Hive入门--6.表的基本操作

1.Hive表的基本数据类型

tinyint, smallint, int, bigint, boolean, float, double,
string, binary, timestamp, decimal, char, varchar, date

2.Hive表的集合类型

Array：ARRAY类型是由一系列相同数据类型的元素组成, 这些元素可以通过下标来访问,例 : array[1]

Map：MAP包.合key->value键值对，可以通过key来访问元素，例如： map[‘key’]

Struct：可以包含不同数据类型的元素，这些元素可以通过“点语法”的方式获得，例如： struct.key1

3.Hive的数据类型转换

4.Hive的底层文件存储格式

- #文件格式
　　- textfile
　　- sequencefile
　　- rcfile
　
- #扩展接口
　　- 默认的文件读取方式
　　- 自定义inputformat
　　- 自定义serde

4.1 RCFile的生成过程

有的时候查询只需要查出某一个列，而表中有可能包含成百上千的字段，所以使用RCFile可以把列 以行的形式存储，提高查询效率，节省时间。

4.2 Hive的基本使用——表

官方定义创建表的方式：

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] [db_name.]table_name [(col_name data_type[COMMENT col_comment],...)]
[PARTITIONED BY (col_name data_type[COMMENT col-comment],...)]
[CLUSTERED BY (col_name1,col_name2,...)[SORTED BY(col_name [ASC|DESC],...)] INTO num_buckets BUCKETS]
[ROW FORMAT row_format][STORED AS file_format]
|STORED BY ‘storage.handler.class.name’[WITH SERDEPROPERTIES(...)]
]
[LOCATION hdfs_path]
[TBLPROPERTIES(property_name=property_value,...)]
[AS select_statement]

创建表举例：

CREATE [EXTERNAL] TABLE employees(
name string,
subordinates array<string>,
duductions map<string,float>,
address struct<street:string,city:string,state: string,zip:int>
)

注：创建表的时候最好在TABLE后面加上 if not exists
删除表的时候也最好加上 if exists

防止表存在时被覆盖，影响其他语句的执行

4.2.1 查看表的描述信息

如果在定义表的时候，定义了 comment 注释字段
则在命令行中可以通过：

DESC Table_Name;

查看表的描述信息


如果想显示更详细的内容，输入：

DESC FORMATEED Table_Name;

查看表的详细描述


MANAGED_TABLE:内部表

显示建表语句

show create table Table_Name;

4.2.2 将文件中的内容加载进表中

LOAD DATA LOCAL INPATH ‘/…’ OVERWRITE INTO TABLE Table_Name;

OVERWRITE : 以覆盖方式加载上传linux本地文件，如果没有这个字段，则是默认以追加方式存储，会将后面的同名文件改为File_Name_copy_n(n:第几份拷贝，从1开始)

注意：如果指定字段分隔符，必须以指定的字段分隔符严格存放数据，否则必然出错！

4.2.3 删除内部表

drop table Table_Name;

内部表被删掉，数据对应的文件将会被删掉
如果创建表的时候指定了LOCATION ，那么在hdfs上的文件也同样将会被删掉

4.2.4 删除外部表

删除外部表的时候，只删除外部表对应的元数据信息，数据所对应的文件将不会被删除。

4.2.5 复杂格式表的创建

第8行collection items terminated by ‘,’
第10行map keys terminated by ‘:’ 指定map的键值对是以“:”分隔的
源数据格式如下：

查询数组中的数据

命令格式：select suborinates[n] from employees;
注：n从0开始

查询map中的数据

命令格式：select ductions[“k2”] from employees;
注：加载表数据的时候没有让key一致，需要修改

查询结构体中的数据

命令格式：select address.city from employees;

以下查询是不走map-reduce过程的：

select * from tablename [limit n];
注：外部表 内部表 是一样不走map-reduce的

4.2.6 Hive建表的其他方式

1. 由一个表创建另一个表结构相同的表
create table test3 like test2;

2. 从其他表查询创建
create table test4 as select name.addr from test5;

5. Hive 不同文件类型的读取对比

stored textfile
　－直接查看hdfs
　－ hadoop fs -text
　
stored as sequencefile
　－ hadoop fs -text　
　
stored as rcfile
　－hive -service refilecat path
　
stored as inputformat ‘class’
　－outformat ‘class’

5.1 创建一张以textfile格式存储的表

create table test_txt(name string,val string) stored as textfile;

表的描述信息：

5.2创建一张以sequencefile格式存储的表

create table test_seq(name string,val string) stored as sequencefile;

表的部分描述信息：

5.3 创建一种以RCfile格式存储的表

create table test_rc(name string,val string) stored as rcfile;
表的描述信息：

5.4 创建一种以自定义文件格式存储的表

create table test_rc(name string,val string) stored as inputformat ‘class’;

注：必须添加jar包之后才能进行后续操作(创建表、查询等)

6. Hive 使用SerDe(Serialize Deserialize)

7. Hive 分区表

7.1 分区：

• 在Hive Select 查询中一般会扫描整个表内容，会消耗很多时间做没必要的工作

• 分区表指的是在创建表时指定 partition 的分区空间

7.2 分区语法

create table tablename(
name string
)
Partitioned by(key type,…)

创建分区表示例：

create table employees (
name string,
salary float,
subdinates array<string>,
deductions map<string,float>,
address struct<street:string,city:string,state:string,zip:int>
)
partitioned by(dt string,type string)
row format delimited fields terminated by '	'
collection items terminated by ','
map keys terminated by ':'
lines terminated by '
'
stored as textfile

注：分区下可以再继续创建分区,类似于文件的子目录

7.3 增加分区

给employees表下添加分区20160623/test

hive> alter table employees add if not exists partition(dt=’20160623’,type=’test’);

通过浏览器查看，同样发现目录下多了这些文件夹

8. hive分桶（Bucket）

8.1 分桶

• 对于每一个表（table）或者分区，hive可以进一步组织成桶，也就是说桶是更为细粒度的数据范围划分
• Hive是针对某一列进行分桶
• Hive采用对列值哈希，然后除以桶的个数求余的方式决定该条记录存放在哪个桶当中

好处：

• 获得更高的查询处理效率
• 使取样（sampling）更高效

创建分桶表

• 创建分桶之前需要先作如下设置：
  set hive.enforce.bucketing=true;

• 然后再创建表：
  create table bucketed_user (
  id int,
  name string
  )
  clustered by(id) sorted by(name) into 4 buckets
  row format delimited fields terminated by ‘ ’ stored as textfile;

向表中插入数据：

insert overwrite table bucketed_user select name,addr from test_txt;

通过浏览器可以查看到

hdfs:/user/warehouse/bucketed_user/目录下多了4个文件
说明分桶成功

对该表数据的查找是通过计算哈希值实现的，计算该字段的哈希值，直接定位到与该字段哈希值相等的桶中，加快了查询效率

8.2 分区与分桶的比较

注：分区的层级必须是一致的
（例如左图中分桶的层级在左右两个子树中都是第4层）

分区表中的底层可以使用分桶实现，桶是存储类型的最低形式，分桶表不能再分区