大数据分析引擎hive的库表操作，进阶成长。

关注

原创最新推荐文章于 2026-06-27 15:57:49 发布 216 阅读 AI 写同款· GEO 优化 ›

Hive：大数据分析的核心工具 Hive 是一个基于 Hadoop 的数据仓库工具，旨在为大数据分析提供高效、易用的 SQL 查询接口。SQL 兼容：支持 HiveQL，与 SQL 语法高度兼容。分布式计算：基于 Hadoop 生态系统，支持大规模数据处理。数据存储：支持多种数据存储格式（如 ORC、Parquet）。扩展性：通过 UDF（用户自定义函数）和 UDAF（用户自定义聚合函数）扩展功能。Hive 是大数据分析领域的核心工具，通过其 SQL 兼容性、分布式计算能力和高效的数据存储格式，为大数据分析提供了强大的支持。阅读详情

4.数据库操作

1.创建数据库

HIVE工程的搭建请参考上一篇文章

1.创建hive数据仓库

创建mydb
create database if not exists mydb;
use mydb
show databases;
可以看到创建了一个mydb数据库

同时再hdfs上也创建了一个mydb的目录
数据库也增加了一条数据记录

2.创建指定目录的数据仓库

create database dbtest location ‘/mypath’;
在 hdfs 中的mypath目录下创建hive数据库

数据库中的数据库目录已经改变在这里插入图片描述

2.设置数据库的信息

1.增加描述性的键值对信息

create database cui with dbproperties (‘owner’=‘lili’,‘date’=‘20191120’);

2.产看数据库键值信息

describe database extended cui;

3.修改键值信息

alter database cui set dbproperties (‘owner’=‘ditiantai’);

4.查看更多数据库信息

desc database extended cui;

5.删除一个空数据库

drop database cui;

6.强制删除一个数据库里面的内容也会丢失慎用

drop database cui cascade;

5.数据表操作

1.创建hive表

create [external] table [if not exists] table_name (
col_name data_type [comment '字段描述信息']
col_name data_type [comment '字段描述信息'])
[comment '表的描述信息']
[partitioned by (col_name data_type,...)]
[clustered by (col_name,col_name,...)]
[sorted by (col_name [asc|desc],...) into num_buckets buckets]
[row format row_format]
[storted as ....]
[location '指定表的路径']

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 EXISTS 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。
comment
表示注释,默认不能使用中文
partitioned by
表示使用表分区,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 .
clustered by
对于每一个表分文件， Hive可以进一步组织成桶，也就是说桶是更为细粒度的数据范围划分。Hive也是针对某一列进行桶的组织。
sorted by
指定排序字段和排序规
row format
指定表文件字段分隔符
storted as指定表文件的存储格式, 常用格式:SEQUENCEFILE, TEXTFILE, RCFILE,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 storted as SEQUENCEFILE。
location

指定表文件的存储路径

Hive建表字段类型

分类	类型	描述	字面量示例
原始类型	BOOLEAN	true/false	TRUE
	TINYINT	1字节的有符号整数, -128~127	1Y
	SMALLINT	2个字节的有符号整数，-32768~32767	1S
	INT	4个字节的带符号整数	1
	BIGINT	8字节带符号整数	1L
	FLOAT	4字节单精度浮点数	1.0
	DOUBLE	8字节双精度浮点数	1.0
	DEICIMAL	任意精度的带符号小数	1.0
	STRING	字符串，变长	“a”,’b’
	VARCHAR	变长字符串	“a”,’b’
	CHAR	固定长度字符串	“a”,’b’
	BINARY	字节数组	无法表示
	TIMESTAMP	时间戳，毫秒值精度	122327493795
	DATE	日期	‘2016-03-29’
	INTERVAL	时间频率间隔
复杂类型	ARRAY	有序的的同类型的集合	array(1,2)
	MAP	key-value,key必须为原始类型，value可以任意类型	map(‘a’,1,’b’,2)
	STRUCT	字段集合,类型可以不同	struct(‘1’,1,1.0), named_stract(‘col1’,’1’,’col2’,1,’clo3’,1.0)
	UNION	在有限取值范围内的一个值	create_union(1,’a’,63)

2.内部表操作

创建表时,如果没有使用external关键字,则该表是内部表（managed table）

创建内部表

use mydb;
create table myuser(id int,name string);
insert into myuser values (1,"jialing"); #插入数据
select * from myuser;

执行insert 的时候会执行 hadoop 的map任务
在这里插入图片描述

创建表并指定分隔符

create table if not exists user2(id int ,name string) row format delimited fields terminated by ‘\t’;
insert into user2 values (1,“jialing”);

创建表并指定表文件的存放路径

create table if not exists user3(id int ,name string) row format delimited fields terminated by ‘\t’ location ‘/user/user3’;
hdfs dfs -ls /user/ # 查看hdfs /user路径会出现 user3

根据查询结果创建表表结构和数据都会复制

create table user4 as select * from user2; # 通过复制表结构和表内容创建新表

根据已经存在的表结构创建表

create table user5 like myuser;

查询表的详细信息

desc formatted user5;

3.外部表操作

外部表因为是指定其他的hdfs路径的数据加载到表当中来，所以hive表会认为自己不完全独占这份数据，所以删除hive表的时候，数据仍然存放在hdfs当中，不会删掉也就是说，数据资源用的是hdfs中的资源引用，然后中间的数据分析结果可以放到自己的内部表中

1.新建外部表并加载数据

创建外部表，并导入数据
create external table teacher (t_id string,t_name string) row format
delimited fields terminated by ‘\t’;
新建 techer.csv
内容：
01 张三
02 李四
03 王五
上传到 hdfs对应的表目录中
hdfs dfs -put techer.csv /user/hive/warehouse/mydb.db/teacher
select * from techer;

2.新建外部表并从本地复制数据到表中

create external table student (s_id string,s_name string,s_birth string ,
s_sex string ) row format delimited fields terminated by ‘\t’;
在 /home/hive 目录下创建文件 student.csv
写入内容：
01 赵* 1990-01-01 男
02 钱* 1990-12-21 男
03 孙* 1990-05-20 男
04 李* 1990-08-06 男
05 周* 1991-12-01 女
06 吴* 1992-03-01 女
07 郑* 1989-07-01 女
08 王* 1990-01-20 女

3.覆盖外部表中的数据

load data local inpath ‘/home/hive/student.csv’ overwrite
into table student;

4.从hdfs文件中加载数据到外部表

cd /user/home
hdfs dfs -mkdir -p /hivedatas
hdfs dfs -put techer.csv /hivedatas/
load data inpath ‘/hivedatas/techer.csv’ into table teacher;

分区表的操作

在大数据中，最常用的一种思想就是分治，我们可以把大的文件切割划分成一个个的小的文件，这样每次操作一个小的文件就会很容易了，同样的道理，在hive当中也是支持这种思想的，就是我们可以把大的数据，按照每月，或者天进行切分成一个个的小的文件,存放在不同的文件夹中

1.创建一个分区表

create table score(s_id string,c_id string, s_score int) partitioned by
(month string) row format delimited fields terminated by ‘\t’;

2.创建一个多分区的表

create table score2 (s_id string,c_id string, s_score int) partitioned by
(year string,month string,day string) row format delimited fields
terminated by ‘\t’;

3.加载数据到分区表中