- 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; - 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 db_hive; FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. Database db_hive already exists hive (default)> create database if not exists db_hive;
- 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';
- 显示数据库
① 显示
② 过滤显示查询的数据库
hive> show databases;hive> show databases like 'db_hive*'; OK db_hive db_hive_1
- 查看数据库详情
① 显示数据库信息
② 显示数据库详细信息, extended
hive (default)> desc database db_hive2; OK db_name comment location owner_name owner_type parameters db_hive2 hdfs://hadoop102:9000/db_hive2.db kino USER Time taken: 0.044 seconds, Fetched: 1 row(s)
hive (default)> desc database extended db_hive2; OK db_name comment location owner_name owner_type parameters db_hive2 hdfs://hadoop102:9000/db_hive2.db kino USER Time taken: 0.023 seconds, Fetched: 1 row(s)
- 切换当前数据库
hive (default)> use db_hive2;
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_hive2 set dbproperties('createtime'='20170830');在hive中查看修改结果
hive (default)> desc database extended db_hive;
FAILED: SemanticException [Error 10072]: Database does not exist: db_hive
hive (default)> desc database extended db_hive2;
OK
db_name comment location owner_name owner_type parameters
db_hive2 hdfs://hadoop102:9000/db_hive2.db kino USER {createtime=20170830}
Time taken: 0.026 seconds, Fetched: 1 row(s)-
删除空数据库
hive>drop database db_hive2; -
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 db_hive; FAILED: SemanticException [Error 10072]: Database does not exist: db_hive hive> drop database if exists db_hive2;
-
如果数据库不为空， 可以采用
cascade命令，强制删除hive> drop database db_hive; FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. InvalidOperationException(message:Database db_hive is not empty. One or more tables exist.) hive> drop database db_hive cascade;
- 创建表语法
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]
- 字段解释说明
-
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。
-
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。
-
COMMENT：为表和列添加注释。
-
PARTITIONED BY创建分区表
-
CLUSTERED BY创建分桶表
-
SORTED BY不常用
-
ROW FORMAT
DELIMITED [FIELDS TERMINATED BY char] [COLLECTION ITEMS TERMINATED BY char] [MAP KEYS TERMINATED BY char] [LINES 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。
SerDe是Serialize/Deserilize的简称，目的是用于序列化和反序列化。
-
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。
① TEXTFILE 默认格式，数据不做压缩，磁盘开销大，数据解析开销大。 可结合Gzip、Bzip2使用(系统自动检查，执行查询时自动解压)，但使用这种方式，hive不会对数据进行切分， 从而无法对数据进行并行操作。
create table if not exists textfileTable( site string, url string, pv bigint, label string) row format delimited fields terminated by '\t' stored as textfile; 插入数据操作： set hive.exec.compress.output=true; set mapred.output.compress=true; set mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec; set io.compression.codecs=org.apache.hadoop.io.compress.GzipCodec; insert overwrite table textfileTable select * from textfileTable;
② SEQUENCEFILE SequenceFile是Hadoop API提供的一种二进制文件支持，其具有使用方便、可分割、可压缩的特点。 SequenceFile支持三种压缩选择：NONE，RECORD，BLOCK。Record压缩率低，一般建议使用BLOCK压缩。
create table if not exists seqfileTable( site string, url string, pv bigint, label string) row format delimited fields terminated by '\t' stored as sequencefile; 插入数据操作： set hive.exec.compress.output=true; set mapred.output.compress=true; set mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec; set io.compression.codecs=org.apache.hadoop.io.compress.GzipCodec; SET mapred.output.compression.type=BLOCK; insert overwrite table seqfileTable select * from textfileTable;
③ RCFILE RCFILE是一种行列存储相结合的存储方式。首先，其将数据按行分块，保证同一个record在一个块上，避免读一个记录需要读取多个block。其次，块数据列式存储，有利于数据压缩和快速的列存取。
create table if not exists rcfileTable( site string, url string, pv bigint, label string) row format delimited fields terminated by '\t' stored as rcfile; 插入数据操作： set hive.exec.compress.output=true; set mapred.output.compress=true; set mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec; set io.compression.codecs=org.apache.hadoop.io.compress.GzipCodec; insert overwrite table rcfileTable select * from textfileTable;
相比TEXTFILE和SEQUENCEFILE，RCFILE由于列式存储方式，数据加载时性能消耗较大，但是具有较好的压缩比和查询响应。数据仓库的特点是一次写入、多次读取，因此，整体来看，RCFILE相比其余两种格式具有较明显的优势。
-
LOCATION ：指定表在HDFS上的存储位置。
-
LIKE允许用户复制现有的表结构，但是不复制数据。
-
-
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。
-
案例 ① 普通创建表
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';
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
-
理论 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。
-
案例 分别创建部门和员工外部表，并向表中导入数据。 ① 原始数据 dept:
10 ACCOUNTING 1700 20 RESEARCH 1800 30 SALES 1900 40 OPERATIONS 1700
emp:
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
② 建表语句 dept:
create external table if not exists default.dept( deptno int, dname string, loc int ) row format delimited fields terminated by '\t';
emp:
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
show tables; +-----------+--+ | tab_name | +-----------+--+ | dept | | emp | | student | +-----------+--+ 3 rows selected (0.261 seconds)
④ 向外部表中导入数据 dept:
load data local inpath '/opt/module/datas/dept.txt' into table dept; INFO : Loading data to table default.dept from file:/opt/module/datas/dept.txt INFO : Table default.dept stats: [numFiles=1, totalSize=69] No rows affected (1.956 seconds) select * from dept; +--------------+-------------+-----------+--+ | dept.deptno | dept.dname | dept.loc | +--------------+-------------+-----------+--+ | 10 | ACCOUNTING | 1700 | | 20 | RESEARCH | 1800 | | 30 | SALES | 1900 | | 40 | OPERATIONS | 1700 | +--------------+-------------+-----------+--+
emp:
load data local inpath '/opt/module/datas/emp.txt' into table emp; INFO : Loading data to table default.emp from file:/opt/module/datas/emp.txt INFO : Table default.emp stats: [numFiles=1, totalSize=657] No rows affected (0.357 seconds) select * from emp; +------------+------------+------------+----------+---------------+----------+-----------+-------------+--+ | emp.empno | emp.ename | emp.job | emp.mgr | emp.hiredate | emp.sal | emp.comm | emp.deptno | +------------+------------+------------+----------+---------------+----------+-----------+-------------+--+ | 7369 | SMITH | CLERK | 7902 | 1980-12-17 | 800.0 | NULL | 20 | | 7499 | ALLEN | SALESMAN | 7698 | 1981-2-20 | 1600.0 | 300.0 | 30 | | 7521 | WARD | SALESMAN | 7698 | 1981-2-22 | 1250.0 | 500.0 | 30 | | 7566 | JONES | MANAGER | 7839 | 1981-4-2 | 2975.0 | NULL | 20 | | 7654 | MARTIN | SALESMAN | 7698 | 1981-9-28 | 1250.0 | 1400.0 | 30 | | 7698 | BLAKE | MANAGER | 7839 | 1981-5-1 | 2850.0 | NULL | 30 | | 7782 | CLARK | MANAGER | 7839 | 1981-6-9 | 2450.0 | NULL | 10 | | 7788 | SCOTT | ANALYST | 7566 | 1987-4-19 | 3000.0 | NULL | 20 | | 7839 | KING | PRESIDENT | NULL | 1981-11-17 | 5000.0 | NULL | 10 | | 7844 | TURNER | SALESMAN | 7698 | 1981-9-8 | 1500.0 | 0.0 | 30 | | 7876 | ADAMS | CLERK | 7788 | 1987-5-23 | 1100.0 | NULL | 20 | | 7900 | JAMES | CLERK | 7698 | 1981-12-3 | 950.0 | NULL | 30 | | 7902 | FORD | ANALYST | 7566 | 1981-12-3 | 3000.0 | NULL | 20 | | 7934 | MILLER | CLERK | 7782 | 1982-1-23 | 1300.0 | NULL | 10 | +------------+------------+------------+----------+---------------+----------+-----------+-------------+--+ 14 rows selected (0.156 seconds)
⑤ 查看表格式化数据
desc formatted dept; desc formatted emp;
- 查询表的类型
desc formatted student2; | Table Type: | MANAGED_TABLE | NULL |
- 修改内部表 student2 为外部表
alter table student2 set tblproperties('EXTERNAL'='TRUE'); No rows affected (0.116 seconds) desc formatted student2; | Table Type: | EXTERNAL_TABLE | NULL |
注意：('EXTERNAL'='TRUE')和('EXTERNAL'='FALSE')为固定写法，区分大小写！
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。
-
引入分区表（需要根据日期对其日志进行管理）
/user/hive/warehouse/log_partition/20170702/20190802.log /user/hive/warehouse/log_partition/20170703/20190803.log /user/hive/warehouse/log_partition/20170704/20190804.log -
创建分区表语法
hive (default)> create table dept_partition( deptno int, dname string, loc string ) partitioned by (month string) row format delimited fields terminated by '\t';
-
加载数据到分区表中
load data local inpath '/opt/module/datas/dept.txt' into table dept_partition partition(month='201909'); load data local inpath '/opt/module/datas/dept.txt' into table dept_partition partition(month='201908'); load data local inpath '/opt/module/datas/dept.txt' into table dept_partition partition(month='201907');
-
查询分区表中数据 ① 单分区查询
select * from dept_partition where month='201909'; +------------------------+-----------------------+---------------------+-----------------------+--+ | dept_partition.deptno | dept_partition.dname | dept_partition.loc | dept_partition.month | +------------------------+-----------------------+---------------------+-----------------------+--+ | 10 | ACCOUNTING | 1700 | 201909 | | 20 | RESEARCH | 1800 | 201909 | | 30 | SALES | 1900 | 201909 | | 40 | OPERATIONS | 1700 | 201909 | +------------------------+-----------------------+---------------------+-----------------------+--+
② 多分区联合查询
select * from dept_partition where month='201909' union select * from dept_partition where month = '201908' union select * from dept_partition where month = '201907'; _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 20 RESEARCH DALLAS 201708 20 RESEARCH DALLAS 201709 30 SALES CHICAGO 201707 30 SALES CHICAGO 201708 30 SALES CHICAGO 201709 40 OPERATIONS BOSTON 201707 40 OPERATIONS BOSTON 201708 40 OPERATIONS BOSTON 201709
-
增加分区 ① 创建单个分区（与增加字段一致: alter table TableName add partition(分区字段='要增加的分区')）
hive (default)> alter table dept_partition add partition(month='201706') ;
② 同时创建多个分区（新增多个分区， 分区间不用 , 隔开，但是删除多个分区的时候需要）
hive (default)> alter table dept_partition add partition(month='201705') partition(month='201704');
-
删除分区 ① 删除单个分区
hive (default)> alter table dept_partition drop partition (month='201704');
② 同时删除多个分区
hive (default)> alter table dept_partition drop partition (month='201705'), partition (month='201706');
-
查看分区表都多少分区
hive> show partitions dept_partition; -
查看分区表的结构
hive> desc formatted dept_partition; # Partition Information # col_name data_type comment month string