Hive - 常用命令

最新推荐文章于 2025-06-04 11:41:22 发布

原创最新推荐文章于 2025-06-04 11:41:22 发布 · 5.1k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#Hive

Hadoop 同时被 2 个专栏收录

20 篇文章

订阅专栏

邂逅大数据

20 篇文章

订阅专栏

本文深入探讨了Hive数据库的基本操作，包括创建表、删除表、修改表、加载数据以及使用命令行交互模式等核心功能。详细介绍了如何创建普通表、带有分区的表、带Bucket的表和外部表，以及如何对表进行增删改操作。同时，阐述了数据加载的方法和注意事项。此外，还展示了如何在Hive交互模式下执行查询和命令，以及如何设置日志级别。最后，通过实例演示了Hive的join操作和如何查看查询使用的MapReduce作业数量。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 创建表

创建表的语句：

 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]

参数说明
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 EXIST 选项来忽略这个异常。
EXTERNAL 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。这样外部表相对来说更加安全些，数据组织也更加灵活，方便共享源数据。 STORED AS 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 SEQUENCE 。

PARTITIONED BY 有分区的表可以在创建的时候使用PARTITIONED BY 语句。一个表可以拥有一个或者多个分区，每一个分区单独存在一个目录下。而且，表和分区都可以对某个列进行 CLUSTERED BY 操作，将若干个列放入一个桶（bucket）中。也可以利用SORT BY 对数据进行排序。这样可以为特定应用提高性能。

创建表示例

创建普通的表

  hive> CREATE TABLE cite(citing INT,cited INT)
      > ROW FORMAT DELIMITED
      > FIELDS TERMINATED BY ','
      > STORED AS TEXTFILE;
      OK
     Time taken: 0.939 seconds<span style="font-family: 华文仿宋;">    </span>

注： 1.hive只支持单个字符的分隔符

2.hive默认的分隔符是\001

3.HiveQL语句使用分号表示结束

创建带有partition的表：

create table test_partition (id int,name string,no int)
partitioned by (dt string)  
row format delimited fields terminated by ',' 
stored as textfile ;
load data local inpath '/home/localhost/cite.txt'
overwrite into table test_partition partition (dt='2012-03-05');

创建带有Bucket的表：

create table test_bucket (id int,name string,no int)
partitioned by (dt string) 
clustered by (id) into 3 buckets 
row format delimited fields terminated by ',' stored as textfile ;

创建external表：

create external table test_external (id int,name string,no int) 
row format delimited fields terminated by ',' 
location '/home/zhangxin/hive/test_hive.txt';

创建与已知表相同结构的表 Like：只复制表的结构，而不复制表的内容。

 create table test_like_table like test_bucket;

2. 删除表

   Drop Table tablename；

注：删除一个内部表的同时会同时删除表的元数据和数据。删除一个外部表，只删除元数据而保留数据。

3. 修改已经存在的表

   Alter table 语句允许用户改变现有表的结构。用户可以增加列/分区、表本身重命名。

  增加分区 Add Partitions：
   可以用 ALTER TABLE ADD PARTITION 来向一个表中增加分区

 alter table test_partition add partition (dt='2014-09-06')  location '/home/zz/hive/test_hive.txt';

注：分区名加引号

删除分区 drop Partition
用户可以用 ALTER TABLE DROP PARTITION 来删除分区。分区的元数据和数据将被一并删除。

对表进行重命名 rename to
ALTER TABLE table_name RENAME TO new_table_name
这个命令可以让用户为表更名。数据所在的位置和分区名并不改变。换而言之，老的表名并未“释放”，对老表的更改会改变新表的数据。
alter table test_partition rename to new_test_partition;

对表中的某一列进行修改，包括列的名称/列的数据类型/列的位置/列的注释
ALTER TABLE table_name CHANGE [COLUMN] col_old_name col_new_name column_type [COMMENT col_comment] [FIRST|AFTER column_name]
这个命令可以允许用户修改一个列的名称、数据类型、注释或者位置
create table test_col_change (a int,b int, c int);

注：修改列的名称，后面一定要加上数据类型：
ALTER TABLE test_col_change CHANGE a a1 INT; 将 a 列的名字改为 a1.
ALTER TABLE test_col_change CHANGE a a1 STRING AFTER b; 将 a 列的名字改为 a1，a 列的数据类型改为 string，并将它放置在列 b 之后。新的表结构为： b int, a1 string, c int.
ALTER TABLE test_col_change CHANGE b b1 INT FIRST; 会将 b 列的名字修改为 b1, 并将它放在第一列。新表的结构为： b1 int, a string, c int.

注：对列的改变只会修改 Hive 的元数据，而不会改变实际数据。用户应该确定保证元数据定义和实际数据结构的一致性。

添加/替换列Add/Replace Columns

ALTER TABLE table_name ADD|REPLACE COLUMNS (col_name data_type [COMMENT col_comment], ...)
ADD COLUMNS 允许用户在当前列的末尾增加新的列，但是在分区列之前。

alter table test_col_change add columns (d int);
describe test_col_change;
OK
a1    int    
b1    string    
c    int    
d    int

REPLACE COLUMNS 删除以后的列，加入新的列。只有在使用 native 的 SerDE（DynamicSerDe or MetadataTypeColumnsetSerDe）的时候才可以这么做。

alter table test_col_change replace columns (c int);
describe test_col_change;                           
OK
c    int

修改表的属性Alter Table Properties:
ALTER TABLE table_name SET TBLPROPERTIES table_properties
table_properties: : (property_name = property_value, property_name = property_value, ... )
用户可以用这个命令向表中增加 metadata，目前 last_modified_user，last_modified_time 属性都是由 Hive 自动管理的。用户可以向列表中增加自己的属性。可以使用 DESCRIBE EXTENDED TABLE 来获得这些信息。
alter table test_col_change set tblproperties ('key1'='value1');
可以通过 describe extended test_col_change; 查看表的属性信息。

修改表的序列化和反序列化属性：
ALTER TABLE table_name SET SERDE serde_class_name [WITH SERDEPROPERTIES serde_properties]
ALTER TABLE table_name SET SERDEPROPERTIES serde_properties
serde_properties: : (property_name = property_value, property_name = property_value, ... )

这个命令允许用户向 SerDe 对象增加用户定义的元数据。Hive 为了序列化和反序列化数据，将会初始化 SerDe 属性，并将属性传给表的 SerDe。如此，用户可以为自定义的 SerDe 存储属性。

修改表的文件存储格式组织方式：
ALTER TABLE table_name SET FILEFORMAT file_format
ALTER TABLE table_name CLUSTERED BY (col_name, col_name, ...) [SORTED BY (col_name, ...)] INTO num_buckets BUCKETS
这个命令修改了表的物理存储属性。

4.将数据加载到表中

LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)]

当数据被加载至表中时，不会对数据进行任何转换。Load 操作只是将数据复制/移动至 Hive 表对应的位置。
filepath 可以是：
相对路径，例如：project/data1
绝对路径，例如： /user/hive/project/data1
包含模式的完整 URI，例如：hdfs://namenode:9000/user/hive/project/data1

加载的目标可以是一个表或者分区。如果表包含分区，必须指定每一个分区的分区名。filepath 可以引用一个文件（这种情况下，Hive 会将文件移动到表所对应的目录中）或者是一个目录（在这种情况下，Hive 会将目录中的所有文件移动至表所对应的目录中）。
如果指定了 LOCAL，那么：load 命令会去查找本地文件系统中的 filepath。如果发现是相对路径，则路径会被解释为相对于当前用户的当前路径。用户也可以为本地文件指定一个完整的 URI，比如：file:///user/hive/project/data1.load 命令会将 filepath 中的文件复制到目标文件系统中。

目标文件系统由表的位置属性决定。被复制的数据文件移动到表的数据对应的位置。如果没有指定 LOCAL 关键字，如果 filepath 指向的是一个完整的 URI，hive 会直接使用这个 URI。如果没有指定 schema 或者 authority，Hive 会使用在 hadoop 配置文件中定义的 schema 和 authority，fs.default.name 指定了 Namenode 的 URI。

如果路径不是绝对的，Hive 相对于 /user/ 进行解释。Hive 会将 filepath 中指定的文件内容移动到 table （或者 partition）所指定的路径中。

如果使用了 OVERWRITE 关键字，则目标表（或者分区）中的内容（如果有）会被删除，然后再将 filepath 指向的文件/目录中的内容添加到表/分区中。如果目标表（分区）已经有一个文件，并且文件名和 filepath 中的文件名冲突，那么现有的文件会被新文件所替代。

5. Hive命令行

执行HQL查询   hive -e "select * from tb"
查询结果输出为文本   hive -e "select * from tb" > tb.txt
执行HQL语句文件后，不会进入交互模式   hive -f hive-script.sql
执行HQL语句文件后，会进入交互模式   hive -i hive-script.sql
设置Hive的日志级别   hive -hiveconf hive.root.logger=INFO

Hive交互模式

通过hive命令，进入交互模式
quit/exit                       退出Hive的交互模式
set -v                           显示Hive中的所有变量
set <key>=<value>     设置参数
!<cmd>                       Hive交互模式下执行shell命令

例如（查看linux根目录下文件列表）："!ls -l /;"
    dfs <dfs command>    Hive交互模式下执行hadoop fs命令
<query string>             执行查询并输出到标准输出
add FILE <value>        增加一个文件到资源列表
list FILE                       列出所有已经添加的资源

6. join 操作

内连接

 hive> SELECT sales.*, things.* FROM sales JOIN things ON (sales.id = things.id);

查看hive为某个查询使用多少个MapReduce作业

hive> Explain SELECT sales.*, things.* FROM sales JOIN things ON (sales.id = things.id);

外连接

hive> SELECT sales.*, things.* FROM sales LEFT OUTER JOIN things ON (sales.id = things.id);
hive> SELECT sales.*, things.* FROM sales RIGHT OUTER JOIN things ON (sales.id = things.id);
hive> SELECT sales.*, things.* FROM sales FULL OUTER JOIN things ON (sales.id = things.id);