Hive基本操作——DDL操作_头歌平台hive表ddl操作(一)怎么做

hive的基本操作，与Mysql的基本操作大致相同，其中稍有一些不相同的地方。这里统一进行梳理hive的基本操作。

1、数据库

创建数据库

create database if not exists myhive;
1

hive的表存放位置模式是由hive-site.xml当中的一个属性指定的：

<name>hive.metastore.warehouse.dir</name>
<value>/user/hive/warehouse</value>
1
2

创建数据库并指定hdfs存储位置

create database myhive2 location '/myhive2';
1

修改数据库

可以使用alter database 命令来修改数据库的一些属性。
但是数据库的元数据信息是不可更改的，包括数据库的名称以及数据库所在的位置

alter  database  myhive2  set  dbproperties('createtime'='20180927');
1

查看数据库详细信息

查看数据库基本信息

desc  database  myhive2;
1

查看数据库更多详细信息

desc database extended  myhive2;  
1

删除数据库

删除一个空数据库。
如果数据库下面有数据表，该命令会报错。

drop  database  myhive2;
1

强制删除数据库，包含数据库下面的表一起删除

drop  database  myhive  cascade;   
1

cascade 关键字可以强制删除数据库以及包含的表。
当然，删除含有表的数据库，也可以先手动删除所有表。
提示：一般情况下，删除数据库是一种基本不执行的操作。操作一定要慎重。传说中的从删库到跑路，除了rm -rf / ，或许就是这个了。

2、数据库表

创建数据库表语法

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]
1
2
3
4
5
6
7
8
9

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；用户可以用 IF NOT EXISTS 选项来忽略这个异常。
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），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。
3、 LIKE 允许用户复制现有的表结构，但是不复制数据。
4、

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, ...)]
1

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。
5、 STORED AS SEQUENCEFILE|TEXTFILE|RCFILE
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。

6、CLUSTERED BY
对于每一个表（table）或者分区， Hive可以进一步组织成桶，也就是说桶是更为细粒度的数据范围划分。Hive也是 针对某一列进行桶的组织。Hive采用对列值哈希，然后除以桶的个数求余的方式决定该条记录存放在哪个桶当中。

把表（或者分区）组织成桶（Bucket）有两个理由：
（1）获得更高的查询处理效率。桶为表加上了额外的结构，Hive 在处理有些查询时能利用这个结构。具体而言，连接两个在（包含连接列的）相同列上划分了桶的表，可以使用 Map 端连接 （Map-side join）高效的实现。比如JOIN操作。对于JOIN操作两个表有一个相同的列，如果对这两个表都进行了桶操作。那么将保存相同列值的桶进行JOIN操作就可以，可以大大较少JOIN的数据量。
（2）使取样（sampling）更高效。在处理大规模数据集时，在开发和修改查询的阶段，如果能在数据集的一小部分数据上试运行查询，会带来很多方便。

管理表

Hive建表操作

use myhive;
create table stu(id int,name string);
insert into stu values (1,"zhangsan");
1
2
3

Hive建表时候的字段类型

https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Types

类型				描述
BOOLEAN			true/false
TINYINT			1字节的有符号整数 -128~127
SMALLINT		2个字节的有符号整数，-32768~32767
INT				4个字节的带符号整数
BIGINT			8字节带符号整数
FLOAT			4字节单精度浮点数1.0
DOUBLE			8字节双精度浮点数
DEICIMAL		任意精度的带符号小数
STRING			字符串，变长
VARCHAR			变长字符串
CHAR			固定长度字符串
BINARY			字节数组
TIMESTAMP		时间戳，纳秒精度
DATE			日期
INTERVAL		时间频率间隔
ARRAY			有序的的同类型的集合
MAP				key-value,key必须为原始类型，value可以任意类型
STRUCT			字段集合,类型可以不同
UNION			在有限取值范围内的一个值
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

创建表并指定字段之间的分隔符

create table if not exists stu2 (id int,name string) row format delimited fields terminated by '\t'  stored as textfile location '/user/hive/myhive/stu2';
1

根据查询结果创建表

create table stu3 as select * from stu2;
1

根据已经存在的表结构创建表

create table stu4 like stu2;
1

查询表的类型

desc formatted  stu2;
1

外部表

外部表说明：

外部表因为是指定其他的hdfs路径的数据加载到表当中来，所以hive表会认为自己不完全独占这份数据，所以删除hive表的时候，数据仍然存放在hdfs当中，不会删掉

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。

操作案例

分别创建老师与学生表外部表，并向表中加载数据。
创建teacher表：

create external table techer (t_id string,t_name string) row format delimited fields terminated by '\t';
1

创建student表：

create external table student (s_id string,s_name string,s_birth string , s_sex string ) row format delimited fields terminated by '\t';
1

从linux本地文件系统向表中加载数据(需要先上传相关数据文件）

load data local inpath '/export/servers/hivedatas/student.csv' into table student;
1

加载数据并覆盖已有数据

load data local inpath '/export/servers/hivedatas/student.csv' overwrite  into table student;
1

从hdfs文件系统向表中加载数据（需要提前将数据上传到hdfs文件系统，其实就是一个移动文件的操作）

cd /export/servers/hivedatas
hdfs dfs -mkdir -p /hivedatas
hdfs dfs -put techer.csv /hivedatas/
load data inpath '/hivedatas/techer.csv' into table techer;
1
2
3
4

加载hdfs数据并覆盖已有数据

load data inpath '/hivedatas/techer.csv' overwrite into table techer;
1

如果删掉student表，hdfs的数据仍然存在，并且重新创建表之后，表中就直接存在数据了。
因为我们的student表使用的是外部表，drop table之后，表当中的数据依然保留在hdfs上面了。

分区表

我们可以把大的文件切割划分成一个个的小的文件，这样每次操作一个小的文件就会很容易了。同样的道理，在hive当中也是支持这种分治的思想的，比如我们可以把大的数据，按照每天，或者每小时进行切分成一个个的小的文件，这样去操作小的文件就会比较容易。

创建分区表语法

create table score(s_id string,c_id string, s_score int) partitioned by (month string) row format delimited fields terminated by '\t';
1

创建一个表带多个分区

create table score2 (s_id string,c_id string, s_score int) partitioned by (year string,month string,day string) row format delimited fields terminated by '\t';
1

加载数据到分区表中

load data local inpath '/export/servers/hivedatas/score.csv' into table score partition (month='201806');
1

加载数据到一个多分区的表中去

load data local inpath '/export/servers/hivedatas/score.csv' into table score2 partition(year='2018',month='06',day='01');
1

多分区联合查询使用union all来实现

select * from score where month = '201806' union all select * from score where month = '201806';
1

查看分区

show  partitions  score;
1

添加一个分区

alter table score add partition(month='201805');
1

同时添加多个分区

alter table score add partition(month='201804') partition(month = '201803');
1

注意：添加分区之后就可以在hdfs文件系统当中看到表下面多了一个文件夹

删除分区

alter table score drop partition(month = '201806');
1

分桶表

将数据按照指定的字段进行分成多个桶中去，就是将数据按照字段进行划分到多个文件当中去

开启hive的桶表功能

set hive.enforce.bucketing=true;
1

设置reduce的个数

set mapreduce.job.reduces=3;
1

创建桶表

create table course (c_id string,c_name string,t_id string) clustered by(c_id) into 3 buckets row format delimited fields terminated by '\t';
1

桶表的数据加载

桶表的数据加载通过hdfs dfs -put文件或者通过load data均不好使，只能通过insert overwrite。

创建普通表，并通过insert overwrite的方式将普通表的数据通过查询的方式加载到桶表当中去

创建普通表：

create table course_common (c_id string,c_name string,t_id string) row format delimited fields terminated by '\t';
1

普通表中加载数据

load data local inpath '/export/servers/hivedatas/course.csv' into table course_common;
1

通过insert overwrite给桶表中加载数据

insert overwrite table course select * from course_common cluster by(c_id);
1

修改表

表重命名

基本语法：

alter  table  old_table_name  rename  to  new_table_name;
1

把表score1修改成score2

alter table score1 rename to score2;
1

增加/修改列信息

（1）查询表结构

desc score2;
1

（2）添加列

alter table score2 add columns (mycol string, mysco string);
1

（3）查询表结构

desc score2;
1

（4）更新列

alter table score2 change column mysco mysconew int;
1

（5）查询表结构

desc score2;
1

删除表

删除表

drop table score2;
1

清空表数据

只能清空管理表，也就是内部表

truncate table score6;
1