Hive学习（五）DDL数据定义

落日映苍穹つ 2023-06-24 04:45 2阅读 0赞

**目录**

数据库相关

创建数据库

查询数据库

切换数据库

修改数据库

删除数据库

表相关

创建表

管理表

外部表

管理表和外部表的相互转换

分区表

修改表

删除表

--------------------

# 数据库相关 #

## 创建数据库 ##

数据库在HDFS上的默认存储路径为：/user/hive/warehouse/\*.db

create database if not exists icydate;

也可以在创建时指定数据库在HDFS上存放的位置

create database if not exists iceink location '/user/hive/warehouse/iceink.db';

查看数据库存放位置

[root@izuf6i3w0v8mmmqlv77eanz warehouse]# cd ~
    [root@izuf6i3w0v8mmmqlv77eanz ~]# cd /user/hive/warehouse/
    [root@izuf6i3w0v8mmmqlv77eanz warehouse]# ll 
    total 8
    dr-xr-xr-x 2 root root 4096 Dec 20 11:19 iceink.db
    dr-xr-xr-x 2 root root 4096 Dec 20 11:19 icydate.db

## 查询数据库 ##

**显示数据库**

show databases;
    show databases like 'db_name*';

**查看数据库详情**

hive> desc database iceink;
    OK
    iceink      file:/user/hive/warehouse/iceink.db root    USER    
    Time taken: 0.009 seconds, Fetched: 1 row(s)

## 切换数据库 ##

use db_name;

## 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。**数据库的其他元数据信息都是不可更改的，包括数据库名和数据库所在的目录位置**。

-- 修改数据库创建时间
    hive> alter database iceink set dbproperties('createtime'='20191220');
    OK
    Time taken: 0.049 seconds
    
    -- 使用extended查看修改结果
    hive> desc database extended iceink;
    OK
    iceink      file:/user/hive/warehouse/iceink.db root    USER    {createtime=20191220}
    Time taken: 0.009 seconds, Fetched: 1 row(s)

## 删除数据库 ##

-- 删除空数据库
    drop database db_name;
    
    -- 如果数据库不为空，删除会报错，可以使用cascade强制删除
    drop database db_name cascade;

# 表相关 #

## 创建表 ##

**建表语句**

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]

**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

案例：

-- 普通创建表
    create table if not exists student(
    id int,
    name string,
    age int)
    row format delimited fields terminated by '\t';
    
    -- 根据查询结果创建表，包括数据
    create table if not exists student_copy as select id,name,age from student;
    
    -- 根据已存在的表结构创建表
    create table if not exists student_copy2 like student;
    
    -- 查询表的类型
    desc formatted student;

## 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。

查看之前创建的student表的信息：

hive> desc formatted student;
    Table Type:             MANAGED_TABLE

## 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。**

案例：

-- 创建一个外部表
    create external table if not exists student_external(
    id int,
    name string,
    age int)
    row format delimited fields terminated by '\t';
    
    -- 查看表的类型
    desc formatted student_external;
    
    -- 往表里面插入数据
    insert into student_external values(1, 'baka', 18);
    
    -- 删除表
    drop table student_external;
    
    -- 进入 /user/hive/warehouse/iceink.db/student_external，查看数据，发现数据并没有被删除
    [root@izuf6i3w0v8mmmqlv77eanz student_external]# cat 000000_0 
    1   baka    18

## 管理表和外部表的相互转换 ##

查询表的类型：`desc formatted student;`

修改表的类型：`alter table student set tblproperties('EXTERNAL'='TRUE')；`

注意:

> TRUE：设置为外部表
> 
> FALSE：设置为非外部表
> 
> 'EXTERNAL'='TRUE'是固定写法，区分大小写

## 分区表 ##

实际上是HDFS文件系统上独立的文件夹，存放该分区所有的数据文件。**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。在查询时指定分区可以提高效率。

**创建分区表**

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

**加载数据到分区表中**

首先，得准备一个数据文件，student.txt

1   iceink  18
    2   icydate 18
    3   baka    18
    4   fafa    2

开始导入数据

load data local inpath '/opt/module/datas/student.txt' into table student_part partition(dt='201910');
    load data local inpath '/opt/module/datas/student.txt' into table student_part partition(dt='201911');
    load data local inpath '/opt/module/datas/student.txt' into table student_part partition(dt='201912');

查看数据文件，进入 /user/hive/warehouse/iceink.db/student\_part 目录，我们可以看到数据按分区分成了不同得目录

[root@izuf6i3w0v8mmmqlv77eanz student_part]# ll
    total 12
    dr-xr-xr-x 2 root root 4096 Dec 20 14:25 dt=201910
    dr-xr-xr-x 2 root root 4096 Dec 20 14:25 dt=201911
    dr-xr-xr-x 2 root root 4096 Dec 20 14:25 dt=201912

进入单个目录：dt=201910

[root@izuf6i3w0v8mmmqlv77eanz dt=201910]# ll
    total 4
    -r-xr-xr-x 1 root root 48 Dec 20 14:25 student.txt
    [root@izuf6i3w0v8mmmqlv77eanz dt=201910]# cat student.txt 
    1   iceink  18
    2   icydate 18
    3   baka    18
    4   fafa    2

**查询分区表中数据**

hive> select * from student_part where dt='201912';
    OK
    1   iceink  18  201912
    2   icydate 18  201912
    3   baka    18  201912
    4   fafa    2   201912
    Time taken: 0.303 seconds, Fetched: 4 row(s)

**增加分区**

-- 创建单个分区
    alter table student_part add partition(dt='202010');
    
    -- 同时创建多个分区
    alter table student_part add partition(dt='202011') partition(dt='202012');

**删除分区**

和创建分区类似

-- 创建单个分区
    alter table student_part drop partition(dt='202010');
    
    -- 同时创建多个分区，注意多个分区之间使用逗号分隔
    alter table student_part drop partition(dt='202011'),partition(dt='202012');

**查看分区表中有多少分区**

hive> show partitions student_part;
    OK
    dt=201910
    dt=201911
    dt=201912
    dt=202011
    dt=202012
    Time taken: 0.088 seconds, Fetched: 5 row(s)

**查看分区表结构**

hive> desc formatted student_part;
    # Partition Information      
    # col_name              data_type               comment             
             
    dt                      string

**创建二级分区表**

create table student_part2(
        id int, 
        name string, 
        age int) 
    partitioned by (dt string,day string) 
    row format delimited fields terminated by '\t';

## 修改表 ##

ALTER TABLE table_name RENAME TO new_table_name

## 删除表 ##

drop table table_name;