大数据之hive

tech2022-08-06  166

创建表

1.建表语法

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name [(col_name data_type [COMMENT col_comment], ...)] --(COMMENT :注释) [COMMENT table_comment] [PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)] 分区 [CLUSTERED BY (col_name, col_name, ...) 分桶 [SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] [ROW FORMAT row_format] row format delimited fields terminated by “分隔符” [STORED AS file_format] [LOCATION hdfs_path]

2.字段解释说明 (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)COMMENT:为表和列添加注释。 (4)PARTITIONED BY创建分区表 (5)CLUSTERED BY创建分桶表 (6)SORTED BY不常用 (7)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。 (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)、ORC(列式存储) 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 ORC。 当建表的格式指定为ORC(STORED AS ORC)时,导入的数据格式也必须是ORC格式的,或者使用insert into table tb_user_orc select * from tb_user 将查询结果插入到表中,当我们使用列式存储的格式的数据进行运算时,速度会大大提升,但不要使用select (9)LOCATION :指定表在HDFS上的存储位置。 (10)LIKE允许用户复制现有的表结构,但是不复制数据。

向表中导入数据

1.正常插入数据

insert into table tb_user values( );

*注意:使用这种方式导入数据会使hdfs的表目录下生成大量的小文件,每插入一条就生成一个小文件,所以不建议使用这种方式插入数据

2.从本地的/doit/文件夹中将数据导入到tb_user表中

hive (default)> load data local inpath '/doit/' (overwrite 覆盖插入) into table tb_user;

3.从hdfs的/doit/文件夹中将数据导入到tb_user表中

hive (default)> load data inpath '/doit/' (overwrite覆盖插入) into table tb_user;

当使用load在hdfs中和linux本地将数据导入到表中之后,会在hdfs的hive表目录下中出现我们刚才导入的文件,但是hdfs中的数据导入之后,原路径上的文件会移动到表目录下,原路径上的文件会消失,linux本地原路径上的文件不会消失.

4.location “hdfs文件路径” 这种导入方法是,将表映射到hdfs的文件路径上,导入数据之后,原路径上的文件不会改变.

5.将查询语句查询后的结果,插入到表中去,但必须保证结构相互对应,且hive支持并发查询和插入

insert into table tb_user select * from tb_user

6.创建表时就将查询到的结果插入到表中,这样的话表结构也会一并生成

create table tb_user2 as selcet * from tb_user;

7.创建好表格式,然后直接将文件-put上传到表目录下

8.先使用exprot tb_user to “导出路径” 将表中的数导出 再使用import “导出的文件的路径” from tb_user2;

9.使用 sqoop DataX 数据迁移工具

将表中的数据导出

1.将查询结果导出到导出路径

insert overwrite local directory "导出路径" row format delimited fields terminated by ',' select * from tb_user;

2.hdfs dfs -get

3.hive -e “select * from tb_user” >> user.txt 将查询的hive结果写入文件中

4.exprot tb_user to “导出路径” 将表中的数导出

内部表(管理表)和外部表

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。

在实际工作中,我们处理的一些数据,有时候是需要共享数据的,即可能会被多个表进行访问,所以我们在导入数据时,要在共享目录下将原数据不能挪动的情况下导入数据,那么我们就需要location的方法来导入数据,而且在我们删除表的时候,共享数据不能跟着表一起删除.

所以此时就有了内部表和外部表,内部表在删除数据时,数据会跟着表一起删除,无论是使用location映射导入的数据,还是使用load导入的数据,而内部表不会,删除表后,原数据不会被删除.

所以在导入数据时,内部表一般使用load导入,外部表一般使用location导入.

我们默认创建的表都是内部表,创建外部表是只需要加入external参数即可:

create external table tb_user ( ) row format delimited fields terminated by ',' location "hdfs文件路径" ;

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。 2.案例实操 (1)普通创建表

create table if not exists tb_user4( uid int , name string , age int , gender string , sal double ) --导入数据时按","进行切割 row format delimited fields terminated by ',';

(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

3.管理表与外部表的互相转换 (1)查询表的类型

hive (default)> desc formatted student2; Table Type: MANAGED_TABLE

(2)修改内部表student2为外部表

alter table student2 set tblproperties('EXTERNAL'='TRUE');

(3)查询表的类型

hive (default)> desc formatted student2; Table Type: EXTERNAL_TABLE

(4)修改外部表student2为内部表

alter table student2 set tblproperties('EXTERNAL'='FALSE');

(5)查询表的类型

hive (default)> desc formatted student2; Table Type: MANAGED_TABLE

注意:(‘EXTERNAL’=‘TRUE’)和(‘EXTERNAL’=‘FALSE’)为固定写法,区分大小写!

静态分区表

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.引入分区表(需要根据日期对日志进行管理) /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(一级分区)

hive (default)> create table dept_partition( deptno int, dname string, loc string ) partitioned by (month string) -- 按月分区 row format delimited fields terminated by '\t';

3.加载数据到分区表中

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);

加载数据到分区表 分区表 查询分区表中数据

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 --使用 union 可以将多个select语句的查询结果组合起来。 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 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 创建单个分区

hive (default)> alter table dept_partition add partition(month='201706') ; --创建的分区内的数据可以为空 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 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

hive> desc formatted dept_partition;

创建二级分区表

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)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.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 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;

查询数据(查询不到刚上传的数据)

hive (default)> select * from dept_partition2 where month='201709' and day='12';

执行修复命令

hive> msck repair table dept_partition2;

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 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;

执行添加分区

hive (default)> alter table dept_partition2 add partition(month='201709', day='11');

查询数据

hive (default)> select * from dept_partition2 where month='201709' and day='11';

(3)方式三:创建文件夹后load数据到分区 创建目录

hive (default)> dfs -mkdir -p /user/hive/warehouse/dept_partition2/month=201709/day=10;

上传数据

hive (default)> load data local inpath '/opt/module/datas/dept.txt' into table dept_partition2 partition(month='201709',day='10');

查询数据

hive (default)> select * from dept_partition2 where month='201709' and day='10';

动态分区表

按照某个字段自动的将数据加载到指定的分区中 1 创建普通的表

create table demo( id int , birthday string , cost int ) row format delimited fields terminated by '\t' ;

2加载数据

load data local inpath '/log/demo' into table demo ;

3数据 1 2010-11-12 120 2 2010-11-12 121 3 2010-11-12 122 4 2010-11-12 124 5 2010-11-13 122 6 2010-11-13 120 7 2010-11-14 123 8 2010-11-13 1202 9 2010-11-12 1202 10 2010-11-12 1201

4创建分区表

create table dyn_demo( id int , birthday string , cost int ) partitioned by(bt string) row format delimited fields terminated by '\t' ;

5 设置参数(一般设置前两条即可) set hive.exec.dynamic.partition=true //使用动态分区 set hive.exec.dynamic.partition.mode=nonstrick;//无限制模式,如果模式是strict,则必须有一个静态分区且放在最前面 set hive.exec.max.dynamic.partitions.pernode=10000;//每个节点生成动态分区的最大个数 set hive.exec.max.dynamic.partitions=100000;//生成动态分区的最大个数 set hive.exec.max.created.files=150000;//一个任务最多可以创建的文件数目 set dfs.datanode.max.xcievers=8192;//限定一次最多打开的文件数 set hive.merge.mapfiles=true; //map端的结果进行合并 set mapred.reduce.tasks =20000; //设置reduce task个数

6 加载数据 –因为分区后分区表中会多一个字段,所以加载数据时查询语句要在*的后面加上birthday,然后它会自动映射到括号中的分区字段,然后自动按该字段是否相同进行分区,相同的就会分到同一个区中

insert into table dyn_demo partition(bt) select *,birthday from demo ;

修改表(结构)

重命名表 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)查询表结构

hive> desc formatted dept_partition;

(2)添加列

hive (default)> alter table dept_partition add columns(deptdesc string);

(3)查询表结构

hive> desc dept_partition;

(4)更新列

hive (default)> alter table dept_partition change column deptdesc desc int;

(5)查询表结构

hive> desc dept_partition;

(6)替换列

hive (default)> alter table dept_partition replace columns(deptno string, dname

string, loc string); (7)查询表结构

hive> desc dept_partition;

删除表

hive (default)> drop table dept_partition;
最新回复(0)