Fork me on GitHub

Hive DDL操作

  DDL(data definition language)数据库定义语言:其实就是我们在创建表的时候用到的一些sql,比如说:CREATE、ALTER、DROP等。
  DDL主要是用在定义或改变表的结构,数据类型,表之间的链接和约束等初始化工作上

数据库操作

创建数据库

  数据库在HDFS上的默认存储路径是/user/hive/warehouse/*.db。

1
2
3
4
5
6
7
8
1)创建一个数据库
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。

1
2
3
4
5
6
hive (default)> alter database db_hive set dbproperties('createtime'='20170830');
// 在mysql中查看修改结果
hive> desc database extended db_hive;
db_name comment location owner_name owner_type parameters
db_hive hdfs://hadoop102:8020/user/hive/warehouse/db_hive.db liucw USER {createtime=20170830}

查询数据库

1
2
3
4
5
6
7
8
9
1 显示数据库
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*';
2 查看数据库详情
1)显示数据库信息: hive> desc database db_hive;
2)显示数据库详细信息: hive> desc database extended db_hive;
3.使用数据库: hive> use db_hive;

删除数据库

1
2
3
4
5
6
7
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,可采用cascade命令,强制删除
hive> drop database db_hive cascade;

表操作

创建表

内部表

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)案例实操

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
(1.1)普通创建表
hive (default) >create table if not exists student2(
id int, name string
)
row format delimited fields terminated by '\t'
stored as textfile
location '/user/hive/warehouse/student2';
(1.2)根据查询结果创建表(查询的结果会添加到新创建的表中)
hive (default) >create table if not exists student3
as select id, name from student;
(1.3)根据已经存在的表结构创建表,只有表结构
hive (default) >create table if not exists student4 like student3;
(2)查询表的类型
hive (default) > desc formatted student2;
Table Type: MANAGED_TABLE
delimited 划定…的界限
terminated 终止

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(hdfs上的数据)。
  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)案例实操
分别创建部门和员工外部表,并向表中导入数据。

1
2
3
4
5
dept.txt
10 ACCOUNTING 1700
20 RESEARCH 1800
30 SALES 1900
40 OPERATIONS 1700

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
emp.txt
7369 SMITH CLERK 7902 1980-12-17 800.00 20
7499 ALLEN SALESMAN 7698 1981-2-20 1600.00 300.00 30
7521 WARD SALESMAN 7698 1981-2-22 1250.00 500.00 30
7566 JONES MANAGER 7839 1981-4-2 2975.00 20
7654 MARTIN SALESMAN 7698 1981-9-28 1250.00 1400.00 30
7698 BLAKE MANAGER 7839 1981-5-1 2850.00 30
7782 CLARK MANAGER 7839 1981-6-9 2450.00 10
7788 SCOTT ANALYST 7566 1987-4-19 3000.00 20
7839 KING PRESIDENT 1981-11-17 5000.00 10
7844 TURNER SALESMAN 7698 1981-9-8 1500.00 0.00 30
7876 ADAMS CLERK 7788 1987-5-23 1100.00 20
7900 JAMES CLERK 7698 1981-12-3 950.00 30
7902 FORD ANALYST 7566 1981-12-3 3000.00 20
7934 MILLER CLERK 7782 1982-1-23 1300.00 10
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
(2)建表语句
// 创建部门表
create external table if not exists default.dept(
deptno int,
dname string,
loc int
)
row format delimited fields terminated by '\t';
// 创建员工表
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 '\t';
(3)查看创建的表
hive (default)> show tables;
OK
tab_name
dept
emp
(4)向外部表中导入数据
// 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;
// 查询结果
hive (default)> select * from emp;
hive (default)> select * from dept;
(5)查看表格式化数据
hive (default)> desc formatted dept;
Table Type: EXTERNAL_TABLE

分区表

1)引入分区表(需要根据日期对日志进行管理)

1
2
3
/user/hive/warehouse/log_partition/20170702/20170702.log
/user/hive/warehouse/log_partition/20170703/20170703.log
/user/hive/warehouse/log_partition/20170704/20170704.log

2)创建分区表语法

1
2
3
4
5
hive (default)> create table dept_partition(
deptno int, dname string, loc string
)
partitioned by (month string)
row format delimited fields terminated by '\t';

3)加载数据到分区表中

1
2
3
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');

4)查询分区表中数据

1
2
3
4
5
6
7
8
9
10
11
12
13
14
// 单分区查询
hive (default)> select * from dept_partition where month='201709';
// 多分区联合查询
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';
_u3.deptno _u3.dname _u3.loc _u3.month
10 ACCOUNTING NEW YORK 201707
10 ACCOUNTING NEW YORK 201708
10 ACCOUNTING NEW YORK 201709
20 RESEARCH DALLAS 201707

5)增加分区

1
2
3
4
5
// 创建单个分区
hive (default)> alter table dept_partition add partition(month='201706') ;
// 同时创建多个分区
hive (default)> alter table dept_partition add partition(month='201705') partition(month='201704');

6)删除分区

1
2
3
4
5
// 删除单个分区
hive (default)> alter table dept_partition drop partition (month='201704');
// 同时删除多个分区
hive (default)> alter table dept_partition drop partition (month='201705'), partition (month='201706');

7)查看分区表有多少分区
hive>show partitions dept_partition;

8)查看分区表结构

1
2
3
4
hive>desc formatted dept_partition;
# Partition Information
# col_name data_type comment
month string

二级分区

1)创建二级分区表

1
2
3
4
5
hive (default)> create table dept_partition2(
deptno int, dname string, loc string
)
partitioned by (month string, day string)
row format delimited fields terminated by '\t';

2)正常的加载数据

1
2
3
4
5
6
7
(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)hdfs路径: /user/hive-cdh/warehouse/dept_partition2/month=201709/day=13/dept.txt

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
(1)方式一:上传数据后修复

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
1.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;
2.查询数据(老版本的hive,查询不到刚上传的数据)
hive (default)> select * from dept_partition2 where month='201709' and day='12';
3.执行修复命令
hive>msck repair table dept_partition2;
4.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

1
2
3
4
5
6
7
8
9
10
11
12
1.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;
2.执行添加分区
hive (default)> alter table dept_partition2 add partition(month='201709', day='11');
3.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

1
2
3
4
5
6
7
8
1.创建目录
hive (default)> dfs -mkdir -p /user/hive/warehouse/dept_partition2/month=201709/day=10;
2.上传数据
hive (default)> load data local inpath '/opt/module/datas/dept.txt' into table dept_partition2 partition(month='201709',day='10');
3.查询数据
hive (default)> select * from dept_partition2 where month='201709' and day='10';


分桶

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
student.txt
1001 ss1
1002 ss2
1003 ss3
1004 ss4
1005 ss5
1006 ss6
1007 ss7
1008 ss8
1009 ss9
1010 ss10
1011 ss11
1012 ss12
1013 ss13
1014 ss14
1015 ss15
1016 ss16

1)先创建分桶表,通过直接导入数据文件的方式

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
(1)创建分桶表
create table stu_buck(id int, name string)
clustered by(id)
into 4 buckets
row format delimited fields terminated by '\t';
(2)查看表结构
hive (default)> desc formatted stu_buck;
Num Buckets: 4
(3)导入数据到分桶表中
hive (default)> load data local inpath '/opt/module/datas/student.txt' into table stu_buck;
(4)hdfs查看创建的分桶表中是否分成4个桶
发现并没有分成4个桶。是什么原因呢?
没有创建属性

2)创建分桶表时,数据通过子查询的方式导入

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
(1)先建一个普通的stu表
create table stu(id int, name string)
row format delimited fields terminated by '\t';
(2)向普通的stu表中导入数据
load data local inpath '/opt/module/datas/student.txt' into table stu;
(3)清空stu_buck表中数据
truncate table stu_buck;
select * from stu_buck;
(4)导入数据到分桶表,通过子查询的方式
insert into table stu_buck
select id, name from stu cluster by(id);
(5)在hdfs上发现还是只有一个分桶
(6)需要设置一个属性
hive (default)>set hive.enforce.bucketing; // 查看
hive (default)>set hive.enforce.bucketing=true;
hive (default)>set mapreduce.job.reduces=-1;
hive (default)>insert into table stu_buck
select id, name from stu cluster by(id);
在hdfs上发现还是有4个分桶
(7)查询分桶的数据
hive (default)> select * from stu_buck;
OK
stu_buck.id stu_buck.name
1001 ss1
1005 ss5
1009 ss9
1012 ss12
1016 ss16
1002 ss2
1006 ss6
1013 ss13
1003 ss3
1007 ss7
1010 ss10
1014 ss14
1004 ss4
1008 ss8
1011 ss11
1015 ss15


修改表

重命名表

1
2
3
4
5
(1)语法
ALTER TABLE table_name RENAME TO new_table_name
(2)实操案例
hive (default)> alter table dept_partition2 rename to dept_partition3;

增加、修改和删除表【分区】

详见分区表基本操作。

增加/修改/替换【列信息】

1)语法
  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。

2)实操案例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
(1)查询表结构
hive>desc dept_partition;
(2)添加列
hive (default)> alter table dept_partition add columns(deptdesc string);
hive>desc dept_partition;
(4)更新列
hive (default)> alter table dept_partition change column deptdesc desc int;
hive>desc dept_partition;
(6)替换列:全部替换,数据不会变,变的是表结构
hive (default)> alter table dept_partition replace columns(deptno string, dname string, loc string);
hive>desc dept_partition;

删除表

hive (default)> drop table dept_partition;

-----------------本文结束,感谢您的阅读-----------------