hive DDL操作

Love The Way You Lie 2023-06-12 06:18 15阅读 0赞

### 1、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，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，增加if not exists判断。（标准写法）

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

create database db location '/db_hive.db'

### 2、显示数据库 ###

（1）显示数据库

show databases;

（2）过滤显示

show databases like 'db_*';

（3）显示数据库信息

show database db_hive;

（4）显示数据库信息,详细信息extended

desc database extended db_hive;

### 3、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 K-V 属性值，来描述这个数据库的属性信息。

`数据库的其他元数据信息都是不可变的，包括库名和数据库所在的目录位置`

alter database db_hive set dbproperties('createtime'='2019');

### 4、删除数据库 ###

（1）删除空数据库

drop database [if not exists] db_hive;

（2）如果不为空，加cascade强制删除

drop database db_hive cascade;

### 5、创建表 ###

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]

#### 1）字段解释 ####

（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。
    
    `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。

#### 2）管理表（内部表） ####

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。

（1）普通创建表

create table if not exists student1(
    id int, name string
    )
    row format delimited fields terminated by '\t'
    location '/user/hive/warehouse/student1';

（2）根据查询结果创建表（查询的结果会添加到新表中）

create table if not exists student2 as select id ,name from student1;

（3）根据已经存在的表结构创建表（不复制数据）

create table if not exists student3 like student;

（4）查询表结构

desc formatted student;

#### 3）外部表 ####

因为表是外部表，所以hive并非人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`

1、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。

#### 4）管理表与外部表的相互转换 ####

alter table student set tblproperties('EXTERNAL'='TRUE');
    alter table student set tblproperties('EXTERNAL'='FASLE');

注意：

`('EXTERNAL'='TRUE')和('EXTERNAL'='FALSE')为固定写法，区分大小写`

### 6、分区表 ###

分区表实际上就是对应一个hdfs文件系统上的独立的文件夹，该文件夹下是该分区所有的数据文件。

`hive中的分区就是分目录`

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。

##### 1）、分区表的基本操作 #####

（1）创建分区表

create table hive_partition(
    id int,name string
    )
    partitioned by (class string)
    row format delimited fields terminated by '\t';

`分区字段不能是表中已经存在的字段数据，可以将分区字段看做表的伪列`

（2）加载数据到分区

load data local inpath '/opt/xxx' into table hive_parition partition(class='1')
    load data local inpath '/opt/xxx' into table hive_parition partition(class='2')
    load data local inpath '/opt/xxx' into table hive_parition partition(class='3')

`分区表加载数据时必须指定分区`

（3）查询分区表中数据

select * from hive_partition where class='1'
    # 没有partition

（4）多分区联合查询

select * from hive_partition where class='1'
    union
    select * from hive_partition where class='2'

（5）增加分区

alter table hive_partition add partition(class='4');
    alter table hive_partition add partition(class='4') partition(class='5');

`增加多个分区时，partition之间不用逗号“，”隔开`

（6）删除分区

alter table hive_partition drop partition(class='4');
    alter table hive_partition add partition(class='4'), partition(class='5');

`要用逗号隔开`

（7）查看分区表中有多少分区

show partitions hive_partition;

（8）查看分区结构

desc formatted hive_partition;

##### 2）分区注意事项 #####

（1）创建二级分区表

create table hive_partition(
    id int, name string
    )
    partitioned by (year string,month string)
    row format delimited fields terminated by '\t';

（2）加载数据到二级分区

load data local inpath '/datas/xxx' into table hive_partition partition(year='2019',month='2');

（3）查询分区数据

select * from hive_partition where year='2019' and month='2';

##### 3）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 #####

上传数据：

dfs -mkdir -p /hive_partition/year=2019/month=2 ;
    dfs -put  /opt/xxx.txt  /hive_partition/year=2019/month=2 ;

（1）方式一：上传数据修复

msck repair table hive_partition;

（2）方式二：上传后添加分区

alter table hive_partition add partition(year='2019',month='2');

（3）方式三：创建文件夹后load数据到分区