Hive表库基本操作

Hive的数据类型

Hive的基本数据类型

Hive的复杂数据类型

复杂数据类型包括数组（ARRAY）、映射（MAP）和结构体（STRUCT），具体如下表所示：

 

Hive的表库操作

Hive的数据库操作

Hive中数据库的概念本质上仅仅是表的一个目录或者命名空间。然而，对于具有  很多组和用户的大集群来说，这是非常有用的，因为这样可以避免表命名冲突。

如果用户没有使用use关键字显示指定数据库，那么将会使用默认的数据库default。

查看数据库

show databases;

使用like关键字实现模糊匹配

show databases like 'hive_*'; 检索以hive开头的数据库

使用数据库

use  数据库名称；

创建数据库

create database  数据库名；

删除数据库

drop database  数据库名；(这种删除，需要将对应数据库中的表全部删除后才能删除数据库)

drop database 数据库名 cascade;(强制删除，自行删除所有表)

查看数据库的描述

desc database 数据库名;

Hive的数据表操作

显示数据库中的表

show tables;

使用like关键字实现模糊匹配

show tables like 'hive_*';

显示表的详细信息

desc [formatted] hive_01;（加上formatted显示的更详细）

创建数据表（与MySQL类似）

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]
上述字段解释说明：

 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；用户可以使用 IF NOT EXISTS来规避这个异常。

 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)。

 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 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 [WITHSERDEPROPERTIES(property_name=property_value,

     property_name=property_value, ...)]

• fields terminated by char 列分隔符
• COLLECTION ITEMS TERMINATED BY char 集合元素直接的分隔符
• MAP KEYS TERMINATED BY char map集合KV的分隔符
• 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 不指定默认）、RCFILE（列式存储格式文件）、ORCFILE（行列压缩存储文件）

        如果文件数据是纯文本，可以使用STORED AS TEXTFILE。如果数据是二进制文件，使用 STORED AS SEQUENCEFILE，如果数据需要压缩请使用 STORED AS RCFILE 或 STORED AS ORCFILE

        textfile 存储空间消耗比较大，并且压缩的text 无法分割和合并 查询的效率最低,可以直接存储，加载数据的速度最高。

        sequencefile 存储空间消耗最大,压缩的文件可以分割和合并 需要通过text文件  转化来加载。

        rcfile 存储空间小，查询的效率高 ，需要通过text文件转化来加载，加载的速度最低

        orcfile 存储空间最小，查询的最高 ，需要通过text文件转化来加载，加载的速度最低。

 9：location指定在HDFS上的存储位置

 10：like允许用户复制表的结构，但不复制数据。

#使用数据库
use text；
#创建表
create table [if not exists] test(
     id int,
     name string,
     hobby array<string>
     address map<string,string>
)row format delimited
fileds terminated by ' '
connection items terminated by ':'
map keys terminated by '~'
#默认stored as储存文件类型是textfile
#load加载数据（只有textfile类型的表才可以使用load）
load data local inpath '/usr/test/movies.dat' overwrite into table movie


#创建不同的文件储存类型
create table [if not exists] test1(

     id int,
     name string,
     hobby array<string>
     address map<string,string>
)
stored as orcfile；

#除了textfile类型的储存方式都得用insert加载数据
insert overwrite table test1 select * from test;

 序列化器SerDe 

//创建新表 指定SerDe 为RegexpSerDe正则
use b01;
create table reg_table(
     id int,
     name string
) row format serde 'org.apache.hadoop.hive.serde2.RegexSerDe'
with serdeproperties('input.regex'="id=(.*),name=(.*)"); //.代表单个字符 *  0~N次
//加载数据
load data local inpath '/usr/local/hive_data/regexp_test'  overwrite into table reg_table;

//创建user用户数据的指定JSON的序列化器
create  table user_json_textfile(
      uid string,
      phone string,
      addr string 
) row format serde 'org.apache.hive.hcatalog.data.JsonSerDe';

load data local inpath '/usr/local/xl_project/user/user_login_info.json'  overwrite into table user_json_textfile;

Hive内部表&&外部表

未被external修饰的是内部表（managed table），被external修饰的为 外部表（external table）

内外部表的区别：

• 内部表数据由Hive管理，外部表数据由HDFS管理
• 内部表的数据的存储位置是hive.metastore.warehouse.dir ，默认为/user/hive/warehouse中，外部表的数据存储位置由自己指定。
• 删除内部表中的数据会直接删除元数据及存储数据；删除外部表仅仅会删除元数据，HDFS上的数据并不会被删除；
• 对内部表的修改会将修改直接同步给元数据；而对外部表的表结构和分区进行修改，则需要MSCK REPAIR TABLE table_name(将HDFS上的元数据信息写入到metastore);   

//创建外部表
create external table outter_table(
    id int,
    name string,
    hobby array<string>,
    address map<string,string>
)row format delimited 
fields terminated by ','
collection items terminated by '-'
map keys terminated by ':'
location '/outter/data'
//向外部表中载入数据
load data local inpath '/usr/local/person' into table outter_table;

Hive表的修改操作

表重命名

Alter table 旧名称 RENAME to 新名称；

alter table person rename to person_info;

修改列信息

Alter table 表名 CHANGE [COLUMN] 列名 新列名 数据类型

[COMMENT 注释文本]

[AFTER 字段名称|FIRST];

//修改列名称
alter table test1 change name tename string;
//修改列类型
alter table test1 change id id string;
//指定列位置
alter table test1 change id id string  first;

这里会遇到类型兼容的问题，看下表：

Hive数据类型之间的隐式转换

增加列

Hive能将新的字段添加到已有字段之后

 Alter table 表名 ADD COLUMNS（

               列名 字段类型 [COMMENT ‘注释’]，

             ........

);

//增加列（可以一次添加多个）
alter table test1 add columns(
     img string,
     addr string
)

删除或替换列 

Alter table 表名 REPLACE COLUMNS（

列名  字段类型  [COMMENT ‘注释’],

               ............

）;

//删除替换列
alter table test1 replace columns(
     id string,
     name string,
     age string
)

修改表的存储属性

Alter table表名 SET FILEFORMAT (TEXTFILE|SEQUENCEFILE|RCFILE|ORCFILE)

会出现严重问题:(TEXTFILE的数据无法直接向RCFILE和ORCFILE导入，由于RCFILE

与ORCFILE都是以块状存储数据，我们只能通过insert语句导入到一个ORCFILE或RCFILE的新表中)。快对快，行对行

//修改表的存储结构
alter table test1 set fileformat sequencefile

设置表的注释

alter table 表名 set tblproperties('属性名'='属性值');

//设置表的注释
alter table test1 set tblproperties('comment'='测试表')

修改表的分隔符

alter table 表名 set serdeproperties('属性名'='属性值');

//修改表的分隔符
alter table test1 set serdeproperties('field.delim'='~')

查看表的详细的建表语句

Show create table 表名;

//展示创建表的详细信息
show create table test1

修改表的serde_class

//修改表的序列化器
alter table test1 set serde 'org.apache.hadoop.hive.serde2.RegexSerDe'
with serdeproperties ("input.regex" = "id=(.*),name=(.*),age=(.*)");

Hive添加jar包

add JAR '/usr/local/hive_data/hive-hcatalog-core-2.3.5.jar'（存放jar路径和jar名称）

Hive的分区操作

hive开发中，在存储数据时，为了更快地查询数据和更好地管理数据，都会对hive表中数据进行分区存储。所谓的分区，在hive表中体现的是多了一个字段。而在底  层文件存储系统中，比如HDFS上，分区则是一个文件夹，或者说是一个文件目录，不同的分区，就是数据存放在根目录下的不同子目录里，可以通过show partitions查看。

 静态分区

//创建静态分区表
create table test_partition (
id string comment 'ID', 
name string comment '名字') 
comment '测试分区'
partitioned by (year int comment '年')
ROW FORMAT DELIMITED 
FIELDS TERMINATED BY ',' ;

 insert语句：

//插入分区表数据(静态分区)
insert into table test_partition partition(year=2000) values(1,'小明');
insert into table test_partition partition(year=1999) values(2,'小红');
insert into table test_partition partition(year=2000) values(3,'小兰');
insert into table test_partition partition(year=1998) values(4,'小紫');

 load语句:

load data local inpath '/usr/local/part_test' into table test_partition partition (year =2018);
load data local inpath '/usr/local/part_test' into table test_partition partition (year =2018);
load data local inpath '/usr/local/part_test' into table test_partition partition (year =2017);

 动态分区

 动态分区默认不开启，需要使用下列语句开启:

 set hive.exec.dynamic.partition.mode=nonstrict;#需退出hive，重新进入执行

//创建动态分区
create table test_partitions (
id string comment 'ID', 
name string comment '名字',
year int comment '年'
)comment '测试'
ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' ;

 insert语句：

insert into table test_partitions partition(year) values(5,'小白',2016);
insert into table test_partitions partition(year) values(6,'小黑',2016);

 load语句：

load data local inpath '/usr/local/part_test' into table test_partitions partition (year);

修改分区

指定到新分区目录下 原始分区仍旧存在 但是后续插入的新记录会存储到新分区中
alter table test_partitions partition(year=2016) set location '/user/hive/warehouse/new_part/b01.db/test_partition/year=2016';

删除分区

alter table test_partitions drop partition(year=2016);

同步到关系型数据库中的元信息

MSCK REPAIR TABLE test_partitions;

分桶表

分桶表描述

分桶是相对分区进行更细粒度的划分。分桶将整个数据内容安装某列属性值得hash值进行区分，如要安装name属性分为3个桶，就是对name属性值的hash 值对3取摸，按照取模结果对数据分桶。如取模结果为0的数据记录存放到一个文件,取模为1的数据存放到一个文件，取模为2的数据存放到一个文件。

//先设置一下分桶的权限
set hive.enforce.bucketing=true;
//创建分桶表
use test;
create table student_bck
(id int, name string)
clustered by (id) sorted by (id desc) into 3 buckets
row format delimited fields terminated by ",";

//插入数据
insert overwrite table student_bck select id,name from test_partition;

//查询分桶数据
select * from student_bck tablesample(bucket 3 out of 3 on id);

  tablesample (bucket x out of y on id);
  # x表示从哪个桶(x-1)开始，y代表分几个桶，也可以理解分x为分子，y为分母，及将表分为y份（桶），取第x份（桶）