Hive(5)-DDL数据定义
Hive(5)-DDL数据定义
一. 创建数据库
CREATE DATABASE [IF NOT EXISTS] database_name
[COMMENT database_comment]
[LOCATION hdfs_path]
[WITH DBPROPERTIES (property_name=property_value, ...)];
字段解释:
1). IF NOT EXISTS: 避免要创建的数据库已经存在
2). COMMENT : 给数据库添加一个备注
3). LOCATION: 如果不指定路径,默认的存储路径是HDFS的/user/hive/warehouse/*.db
4). WITH DBPROPERTIES: 给数据库添加一些自定的<key,value>
create database if not exists hive_db comment 'my fisrt database' location '/first_database' with dbproperties ('createtime' = '20181218');
Hive默认不支持中文,但是可以改
1). 修改hive_site.xml中的参数
<property> <name>javax.jdo.option.ConnectionURL</name> <value>jdbc:mysql://hadoop102:3306/metastore?createDatabaseIfNotExist=true&useUnicode=true&characterEncoding=UTF-8</value> <description>JDBC connect string for a JDBC metastore</description> </property>
2). 进入数据库的metastore中执行以下SQL
-- 修改表字段注解和表注解： alter table COLUMNS_V2 modify column COMMENT varchar(256) character set utf8； alter table TABLE_PARAMS modify column PARAM_VALUE varchar(4000) character set utf8； -- 修改分区字段注解： alter table PARTITION_PARAMS modify column PARAM_VALUE varchar(4000) character set utf8; alter table PARTITION_KEYS modify column PKEY_COMMENT varchar(4000) character set utf8;
二. 查询数据库
1.显示数据库
-- 显示数据库 show databases; -- 过滤显示数据库 show databases like 'hive*';
2.查看数据库详情
-- 显示数据库信息 desc database hive_db; -- 显示数据库详细信息 desc database extended hive_db;
3. 切换数据库
use hive_db2;
三. 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.
alter database hive_db set dbproperties('createtime'='20181218');
四. 删除数据库
-- 删除数据库 drop database hive_db; -- 如果删除的数据库不存在,最好用if exists判断 drop database if exists hive_db; -- 如果数据库里有表,可以用cascade强制删除 drop database hive_db cascade;
五. 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]
[TBLPROPERTIES (property_name=property_value, ...)]
[AS select_statement]
[LIKE table_name]
可选字段解释
1). EXTERNAL 表示创建的表是一个外部表,一般在建外部表的时候会和LOCATION一起用,指向实际数据的路径. 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.
2). IF NOT EXISTS 判断要创建的表是否已经存在,如果存在的话,不报异常
3). COMMENT 为表的字段或者表添加备注
4). PARTITIONED BY 创建分区表
5). CLUSTERED BY 创建分桶表
6). SORTED BY 对桶中的一列或多列另外排序
7).ROW FORMAT
DELIMITED
[FIELDS TERMINATED BY char] 指定字段分隔符
[COLLECTION ITEMS TERMINATED BY char] 指定Struct和Array数据分隔符
[MAP KEYS TERMINATED BY char] 指定Map数据的key value 分隔符
[LINES TERMINATED BY char] 指定行分隔符
| SERDE serde_name [WITH SERDEPROPERTIES (property_key=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， hive使用Serde进行行对象的序列与反序列化
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). TBLPROPERTIES 给表添加一些自定的k,v值
11). AS 后面跟查询语句,根据查询结果创建表
12). LIKE 允许用户复制现有的表结构,但是不复制数据
2. 管理表(MANAGED_TABLE)
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。
-- 普通创建表 create table if not exists namelist( id int, name string ) row format delimited fields terminated by '\t' stored as textfile location '/user/hive/warehouse/namelist'; -- 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 namelist2 as select id, name from namelist; -- 根据已经存在的表结构创建表 create table if not exists namelist3 like namelist; -- 查询表的类型 desc formatted namelist;
3. 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。
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。
准备一份student和dept文件,上传到hdfs上
-- 创建外部表 create external table stu_external( id int, name string) row format delimited fields terminated by '\t' location '/student'; -- 查看创建的表 select * from stu_external; -- 查看表格式化数据 desc formatted dept; --删除外部表 drop table stu_external;
外部表删除后，hdfs中的数据还在，但是metadata中stu_external的元数据已被删除
4.管理表和外部表的互相转换
-- 查询表的类型 desc formatted student2; -- 修改内部表student2为外部表 alter table student2 set tblproperties('EXTERNAL'='TRUE'); -- 查询表的类型 desc formatted student2; -- 修改外部表student2为内部表 alter table student2 set tblproperties('EXTERNAL'='FALSE'); -- 查询表的类型 hive (default)> desc formatted student2;
(‘EXTERNAL’=’TRUE’)和(‘EXTERNAL’=’FALSE’)为固定写法，区分大小写！
六. 分区表
分区表实际上就是对应一个HDFS文件系统上的独立的文件夹，该文件夹下是该分区所有的数据文件。Hive中的分区就是分目录，把一个大的数据集根据业务需要分割成小的数据集。在查询时通过WHERE子句中的表达式选择查询所需要的指定的分区，这样的查询效率会提高很多。
1. 创建分区表语法
create table dept_partition( deptno int, dname string, loc string ) partitioned by (month string) row format delimited fields terminated by '\t';
分区字段不能是表中已经存在的数据，可以将分区字段看作表的伪列
2. 加载数据到分区表
load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition partition(month='201809'); load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition partition(month='201910'); load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition partition(month='201811’);
分区表加载数据时，必须指定分区
3.查询表中数据
-- 单分区查询 select * from dept_partition where month='201809'; -- 多分区联合查询 select * from dept_partition where month='201909' union select * from dept_partition where month='201808' union select * from dept_partition where month='201807';
4. 增加分区
-- 创建单个分区 alter table dept_partition add partition(month='201706') ; -- 同时创建多个分区 alter table dept_partition add partition(month='201705') partition(month='201704');
5. 删除分区
-- 删除单个分区 alter table dept_partition drop partition (month='201804'); -- 同时删除多个分区 alter table dept_partition drop partition (month='201705'), partition (month='201706');
创建多个分区时,partition之间没有 逗号,删除多个分区时,partition之间有 逗号…..严重怀疑不是同一个人写的
6.查看分区表有多少个分区
show partitions dept_partition;
7.查看分区表结构
desc formatted dept_partition;
8. 二级分区表
-- 创建二级分区表 create table dept_partition2( deptno int, dname string, loc string ) partitioned by (month string, day string) row format delimited fields terminated by '\t'; -- 加载数据到二级分区表 load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition2 partition(month='201709', day='13'); --查询二级分区表 select * from dept_partition2 where month='201709' and day='13';
9. 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).上传数据后修复
上传数据
dfs -mkdir -p /user/hive/warehouse/dept_partition2/month=201709/day=12; 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） select * from dept_partition2 where month='201709' and day='12'; -- 执行修复命令 msck repair table dept_partition2; -- 再次查询数据(有数据) select * from dept_partition2 where month='201709' and day='12';
2).上传数据后添加分区
上传方法同上
-- 执行添加分区 alter table dept_partition2 add partition(month='201709',day='11'); -- 查询数据 select * from dept_partition2 where month='201709' and day='11';
3).创建文件夹后load数据到分区
创建目录
dfs -mkdir -p /user/hive/warehouse/dept_partition2/month=201709/day=10;
-- 上传数据 load data local inpath '/opt/module/datas/dept.txt' into table dept_partition2 partition(month='201709',day='10'); -- 查询数据 select * from dept_partition2 where month='201709' and day='10';
七. 修改表
1.重命名表
语法
ALTER TABLE table_name RENAME TO new_table_name
alter table dept_partition2 rename to dept_partition3;
2. 增加/修改/替换列信息
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], ...)
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。
-- 添加列 alter table dept_partition add columns(deptdesc string); -- 更新列 alter table dept_partition change column deptdesc desc int; -- 替换列 alter table dept_partition replace columns(deptno string, dnamestring, loc string);
八. 删除表
drop table dept_partition;