)

## 5）外部表 ##

### 1）理论 ###

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

### 2）管理表和外部表的使用场景 ###

每天将收集到的网站日志定期流入 HDFS 文本文件。在外部表（原始日志表）的基础上  
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。

### 3）案例实操 ###

分别创建部门和员工外部表，并向表中导入数据。

> （0）原始数据  
> dept表:  
> 10 ACCOUNTING 1700  
> 20 RESEARCH 1800  
> 30 SALES 1900  
> 40 OPERATIONS 1700

> emp表：  
> 7369 SMITH CLERK 7902 1980-12-17 800.00 20  
> 7499 ALLEN SALESMAN 7698 1981-2-20 1600.00 300.00 30  
> 7521 WARD SALESMAN 7698 1981-2-22 1250.00 500.00 30  
> 7566 JONES MANAGER 7839 1981-4-2 2975.00 20  
> 7654 MARTIN SALESMAN 7698 1981-9-28 1250.00 1400.00 30  
> 7698 BLAKE MANAGER 7839 1981-5-1 2850.00 30  
> 7782 CLARK MANAGER 7839 1981-6-9 2450.00 10  
> 7788 SCOTT ANALYST 7566 1987-4-19 3000.00 20  
> 7839 KING PRESIDENT 1981-11-17 5000.00 10  
> 7844 TURNER SALESMAN 7698 1981-9-8 1500.00 0.00 30  
> 7876 ADAMS CLERK 7788 1987-5-23 1100.00 20  
> 7900 JAMES CLERK 7698 1981-12-3 950.00 30  
> 7902 FORD ANALYST 7566 1981-12-3 3000.00 20  
> 7934 MILLER CLERK 7782 1982-1-23 1300.00 10

（1）上传数据到 HDFS

hive (default)> dfs -mkdir /student;
    hive (default)> dfs -put /opt/module/datas/student.txt /student;

（2）建表语句，创建外部表  
创建部门表

create external table if not exists dept(
    deptno int,
    dname string,
    loc int
    )
    row format delimited fields terminated by '\t';

创建员工表

create external table if not exists emp(
    empno int,
    ename string,
    job string,
    mgr int,
    hiredate string,
    sal double,
    comm double,
    deptno int)
    row format delimited fields terminated by '\t';

（3）查看创建的表

hive (default)>show tables;

（4）查看表格式化数据

hive (default)> desc formatted dept;
    Table Type: EXTERNAL_TABLE

（5）删除外部表

hive (default)> drop table dept;

外部表删除后，hdfs 中的数据还在，但是 metadata 中 dept 的元数据已被删除

## 6、管理表与外部表的互相转换 ##

### （1）查询表的类型 ###

hive (default)> desc formatted student2;
    Table Type: MANAGED_TABLE

### （2）修改内部表 student2 为外部表 ###

alter table student2 set tblproperties('EXTERNAL'='TRUE');

### （3）查询表的类型 ###

hive (default)> desc formatted student2;
    Table Type: EXTERNAL_TABLE

### （4）修改外部表 student2 为内部表 ###

alter table student2 set tblproperties('EXTERNAL'='FALSE');

### （5）查询表的类型 ###

hive (default)> desc formatted student2;
    Table Type: MANAGED_TABLE

**注意：(‘EXTERNAL’=‘TRUE’)和(‘EXTERNAL’=‘FALSE’)为固定写法，区分大小写！**

# 六、修改表 #

## 1、重命名表 ##

### 1）语法 ###

ALTER TABLE table_name RENAME TO new_table_name

### 2）实操案例 ###

hive (default)> alter table dept_partition2 rename to dept_partition3;

## 2、增加、修改和删除表分区 ##

查看 第七章

## 3、增加/修改/替换列信息 ##

### 1）语法 ###

（1）更新列

ALTER TABLE table_name CHANGE [COLUMN] col_old_name col_new_name 
    column_type [COMMENT col_comment] [FIRST|AFTER column_name]

（2）增加和替换列

ALTER TABLE table_name ADD|REPLACE COLUMNS (col_name data_type [COMMENT 
    col_comment], ...)

**注：ADD 是代表新增一字段，字段位置在所有列后面(partition 列前)，  
REPLACE 则是表示替换表中所有字段。**

### 2）实操案例 ###

（1）查询表结构

hive> desc dept;

（2）添加列

hive (default)> alter table dept add columns(deptdesc string);

（3）查询表结构

hive> desc dept;

（4）更新列

hive (default)> alter table dept change column deptdesc desc string;

（5）查询表结构

hive> desc dept;

（6）替换列

hive (default)> alter table dept replace columns(deptno string, dname
    string, loc string);

（7）查询表结构

hive> desc dept;

### 3）删除表 ###

hive (default)> drop table dept;

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCP5Z2P6K6y5b6u5pyN5Yqh_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220829/be41480b0dae4a3fb6d5b6fd276f456b.png