hive基础知识二

Posted 2022-12-16 lojun

1. Hive的分区表

1.1 hive的分区表的概念

在文件系统上建立文件夹，把表的数据放在不同文件夹下面，加快查询速度。

 

1.2 hive分区表的构建

• 创建一个分区字段的分区表

hive> create table student_partition1(
    id int, 
    name string, 
    age int)
    partitioned by (dt string)
    row format delimited fields terminated by ‘\\t‘;   

• 创建二级分区表

hive> create table student_partition2(
    id int, 
    name string, 
    age int)
    partitioned by (month string, day string)
    row format delimited fields terminated by ‘\\t‘; 

2、Hive修改表结构 

2.1 修改表的名称

hive> alter table student_partition1 rename to student_partition3;

2.2 表的结构信息

hive> desc student_partition3;
hive> desc formatted  student_partition3;

2.3 增加/修改/替换列信息

• 增加列

hive> alter table student_partition3 add columns(address string);

• 修改列

hive> alter table student_partition3 change column address address_id int;

• 替换列

hive> alter table student_partition3 replace columns(deptno string, dname string, loc string);
 #表示替换表中所有的字段

2.4 增加/删除/查看分区

• 添加分区

//添加单个分区
hive> alter table student_partition1 add partition(dt=‘20170601‘) ;
//添加多个分区
hive> alter table student_partition1 add partition(dt=‘20190818‘) partition(dt=‘20190819‘); 

• 删除分区

hive> alter table student_partition1 drop partition (dt=‘20170601‘);
hive> alter table student_partition1 drop partition (dt=‘20170602‘),partition (dt=‘20170603‘);

• 查看分区

hive> show partitions student_partition1;

3. Hive数据导入

3.1 向表中加载数据(load)

• 语法

hive> load data [local] inpath ‘dataPath‘ overwrite | into table student [partition (partcol1=val1,…)]; 

? 　　load data: 表示加载数据

? 　　==local==: 表示从本地加载数据到hive表；否则从HDFS加载数据到hive表

? 　　inpath: 表示加载数据的路径

? 　　overwrite: 表示覆盖表中已有数据，否则表示追加

? 　　into table: 表示加载到哪张表

? 　　student: 表示具体的表

? 　　partition: 表示上传到指定分区

　　说明：load data ...本质，就是将dataPath文件上传到hdfs的 ‘/user/hive/warehouse/tablename’ 下。

　　实质：hdfs dfs -put /opt/student1.txt /user/hive/warehouse/student1

例如：
--普通表：
load data local inpath ‘/opt/bigdata/data/person.txt‘ into table person
--分区表：
load data local inpath ‘/opt/bigdata/data/person.txt‘ into table student_partition1 partition（dt="20190505"）
--查询表：
select * from student_partition1 where dt=‘20190818‘;
--实操案例：
实现创建一张表，然后把本地的数据文件上传到hdfs上，最后把数据文件加载到hive表中

3.2 通过查询语句向表中插入数据（insert）

• 从指定的表中查询数据结果数据然后插入到目标表中

  • 语法

insert into/overwrite table  tableName  select xxxx from tableName
insert into table student_partition1 partition(dt="2019-07-08") select * from student1;

3.3 查询语句中创建表并加载数据（as select)

• 在查询语句时先创建表，然后进行数据加载

  • 语法

create table if not exists tableName as select id, name from tableName;

3.4 创建表时通过location指定加载数据路径

• 创建表，并指定在hdfs上的位置

create table if not exists student1(
id int, 
name string)
row format delimited fields terminated by ‘\\t‘
location ‘/user/hive/warehouse/student1‘;

• 上传数据文件到hdfs上对应的目录中

hdfs dfs -put /opt/student1.txt /user/hive/warehouse/student1

3.5 Import数据到指定Hive表中

　　注意：先用export导出后，再将数据导入。

create table student2 like student1;
export table student1  to   ‘/export/student1‘;
import table student2  from ‘/export/student1‘;

4、Hive数据导出（15分钟）

4.1 insert 导出

• 1、将查询的结果导出到本地

insert overwrite local directory ‘/opt/bigdata/export/student‘ select * from student;
默认分隔符‘\\001‘

• 2、将查询的结果格式化导出到本地

insert overwrite local directory ‘/opt/bigdata/export/student‘
           row format delimited fields terminated by  ‘,‘
           select * from student;

• 3、将查询的结果导出到HDFS上(没有local)
  

insert overwrite  directory ‘/export/student‘
           row format delimited fields terminated by  ‘,‘ 
           select * from student;

4.2 Hadoop命令导出到本地

hdfs dfs -get /user/hive/warehouse/student/student.txt /opt/bigdata/data

4.3 Hive Shell 命令导出

• 基本语法：

  • hive -e "sql语句" > file

  • hive -f sql文件 > file

  bin/hive -e ‘select * from default.student;‘ > /opt/bigdata/data/student1.txt

4.4 export导出到HDFS上

export table default.student to ‘/user/hive/warehouse/export/student1‘;

5、hive的静态分区和动态分区

5.1 静态分区

• 表的分区字段的值需要开发人员手动给定

  • 1、创建分区表

  create table order_partition(
  order_number string,
  order_price  double,
  order_time string
  )
  partitioned BY(month string)
  row format delimited fields terminated by ‘\\t‘;

  • 2、准备数据 order_created.txt内容如下

  10001 100 2019-03-02
  10002 200 2019-03-02
  10003 300 2019-03-02
  10004 400 2019-03-03
  10005 500 2019-03-03
  10006 600 2019-03-03
  10007 700 2019-03-04
  10008 800 2019-03-04
  10009 900 2019-03-04

• 3、加载数据到分区表

load data local inpath ‘/opt/bigdata/data/order_created.txt‘ overwrite into table order_partition partition(month=‘2019-03‘);

• 4、查询结果数据

  select * from order_partition where month=‘2019-03‘;
  结果为：
  10001   100.0   2019-03-02      2019-03
  10002   200.0   2019-03-02      2019-03
  10003   300.0   2019-03-02      2019-03
  10004   400.0   2019-03-03      2019-03
  10005   500.0   2019-03-03      2019-03
  10006   600.0   2019-03-03      2019-03
  10007   700.0   2019-03-04      2019-03
  10008   800.0   2019-03-04      2019-03
  10009   900.0   2019-03-04      2019-03

5.2 动态分区

• 按照需求实现把数据自动导入到表的不同分区中，不需要手动指定

  • 需求：按照不同部门作为分区导数据到目标表

    • 1、创建表

    --创建普通表
    create table t_order(
        order_number string,
        order_price  double, 
        order_time   string
    )row format delimited fields terminated by ‘\\t‘;
    ?
    --创建目标分区表
    create table order_dynamic_partition(
        order_number string,
        order_price  double    
    )partitioned BY(order_time string)
    row format delimited fields terminated by ‘\\t‘;

    • 2、准备数据 order_created.txt内容如下

    10001   100 2019-03-02 
    10002   200 2019-03-02
    10003   300 2019-03-02
    10004   400 2019-03-03
    10005   500 2019-03-03
    10006   600 2019-03-03
    10007   700 2019-03-04
    10008   800 2019-03-04
    10009   900 2019-03-04

    • 3、向普通表t_order加载数据

    load data local inpath ‘/opt/bigdata/data/order_created.txt‘ overwrite into table t_order;

    • 4、动态加载数据到分区表中

    ---要想进行动态分区，需要设置参数
    hive> set hive.exec.dynamic.partition=true; //使用动态分区
    hive> set hive.exec.dynamic.partition.mode=nonstrict; //非严格模式
     
        insert into table order_dynamic_partition partition(order_time) select order_number,order_price,order_time from t_order;
        
    --注意字段查询的顺序，分区字段放在最后面。否则数据会有问题。

    • 5、查看分区

    show partitions order_dynamic_partition;

 

6、分桶

hive的分桶表

• 分桶是相对分区进行更细粒度的划分。

• 分桶将整个数据内容安装某列属性值取hash值进行区分，具有相同hash值的数据进入到同一个文件中
  

  • 比如按照name属性分为3个桶，就是对name属性值的hash值对3取摸，按照取模结果对数据分桶。

    • 取模结果为0的数据记录存放到一个文件

    • 取模结果为1的数据记录存放到一个文件

    • 取模结果为2的数据记录存放到一个文件

    • 取模结果为3的数据记录存放到一个文件

• 作用

  • 1、取样sampling更高效。没有分区的话需要扫描整个数据集。

  • 2、提升某些查询操作效率，例如map side join

• 案例演示

  • 1、创建分桶表

    • 在创建分桶表之前要执行命名

      • set hive.enforce.bucketing=true;开启对分桶表的支持

      • set mapreduce.job.reduces=4; 设置与桶相同的reduce个数（默认只有一个reduce）

    --分桶表
    create table user_buckets_demo(id int, name string)
    clustered by(id) 
    into 4 buckets 
    row format delimited fields terminated by ‘\\t‘;
    ?
    --普通表
    create table user_demo(id int, name string)
    row format delimited fields terminated by ‘\\t‘;

  • 2、准备数据文件 buckets.txt

    1    laowang1
    2    laowang2
    3    laowang3
    4    laowang4
    5    laowang5
    6    laowang6
    7    laowang7
    8    laowang8
    9    laowang9
    10    laowang10

  • 3、加载数据到普通表 user_demo 中

  load data local inpath ‘/opt/bigdata/data/buckets.txt‘ into table user_demo;

  • 4、加载数据到桶表user_buckets_demo中

  insert into table user_buckets_demo select * from user_demo;

• 5、hdfs上查看表的数据目录

  

 

• 6、抽样查询桶表的数据

  • tablesample抽样语句，语法：tablesample(bucket x out of y)

    • x表示从第几个桶开始取数据

    • y表示桶数的倍数，一共需要从 桶数/y 个桶中取数据

select * from user_buckets_demo tablesample(bucket 1 out of 2)
?
-- 需要的总桶数=4/2=2个
-- 先从第1个桶中取出数据
-- 再从第1+2=3个桶中取出数据