HIVE之 DDL 数据定义 & DML数据操作

DDL数据库定义

创建数据库

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

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

	hive (default)> alter database db_hive set dbproperties('createtime'='20170830');
查看结果
	hive> desc database extended db_hive;

查询数据库

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*';
3）显示数据库信息
	hive> desc database db_hive;
4）显示数据库详细信息，extended
	hive> desc database extended db_hive;

删除数据库

1）删除空数据库
	hive>drop database db_hive2;
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> drop database if exists db_hive2;
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 cascade;
	

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]

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]| 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。	 
	（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。

管理表

1）理论
	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。
2）操作
（1）普通创建表
	create table if not exists student2(
		id int, name string
	)
	row format delimited fields terminated by '	'
	stored as textfile
	location '/user/hive/warehouse/student2';
（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 student3
	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 student4 like student;
（4）查询表的类型
	hive (default)> desc formatted student2;
	Table Type: MANAGED_TABLE
	

外部表

1）理论
	因为表是外部表，所有 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
	分别创建部门和员工外部表，并向表中导入数据。
		create external table if not exists default.dept(
		deptno int,
		dname string,
		loc int
		)
		row format delimited fields terminated by '	';
		
		create external table if not exists default.emp(
		empno int,
		ename string,
		job string,
		mgr int,
		hiredate string,
		sal double,
		comm double,
		deptno int)
		row format delimited fields terminated by '	';

4）导入数据
	hive (default)> load data local inpath '/opt/module/datas/dept.txt' into table default.dept;
	hive (default)> load data local inpath '/opt/module/datas/emp.txt' into table default.emp;
5）查询表格式化数据
	hive (default)> desc formatted dept;
	Table Type: EXTERNAL_TABLE

分区表

（1）创建分区表
	hive (default)> create table dept_partition(
						deptno int, dname string, loc string
						)
						partitioned by (month string)
						row format delimited fields terminated by '	';
（2）加载数据到分区表中
	hive  (default)>  load  data  local  inpath  '/opt/module/datas/dept.txt'  into  table
						default.dept_partition partition(month='201709');
						
	hive  (default)>  load  data  local  inpath  '/opt/module/datas/dept.txt'  into  table
						default.dept_partition partition(month='201708');
						
	hive  (default)>  load  data  local  inpath  '/opt/module/datas/dept.txt'  into  table
						default.dept_partition partition(month='201707');
（3）查询分区表中数据

	hive (default)> select * from dept_partition where month='201709';

	hive (default)> select * from dept_partition where month='201709'
						union
						select * from dept_partition where month='201708'
						union
						select * from dept_partition where month='201707';

分区操作

（1）增加分区
	hive (default)> alter table dept_partition add partition(month='201706') ;
	hive  (default)>  alter  table  dept_partition 
		 add  partition(month='201705') partition(month='201704');
		 
（2）删除分区
	hive (default)> alter table dept_partition drop partition (month='201704');
	hive (default)> alter table dept_partition
		 drop partition (month='201705'), partition (month='201706');
		 
（3）查看分区个数
	hive>show partitions dept_partition;
	
（4）查看分区表结构
	hive>desc formatted dept_partition;

分区表注意事项

1）创建二级分区表
	hive (default)> create table dept_partition2(
		deptno int, dname string, loc string
	)
	partitioned by (month string, day string)
	row format delimited fields terminated by '	';
	
2）正常的加载数据
（1）加载数据到二级分区表中
	hive (default)> load data local inpath '/opt/module/datas/dept.txt' into table
		default.dept_partition2 partition(month='201709', day='13');
	
（2）查询分区数据
	hive (default)> select * from dept_partition2 where month='201709' and day='13';

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两种方式
（1）方式一：上传数据后修复

	上传数据
		hive  (default)>  dfs  -mkdir  -p	/user/hive/warehouse/dept_partition2/month=201709/day=12;
		hive  (default)>  dfs  -put  /opt/module/datas/dept.txt
		 	/user/hive/warehouse/dept_partition2/month=201709/day=12;
		 	
	查询数据（查询不到刚上传的数据）
		hive (default)> select * from dept_partition2 where month='201709' and day='12';
	
	执行修复命令
		hive>msck repair table dept_partition2;
	
	再次查询数据
		hive (default)> select * from dept_partition2 where month='201709' and day='12';

（2）方式二：上传数据后添加分区

	上传数据
		hive  (default)>  dfs  -mkdir  -p 	/user/hive/warehouse/dept_partition2/month=201709/day=11;
		hive  (default)>  dfs  -put  /opt/module/datas/dept.txt
			/user/hive/warehouse/dept_partition2/month=201709/day=11;
		
	执行添加分区
		hive (default)> alter table dept_partition2 add partition(month='201709', day='11');
	
	查询数据
		hive (default)> select * from dept_partition2 where month='201709' and day='11';

（3）方式三：上传数据后 load 数据到分区

	创建目录
		hive  (default)>  dfs  -mkdir  -p	/user/hive/warehouse/dept_partition2/month=201709/day=10;
	
	上传数据
		hive (default)> load data local inpath '/opt/module/datas/dept.txt' into table
			dept_partition2 partition(month='201709',day='10');
		
	查询数据
		hive (default)> select * from dept_partition2 where month='201709' and day='10';

修改表

（1）重命名表
	ALTER TABLE table_name RENAME TO new_table_name
	hive (default)> alter table dept_partition2 rename to dept_partition3;
（2）增加/ 修改/替换列信息
	更新列：
	ALTER TABLE table_name CHANGE [COLUMN] col_old_name col_new_name
	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], ...)
	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。

	实操案例：
	（1）查询表结构
		hive>desc dept_partition;
	（2）添加列
		hive (default)> alter table dept_partition add columns(deptdesc string);
	（3）查询表结构
		hive>desc dept_partition;
	（4）更新列
		hive (default)> alter table dept_partition change column deptdesc desc int;
	（5）查询表结构
		hive>desc dept_partition;
	（6）替换列
		hive (default)> alter table dept_partition replace columns
			(deptno string, dname string, loc	string);
	（7）查询表结构
		hive>desc dept_partition;
	

删除表

hive (default)> drop table dept_partition;

DML数据操作

数据导入

向表中装载数据（Load）

1）语法
	hive>load data [local] inpath '/opt/module/datas/student.txt' [overwrite]
		 into table student [partition (partcol1=val1,…)];
	
参数说明
	（1）load data:表示加载数据
	（2）local:表示从本地加载数据到 hive 表；否则从 HDFS 加载数据到 hive 表
	（3）inpath:表示加载数据的路径
	（4）into table:表示加载到哪张表
	（5）student:表示具体的表
	（6）overwrite:表示覆盖表中已有数据，否则表示追加
	（7）partition:表示上传到指定分区

2）实操案例

	0）创建一张表
		hive (default)> create table student(id string, name string) 
			row format delimited fields terminated by '	';
			
	（1）加载本地文件到 hive
		hive (default)> load data local inpath '/opt/module/datas/student.txt' 
			into table	default.student;
			
	（2）加载 HDFS 文件到 hive 中
		上传文件到 HDFS
		hive (default)> dfs -put /opt/module/datas/student.txt /user/upuptop/hive;
		加载 HDFS 上数据
		hive (default)>load data inpath '/user/upuptop/hive/student.txt' into table default.student;
		
	（3）加载数据覆盖表中已有的数据
		上传文件到 HDFS
		hive (default)> dfs -put /opt/module/datas/student.txt /user/upuptop/hive;
		加载数据覆盖表中已有的数据
		hive (default)>load data inpath '/user/upuptop/hive/student.txt' overwrite 
			into table	default.student;
			

通过查询语句向表中插入数据（Insert）

1）创建一张分区表
	hive (default)> create table student(id string, name string) partitioned by (month string) 
		row format delimited fields terminated by '	';
		
2）基本插入数据
	hive  (default)>  insert  into  table  student  partition(month='201709')
		values('1004','wangwu');
		
3）基本模式插入（根据单张表查询结果）
	hive (default)> insert overwrite table student partition(month='201708')
		select id, name from student where month='201709';
4）多插入模式（根据多张表查询结果）
	hive (default)> from student
		insert overwrite table student partition(month='201707')
		select id, name where month='201709'
		insert overwrite table student partition(month='201706')
		select id, name where month='201709';

查询语句中创建表并加载数据（As Select ）

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 student3	as select id, name from student;

创建表时通过 Location

1）创建表，并指定在 hdfs 上的位置
	hive (default)> create table if not exists student5(
	id int, name string
	)
	row format delimited fields terminated by '	'
	location '/user/hive/warehouse/student5';
	
2）上传数据到 hdfs 上
	hive (default)> dfs -put /opt/module/datas/student.txt /user/hive/warehouse/student5;
	
3）查询数据
	hive (default)> select * from student5;

Import 数据到指定 Hive

先用 export 导出后，再将数据导入！！！注意格式问题

hive  (default)>  import  table  student2  partition(month='201709')  from '/user/hive/warehouse/export/student';

数据导出

Insert 导出

1）将查询的结果导出到本地
	hive (default)> insert overwrite local directory '/opt/module/datas/export/student'
		select * from student;
		
2）将查询的结果格式化导出到本地
	hive (default)> insert overwrite local directory '/opt/module/datas/export/student1'
		ROW  FORMAT  DELIMITED  FIELDS  TERMINATED  BY  '	'
		COLLECTION ITEMS TERMINATED BY '
'
	select * from student;
	
3）将查询的结果导出到 HDFS 上(没有 local)
	hive (default)> insert overwrite directory '/user/upuptop/hive/warehouse/student2'
		ROW  FORMAT  DELIMITED  FIELDS  TERMINATED  BY  '	'
		COLLECTION ITEMS TERMINATED BY '
'
		select * from student;

Hadoop 命令导出到本地

hive  (default)>  dfs  -get
   /user/hive/warehouse/student/month=201709/000000_0 /opt/module/datas/export/student3.txt;

Hive Shell 命令导出

基本语法：（hive -f/-e 执行语句或者脚本 > file）

$  bin/hive  -e  'select  *  from  default.student;'  > /opt/module/datas/export/student4.txt;

Export 导出到 HDFS

hive (default)> export table default.student to '/user/hive/warehouse/export/student';

清空数据

注意：Truncate 只能删除管理表，不能删除外部表中数据
hive (default)> truncate table student;

本博客仅为博主学习总结，感谢各大网络平台的资料。蟹蟹!!