Hive 之表的种类以及相关操作

Posted 猿人课堂

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Hive 之表的种类以及相关操作相关的知识,希望对你有一定的参考价值。


1.概述

在Hive 的世界里有一下几种表

类型 说明
Table 内部表
Partition 分区表
External Table 外部表
Bucket Table 桶表


2.Table(内部表)

  • 与数据库中的 Table 在概念上是类似

  • 每一个 Table 在 Hive 中都有一个相应的目录存储数据。 


  • 例如,一个表test,它在HDFS中的路径为:/hive/warehouse/test.

    • warehouse是在 hive-site.xml 中由 ${hive.metastore.warehouse.dir} 指定的数据仓库的目录

    • 所有的 Table 数据(不包括 External Table)都保存在这个目录中。


  • 删除表时,元数据与数据都会被删除

  • 创建一个内部表的相关操作: 


    • 创建数据文件inner_table.dat,内容如下: 


      3

    • 创建表 
      hive>create table inner_table (key string);

    • 加载数据 
      hive>load data local inpath ‘/root/inner_table.dat’ into table inner_table;

    • 查看数据 
      select * from inner_table 
      select count(*) from inner_table

    • 删除表 drop table inner_table

3.Partition(分区表)

  • Partition 对应于数据库的 Partition 列的密集索引

  • 在 Hive 中,表中的一个 Partition 对应于表下的一个目录,所有的 Partition 的数据都存储在对应的目录中。

    • 例如:test表中包含 date 和 city 两个 Partition 
      则对应于date=20130201, city = bj 的 HDFS 子目录为: 
      /warehouse/test/date=20130201/city=bj 
      对应于date=20130202, city=sh 的HDFS 子目录为; 
      /warehouse/test/date=20130202/city=sh


  • 创建一个分区表的相关操作

    • 创建表 
      create table partition_table(rectime string,msisdn string) partitioned by(daytime string,city string) row format delimited fields terminated by ‘\t’ stored as TEXTFILE;

    • 加载数据到分区 
      load data local inpath ‘/home/partition_table.dat’ into table partition_table partition (daytime=’2013-02-01’,city=’bj’);

    • 查看数据 
      select * from partition_table 
      select count(*) from partition_table

    • 删除表 
      drop table partition_table

    • 添加一个分区 
      通过load data 加载数据 
      alter table partition_table add partition (daytime=’2013-02-04’,city=’bj’);

    • 删除一个分区 
      元数据,数据文件删除,但目录daytime=2013-02-04还在 
      alter table partition_table drop partition (daytime=’2013-02-04’,city=’bj’);

  • 另外一个例子,再一次说明创建表的过程

CREATE TABLE tmp_table #表名 ( title           string, #字段名称 字段类型 minimum_bid     double, quantity        bigint, have_invoice    bigint )COMMENT '注释:XXX'           #表注释 PARTITIONED BY(pt STRING)  #分区表字段 ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'   # 字段是用什么分割开的 STORED AS SEQUENCEFILE;     #用哪种方式存储数据,SEQUENCEFILE是hadoop自带的文件压缩格式
 
   
   
 
  • 1

  • 2

  • 3

  • 4

  • 5

  • 6

  • 7

  • 8

  • 9

  • 10

  • 11


PS: 
#分区表字段—–如果你文件非常之大的话,采用分区表可以快过滤出按分区字段划分的数据 


基于Partition的查询 


一般 SELECT 查询是全表扫描。但如果是分区表,查询就可以利用分区剪枝(input pruning)的特性,类似“分区索引“”,只扫描一个表中它关心的那一部分。Hive 当前的实现是,只有分区断言(Partitioned by)出现在离 FROM 子句最近的那个WHERE 子句中,才会启用分区剪枝。例如,如果 page_views 表(按天分区)使用 date 列分区,以下语句只会读取分区为‘2008-03-01’的数据。

SELECT page_views.*    FROM page_views    WHERE page_views.date >= '2013-03-01' AND page_views.date <= '2013-03-01'
 
   
   
 
  • 1

4.External Table(外部表)

  • 指向已经在 HDFS 中存在的数据,可以创建 Partition

  • 它和 内部表 在元数据的组织上是相同的,而实际数据的存储则有较大的差异 

    • 内部表 创建过程和数据加载过程(这两个过程可以在同一个语句中完成),在加载数据的过程中,实际数据会被移动到数据仓库目录中;之后对数据对访问将会直接在数据仓库目录中完成。删除表时,表中的数据和元数据将会被同时删除

    • 外部表 只有一个过程,加载数据和创建表同时完成,并不会移动到数据仓库目录中,只是与外部数据建立一个链接。当删除一个 外部表 时,仅删除该链接

  • 创建一个外部表的相关操作 

    • 创建数据文件external_table.dat内容如下

    • 创建表 
      hive>create external table external_table1 (key string) ROW FORMAT DELIMITED FIELDS TERMINATED BY ‘\t’ location ‘/home/external’;

    • 在HDFS创建目录/home/external 
      #hadoop fs -put /home/external_table.dat /home/external

    • 加载数据 
      LOAD DATA INPATH ‘/home/external_table1.dat’ INTO TABLE external_table1;

    • 查看数据 
      select * from external_table 
      select count(*) from external_table

    • 删除表 
      drop table external_table

5.Bucket Table(桶表)

  • 桶表是对数据进行哈希取值,然后放到不同文件中存储

  • 创建一个桶表 

    • 创建表 
      create table bucket_table(id string) clustered by(id) into 4 buckets;

    • 加载数据 
      set hive.enforce.bucketing = true; 
      insert into table bucket_table select name from stu; 
      insert overwrite table bucket_table select name from stu;


PS:数据加载到桶表时,会对字段取hash值,然后与桶的数量取模。把数据放到对应的文件中。

6.视图

  • 视图的创建 
    CREATE VIEW v1 AS select * from t1;


7.总结

有关表的其他操作:

  • 表的修改 
    alter table target_tab add columns (cols,string)

  • 表的删除 
    drop table

  • 一些相关命令 
    SHOW TABLES; # 查看所有的表 
    SHOW TABLES ‘*TMP*’; #支持模糊查询 
    SHOW PARTITIONS TMP_TABLE; #查看表有哪些分区 
    DESCRIBE TMP_TABLE; #查看表结构

  • LIMIT Clause 
    Limit 可以限制查询的记录数。查询的结果是随机选择的。下面的查询语句从 t1 表中随机查询5条记录:

SELECT * FROM t1 LIMIT 5
 
   
   
 
  • 1

  • Top N查询 
    下面的查询语句查询销售记录最大的 5 个销售代表。

SET mapred.reduce.tasks = 1SELECT * FROM sales SORT BY amount DESC LIMIT 5
 
   
   
 
  • 1

  • 2

  • 表连接 

    • 内连接

    • 左外连接

select b.name,a.* from dim_ac a join acinfo b on (a.ac=b.acip) limit 10;
 
   
   
 
  • 1

select b.name,a.* from dim_ac a left outer join acinfo b on a.ac=b.acip limit 10;
 
   
   
 
  • 1

  • JAVA客户端相关代码

Class.forName("org.apache.hadoop.hive.jdbc.HiveDriver");Connection con = DriverManager.getConnection("jdbc:hive://192.168.1.102:10000/wlan_dw", "", "");Statement stmt = con.createStatement();String querySQL="SELECT * FROM wlan_dw.dim_m order by flux desc limit 10";ResultSet res = stmt.executeQuery(querySQL);  while (res.next()) {
System.out.println(res.getString(1) +"\t" +res.getLong(2)+"\t" +res.getLong(3)+"\t" +res.getLong(4)+"\t" +res.getLong(5));}
 
   
   
 
  • 1

  • 2

  • 3

  • 4

  • 5

  • 6

  • 7

  • 8

  • 9

  • 10

  • 当利用mysql存储Hive的元数据时,创建的一些表的信息存放在hive数据库的TBLS表中,内容如图:


PS: 
其中,TBL_NAME 是创建表时指定的表名,TBL_TYPE 是创建表的类型,内部表是MANAGED_TABLE,外部表是EXTERNAL_TABLE。


以上是关于Hive 之表的种类以及相关操作的主要内容,如果未能解决你的问题,请参考以下文章

Mysql之表相关操作2

MySQL之表相关操作

hive之表属性操作

MySQL之表的基本操作及存储引擎和数据类型

Oracle索引总结- Oracle索引种类之表簇索引(cluster index)

Mysql之表的操作与索引操作