Hive详解之内表、外表和分区_hive 外表

一、 Hive的内表与外表

• 创建内部表mytable

 

• 创建外部表pageview 

 

验证

这两个，左边是外表，右边是内表从大体上看似乎没什么区别，但是他的主要区别在于删除操作上：

　　内表删除表或者分区元数据和数据都删了

　　外表删除表元数据删除，数据保留

下面分别执行两条语句：

 drop table food;
 drop table food_ex

执行这两条语句以后，两个表都删除了，但是结果却不一样，访问NameNode的50070端口，可以看到虽然都执行了表删除语句，内表删除后是把元数据和数据都删除了，而外表却只删除了元数据（表的信息）但真实数据却保留了下来； 

二、 Hive的分区

2.1、静态分区

必须在表定义时创建partition

a、单分区建表语句：

create table psn5
(
id int,
name string,
likes array<string>,
address map<string,string>
)
partitioned by(age int)
row format delimited 
fields terminated by ','
collection items terminated by '-'
map keys terminated by ':';

单分区表，按年龄分区。 以age为文件夹区分

1,tom,game-music-book,stu:henan-home:henan-work:beijing
2,jack,money-meinv,stu:wuhan-home:wuhan
3,lusi,shopping-music,stu:shanghai-home:beijing

下面是log_info 的表结构信息，分区已经创建：

b、 双分区建表语句：

create table psn6
(
id int,
name string,
likes array<string>,
address map<string,string>
)
partitioned by(age int,sex string)
row format delimited 
fields terminated by ','
collection items terminated by '-'
map keys terminated by ':';

双分区表，按age和sex分区，在表结构中新增加了age和sex两列。 先以age为文件夹，再以sex子文件夹区分

下面是log_info2 的表结构信息，分区已经创建：

 查看数据：

hive> dfs -cat /usr/hive_remote/warehouse/psn6/age=28/sex=male/data03;
1,lxk,game-music-book,stu:henan-home:henan-work:beijing
2,jack,money-meinv,stu:wuhan-home:wuhan
3,lusi,shopping-music,stu:shanghai-home:beijing
hive>

 c、Hive添加分区表语法 （表已创建，在此基础上添加分区内容）：

ALTER TABLE table_name ADD partition_spec
 [ LOCATION 'location1' ]
partition_spec [ LOCATION 'location2' ] ... 
 
举例：
ALTER TABLE day_table 
ADD PARTITION (dt='2008-08-08', hour='08')
location '/path/pv1.txt'

d、Hive删除分区语法：

ALTER TABLE table_name DROP PARTITION partition_spec, partition_spec,...

 用户可以用 ALTER TABLE DROP PARTITION 来删除分区。分区的元数据和数据将被一并删除。例： 

ALTER TABLE day_hour_table DROP PARTITION (dt='2008-08-08', hour='09');

alter table log_info drop partition (times='20160222');

e、Hive数据加载进分区表中语法：

 LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)] 

例：

单分区数据加载

 load data local inpath '/opt/log' overwrite into table  log_info partition(times='20160223');
 load data local inpath '/root/data03' overwrite into table psn6 partition(age=28,sex='male');

hive> select * from log_info;
OK
23.45.66.77 20160222
45.66.11.8 20160222
2.3.4.5 20160223
4.56.77.31 20160223
34.55.6.77 20160223
34.66.11.6 20160223
Time taken: 0.125 seconds, Fetched: 6 row(s)

在Hive中会根据分区的名称新建两个分区目录

双分区数据加载：

load data local inpath '/opt/log3' overwrite into table log_info2 partition(days='23',hours='12');
 
hive> select * from log_info2;
OK
12.3.33.66    23    12
23.44.56.6    23    12
12.22.33.4    23    12
8.78.99.4    23    12
233.23.211.2    23    12
Time taken: 0.069 seconds, Fetched: 5 row(s)
#当数据被加载至表中时，不会对数据进行任何转换。
#Load操作只是将数据复制至Hive表对应的位置。数据加载时在表下自动创建一个目录基于分区的查询的语句：
 
 
SELECT day_table.* FROM day_table WHERE day_table.dt>= '2008-08-08';

f、Hive查看分区语句： 

hive> show partitions day_hour_table; 
OK 
dt=2008-08-08/hour=08 
dt=2008-08-08/hour=09 
dt=2008-08-09/hour=09

hive> show partitions log_info;
OK
times=20160222
times=20160223
Time taken: 0.06 seconds, Fetched: 2 row(s)

2.2、动态分区

hive 动态分区配置：

1. 开启支持动态分区 set hive.exec.dynamic.partition=true;  —— 默认：true
2. set hive.exec.dynamic.partition.mode=nostrict;  —— 默认：strict（至少有一个分区列是静态分区）

其他相关参数 ：

• set hive.exec.max.dynamic.partitions.pernode; #每一个执行mr节点上，允许创建的动态分区的最大数量(100) 
• set hive.exec.max.dynamic.partitions;             #所有执行mr节点上，允许创建的所有动态分区的最大数量(1000) 
• set hive.exec.max.created.files;                       #所有的mr job允许创建的文件的最大数量(100000)

数据准备： 

1,tom,female,28,game-music-book,stu:henan-home:henan-work:beijing
2,jack,male,21,money-meinv,stu:wuhan-home:wuhan
3,lusi,male,18,shopping-music,stu:shanghai-home:beijing

建表：

create table psn9
(
id int,
name string,
likes array<string>,
address map<string,string>
)
partitioned by(age int,sex string)
row format delimited 
fields terminated by ','
collection items terminated by '-'
map keys terminated by ':';

动态分区： insert into psn9 partition (age,sex) select id, name, likes, address, age, sex from psn8;

hive> dfs -cat /usr/hive_remote/warehouse/psn9/age=18/sex=male/000000_1000;
3,lusi,shopping-music,stu:shanghai-home:beijing
hive>

修复分区：分区是作为元数据存储在MySQL中的，当hdfs路径中包含多级目录，同时存在分区列的是，可以创建外部表使用，但是分区的元数据没有在MySQL中存储，查不到数据。

命令：msck repair table tablename；

注意事项

1. hive的分区使用的表外字段，分区字段是一个伪列但是可以查询过滤。
2. 分区字段不建议使用中文.
3. 不太建议使用动态分区。因为动态分区将会使用mapreduce来查询数据，如果分区数量过多将导致namenode和yarn的资源瓶颈。所以建议动态分区前也尽可能之前预知分区数量。
4. 分区属性的修改均可以使用手动元数据和hdfs的数据内容