大数据 - spark-sql 常用命令

Posted 2021-01-06

 

--spark启动

spark-sql

 

 --退出

 

spark-sql> quit;     --退出spark-sql

 

or

spark-sql> exit;

 

1、查看已有的database

show databases;
--切换数据库
use databaseName;

 

2、创建数据库

 

create database myDatabase;

 

3、登录数据库myDatabase;

 

use myDatabase

 

4、查看已有的table 

 

show tables;  -- 查看所有表
show tables \'KHDX\'; -- 支持模糊查询，表名包含KHDX

 

5、创建表

 

--建表：
create table tab_test(
name string,
age int,
num1 double,
num2 bigint,
msg varchar(80)    --最后一个字段后面不能有  \',\'  号
)
partitioned by (p_age int,p_name string) --分区信息
row format delimited fields terminated by \',\' --数据中，属性间用逗号分隔
stored as textfile location \'/tab/test/tab_test\';  --保存路径，最后也可带\'/\' 即写成 \'/tab/test/tab_test/\'

-- stored as orc ;orc类型的表，手动推数据（txt / csv 文件；无需表头，行尾无需\',\'，数据文件保存为unix utf-8 无bom格式）不行;
--可以借助textfile类型的临时表插入数据；插入时，要注意字段顺序对应一致。

--指定分区，追加插入;最好不要用 \'seletc *  \' 表字段变化时,*指代的内容不一样
insert into table tab_test_orc partition(p_age=10,p_name=\'lucy\') select name,age,num1,num2,msg from tab_test_temp;
--指定分区，覆盖插入
insert overwrite table tab_test_orc partition(p_age=10,p_name=\'lucy\') select name,age,num1,num2,msg from tab_test_temp;

 

6、显示表结构

 

desc khdx_hy;   -- 显示表khdx_hy的表结构
desc formatted khdx_hy; -- 格式化表khdx_hy的表结构信息，信息更详细，包括在hdfs的存储位置
show partitions khdx_hy; -- 显示表khdx_hy的分区信息
show create table khdx_hy; -- 查看建表语句

 

7、修改表结构

 

alter table myDatabase.nbzz_ckmxz add partition(tjrq=\'20171231\')add partition(tjrq=\'20180101\')  -- 手动给分区表增加2个分区
alter table myDatabase.nbzz_ckmxz drop if exists partition (tjrq=\'20171231\');   -- 手动删除分区表某个分区
alter table myDatabase.nbzz_ckmxz add columns (fh string);     -- 追加字段
alter table myDatabase.nbzz_ckmxz change hydh hydh1 string;          -- 修改字段hydh名称为hydh1，类型为string


drop table myDatabase.nbzz_ckmxz;  -- 删除表
alter table myDatabase.tmp_nbzz_ckmxz rename to myDatabase.nbzz_ckmxz;  -- 重命名表

--删表中数据：
truncate table tab_test;   --执行后，分区依然存在
truncate table tab_test partition(p_age=10,p_name=\'Tom\'); --删除某分区 

 

8、操作表

select * from myDatabase.khdx_hy order by hydh limit 10;    -- 查询表，显示前10条记录。
truncate table khdx_hy;      -- 清空表数据
insert overwrite table myDatabase.tmp_khdx_hy select * from myDatabase.khdx_hy;  -- 用khdx_hy的数据覆盖tmp_khdx_hy数据;
insert into myDatabase.tmp_khdx_hy select * from myDatabase.khdx_hy;   -- 用khdx_hy的数据追加tmp_khdx_hy数据中，不覆盖原来数据。
load data local inpath \'/home/myDatabase/data/org_info.txt\' overwrite into table myDatabase.org_info ;  -- 从文件中导入数据到表中
load data local inpath \'/home/myDatabase/data/t_ma_fct_etl_acct_liyang_20171231.dat\' overwrite into table myDatabase.T_MA_FCT_ETL_ACCT partition(tjrq="20171231");
 -- 从文件导入数据至表的某个分区。
insert overwrite local directory \'/home/myDatabase/data/khdx_hy.txt\'  row format delimited  fields terminated by \'\\t\' select * FROM myDatabase.KHDX_HY;
 -- 从表khdx_hy导出数据至本地文件khdx_hy.txt

 

9、分区操作

--增加分区：
 更完善写法： alter table tab_test add if not exists partition(p_age=11,p_name="Tom");

 alter table tab_test add partition(p_age=10,p_name=\'Tom\'); --需要指定所有的分区，不能只是p_age或p_name;否则org.apache.spark.sql.execution.QueryExecutionException：doesn\'t contain all (2) partition columns 
--查看分区: show partitions tab_test; 
0: jdbc:hive2://vmax32:18000> show partitions tab_test; 
+----------------------+ | result | +----------------------+ |
 p_age=10/p_name=Tom | +----------------------+ 1 row selected (0.083 seconds) 
--删除分区
 alter table tab_test drop if exists partition(p_age=10); 
--删除分区时，可以只指定局部 
alter table tab_test drop partition(p_name=\'Tom\'); 
--只执行该条语句,p_age=10分区连同一起被删掉，show partitions 结果为空；hdfs dfs -ls 也看不到 p_age=10的分区

alter table tab_test add partition(p_age=10,p_name=\'cat\'); 
--只drop p_name=\'Tome\', p_name=\'cat\' 的分区还存在，show partitions 可以查到


--动态分区；动态分区匹配最后选出的字段；只与字段顺序有关系，与名字无关；同时存在静态和动态分区，动态分区必须在静态分区之后
insert into table tab_test(p_age,p_name)
select name,
       age,
       num1,
       num2,
       msg,
       age as pppp_age,  --取不取别名都可以;分区需要出现在select出来的字段的最后位置，为了匹配。
       name as p_name   --写个对应的别名，看上去好理解一点
from tab_test_temp;