Hive数据定义语言DDL

Hive的数据定义语言主要包括数据库和表的创建、修改与删除，此外表层面还有内部表与外部表、分区表等的操作。

Database

1.数据库的创建

1.1 创建语法

CREATE DATABASE [IF NOT EXISTS] database_name
# 数据库备注信息
[COMMENT database_comment]
# HDFS路径
[LOCATION hdfs_path]       
# 数据库的一些参数信息
[WITH DBPROPERTIES (property_name=property_value, ...)];

其他注意事项：

1）Hive数据库在HDFS上的默认存储路径是：/user/hive/warehouse/*.db

2）创建一个数据库，可以指定数据库在HDFS上存放的位置：

• 指定的[LOCATION hdfs_path] 值就表示这个数据库在HDFS的位置

3）避免要创建的数据库已经存在错误，增加if not exists判断。（标准写法）

4）可以使用 use database; 切换当前数据库

1.2 查看数据库的基本信息

1）显示数据库

hive> show databases;

2）过滤显示查询的数据库

hive> show databases like 'db_hive*';
OK
db_hive
db_hive_1

3）显示数据库信息

hive> desc database default;	
OK
db_name	comment	location	owner_name	owner_type	parameters
default	Default Hive database	hdfs://hadoop102:8020/user/hive/warehouse	public	ROLE	
Time taken: 0.072 seconds, Fetched: 1 row(s)

显示数据库详细信息：extended

hive> desc database extended default;
OK
db_name	comment	location	owner_name	owner_type	parameters
default	Default Hive database	hdfs://hadoop102:8020/user/hive/warehouse	public	ROLE	
Time taken: 0.069 seconds, Fetched: 1 row(s)

2.修改数据库

用户可以使用ALTER DATABASE命令为某个数据库的DBPROPERTIES设置键-值对属性值，来描述这个数据库的属性信息。

数据库的其他元数据信息都是不可更改的，包括数据库名和数据库所在的目录位置。

hive (default)> alter database db_hive set dbproperties('createtime'='20170830');

在hive中查看修改结果：

hive> desc database extended db_hive;
db_name comment location        owner_name      owner_type      parameters
db_hive         hdfs://hadoop102:8020/user/hive/warehouse/db_hive.db    zxy USER    {createtime=20170830}

3.删除数据库

1）删除空数据库

hive>drop database db_hive2;

2）如果删除的数据库不存在，最好采用 if exists判断数据库是否存在

hive> drop database db_hive;
FAILED: SemanticException [Error 10072]: Database does not exist: db_hive
hive> drop database if exists db_hive2;

3）如果数据库不为空（不能直接删），可以采用cascade命令，强制删除

hive> drop database db_hive;
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. InvalidOperationException(message:Database db_hive is not empty. One or more tables exist.)
hive> drop database db_hive cascade;

Table

1.创建表

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] 
# 存储形式：列式还是行式
[STORED AS file_format]
# HDFS存储位置 
[LOCATION hdfs_path]
# 表存储的一些属性设置：如列式存储时对应的压缩格式
[TBLPROPERTIES (property_name=property_value, ...)]
[AS select_statement]

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，在建表的同时可以指定一个指向实际数据的路径（LOCATION），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，对桶中的一个或多个列另外排序

（7）ROW FORMAT：数据读取格式，其后跟

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， hive使用Serde进行行对象的序列与反序列化。

（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、PARQUET

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 SEQUENCEFILE。

（9）LOCATION ：指定表在HDFS上的存储位置。
（10）AS：后跟查询语句，根据查询结果创建表。
（11）LIKE允许用户复制现有的表结构，但是不复制数据。

2.内部表与外部表

1）内部表/管理表

默认创建的表都是所谓的管理表MANAGED_TABLE，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。

Table Type:             MANAGED_TABLE

2）外部表

元数据是由HIVE控制，但HDFS上数据的生命周期不由其控制。

因为表是外部表，所以Hive并非认为其完全拥有这份数据。删除该表并不会删除掉这份数据，不过描述表的元数据信息会被删除掉。

Table Type:             EXTERNAL_TABLE

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。

3）管理表与外部表的互相转换

当误把外部表创建为内部表，则不能直接删除内部表，而是应该转换为外部表。

（1）查询表的类型

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

（2）修改内部表student为外部表

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

（3）查询表的类型

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

（4）修改外部表student为内部表

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

（5）查询表的类型

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

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

3.分区表

分区表的作用：减少数据查询时的全表扫描，提高数仓性能

0．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

1）创建分区表语法

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

注意：分区字段不能是表中已经存在的数据，可以将分区字段看作表的伪列。

2）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');

注意：分区表加载数据时，必须指定分区

3）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：union

hive (default)> select * from dept_partition where month='201709'
              union
              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

4）增加分区

• 创建单个分区

hive (default)> alter table dept_partition add partition(month='201706') ;

• 同时创建多个分区

hive (default)> alter table dept_partition add partition(month='201705') partition(month='201704');

5）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：有个逗号

hive (default)> alter table dept_partition drop partition (month='201705'), partition (month='201706');

6）查看分区表有多少分区

hive> show partitions dept_partition;

7）查看分区表结构

hive> desc formatted dept_partition;
# Partition Information          
# col_name              data_type               comment             
month                   string    

创建二级分区

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';

• 1）加载数据到二级分区表中（正常地加载分区数据）

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';

其他分区数据上传方式

除了可以使用load命令加载数据到分区表中这种常用方式，还可以直接上传数据到HDFS，然后通过关联分区表与数据的方式实现Hive分区表数据的加载。

方式一：上传数据后，执行修复命令

1）直接上传数据到HDFS

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';

2）执行修复命令

hive> msck repair table dept_partition2;

再次执行查询语句，即可。

方式二：上传数据后添加分区

1）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;

2）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';

方式三：创建目录后load数据到分区

1）只创建目录，没有上传数据

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

2）load上传数据，同时上传分区

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';

---

4.修改表

1）重命名表

ALTER TABLE table_name RENAME TO new_table_name

2）增加、修改和删除表分区

详见上一节，分区表基本操作。

3）增加/修改/替换列信息

• 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。

4）删除表

hive (default)> drop table dept_partition;