Hive(5)-DDL数据定义

一. 创建数据库

CREATE DATABASE [IF NOT EXISTS] database_name
[COMMENT database_comment]
[LOCATION hdfs_path]
[WITH DBPROPERTIES (property_name=property_value, ...)];

字段解释:

1). IF NOT EXISTS: 避免要创建的数据库已经存在

2). COMMENT : 给数据库添加一个备注

3). LOCATION: 如果不指定路径,默认的存储路径是HDFS的/user/hive/warehouse/*.db

4). WITH DBPROPERTIES: 给数据库添加一些自定的<key,value>

create database if not exists hive_db
comment 'my fisrt database'
location '/first_database'
with dbproperties ('createtime' = '');

Hive默认不支持中文,但是可以改

1). 修改hive_site.xml中的参数

<property>
    <name>javax.jdo.option.ConnectionURL</name>
    <value>jdbc:mysql://hadoop102:3306/metastore?createDatabaseIfNotExist=true&amp;useUnicode=true&amp;characterEncoding=UTF-8</value>
    <description>JDBC connect string for a JDBC metastore</description>
</property>

2). 进入数据库的metastore中执行以下SQL

-- 修改表字段注解和表注解：
alter table COLUMNS_V2 modify column COMMENT varchar(256) character set utf8；

alter table TABLE_PARAMS modify column PARAM_VALUE varchar(4000) character set utf8；

-- 修改分区字段注解：
alter table PARTITION_PARAMS modify column PARAM_VALUE varchar(4000) character set utf8;

alter table PARTITION_KEYS modify column PKEY_COMMENT varchar(4000) character set utf8;

二. 查询数据库

1.显示数据库

-- 显示数据库
show databases;

-- 过滤显示数据库
show databases like 'hive*';

2.查看数据库详情

-- 显示数据库信息
desc database hive_db;

-- 显示数据库详细信息
desc database extended hive_db;

3. 切换数据库

use hive_db2;

三. 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.

alter database hive_db set dbproperties('createtime'='');

四. 删除数据库

-- 删除数据库
drop database hive_db;

-- 如果删除的数据库不存在,最好用if exists判断
drop database if exists hive_db;

-- 如果数据库里有表,可以用cascade强制删除
drop database hive_db cascade;

五. 创建表

1.建表语法

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]
[TBLPROPERTIES (property_name=property_value, ...)]
[AS select_statement]
[LIKE table_name]

可选字段解释

1). EXTERNAL  表示创建的表是一个外部表,一般在建外部表的时候会和LOCATION一起用,指向实际数据的路径. 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.

2). IF NOT EXISTS   判断要创建的表是否已经存在,如果存在的话,不报异常

3). COMMENT  为表的字段或者表添加备注

4). PARTITIONED BY  创建分区表

5). CLUSTERED BY  创建分桶表

6). SORTED BY  对桶中的一列或多列另外排序

7).ROW FORMAT 

DELIMITED

[FIELDS TERMINATED BY char]     指定字段分隔符

[COLLECTION ITEMS TERMINATED BY char]     指定Struct和Array数据分隔符

[MAP KEYS TERMINATED BY char]     指定Map数据的key value 分隔符

[LINES TERMINATED BY char]     指定行分隔符

| SERDE serde_name [WITH SERDEPROPERTIES (property_key=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）.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). TBLPROPERTIES  给表添加一些自定的k,v值

11). AS  后面跟查询语句,根据查询结果创建表

12). LIKE  允许用户复制现有的表结构,但是不复制数据

2. 管理表(MANAGED_TABLE)

默认创建的表都是所谓的管理表，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。

-- 普通创建表
create table if not exists namelist(
id int, name string
)
row format delimited
fields terminated by '\t'
stored as textfile
location '/user/hive/warehouse/namelist';

-- 根据查询结果创建表（查询的结果会添加到新创建的表中）
create table if not exists namelist2 as select id, name from namelist;

-- 根据已经存在的表结构创建表
create table if not exists namelist3 like namelist;

-- 查询表的类型
desc formatted namelist;

3. 外部表

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。

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。

准备一份student和dept文件,上传到hdfs上

-- 创建外部表
create external table stu_external(
id int,
name string)
row format delimited fields terminated by '\t'
location '/student';

-- 查看创建的表
select * from stu_external;

-- 查看表格式化数据
desc formatted dept;

--删除外部表
drop table stu_external;

外部表删除后，hdfs中的数据还在，但是metadata中stu_external的元数据已被删除

4.管理表和外部表的互相转换

-- 查询表的类型
desc formatted student2;

-- 修改内部表student2为外部表
alter table student2 set tblproperties('EXTERNAL'='TRUE');

-- 查询表的类型
desc formatted student2;

-- 修改外部表student2为内部表
alter table student2 set tblproperties('EXTERNAL'='FALSE');

-- 查询表的类型
hive (default)> desc formatted student2;

('EXTERNAL'='TRUE')和('EXTERNAL'='FALSE')为固定写法，区分大小写！

六. 分区表

分区表实际上就是对应一个HDFS文件系统上的独立的文件夹，该文件夹下是该分区所有的数据文件。Hive中的分区就是分目录，把一个大的数据集根据业务需要分割成小的数据集。在查询时通过WHERE子句中的表达式选择查询所需要的指定的分区，这样的查询效率会提高很多。

1. 创建分区表语法

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

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

load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition partition(month='');

load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition partition(month='');

load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition partition(month='201811’);

分区表加载数据时，必须指定分区

3.查询表中数据

-- 单分区查询
select * from dept_partition where month='';

-- 多分区联合查询
select * from dept_partition where month=''
union
select * from dept_partition where month=''
union
select * from dept_partition where month='';

4. 增加分区

-- 创建单个分区
alter table dept_partition add partition(month='') ;

-- 同时创建多个分区
alter table dept_partition add partition(month='') partition(month='');

5. 删除分区

-- 删除单个分区
alter table dept_partition drop partition (month='');

-- 同时删除多个分区
alter table dept_partition drop partition (month=''), partition (month='');

创建多个分区时,partition之间没有 逗号,删除多个分区时,partition之间有 逗号.....严重怀疑不是同一个人写的

6.查看分区表有多少个分区

show partitions dept_partition;

7.查看分区表结构

desc formatted dept_partition;

8. 二级分区表

-- 创建二级分区表
create table dept_partition2(
deptno int, dname string, loc string
)
partitioned by (month string, day string)
row format delimited fields terminated by '\t';

-- 加载数据到二级分区表
load data local inpath '/opt/module/datas/dept.txt' into table
default.dept_partition2 partition(month='', day='');

--查询二级分区表
select * from dept_partition2 where month='' and day='';

9. 把数据直接上传到分区目录上，让分区表和数据产生关联的三种方式

1).上传数据后修复

上传数据

dfs -mkdir -p /user/hive/warehouse/dept_partition2/month=/day=;

dfs -put /opt/module/datas/dept.txt /user/hive/warehouse/dept_partition2/month=/day=;

-- 查询数据（查询不到刚上传的数据）
select * from dept_partition2 where month='' and day='';

-- 执行修复命令
msck repair table dept_partition2;

-- 再次查询数据(有数据)
select * from dept_partition2 where month='' and day='';

2).上传数据后添加分区

上传方法同上

-- 执行添加分区
alter table dept_partition2 add partition(month='',day='');

-- 查询数据
select * from dept_partition2 where month='' and day='';

3).创建文件夹后load数据到分区

创建目录

dfs -mkdir -p /user/hive/warehouse/dept_partition2/month=/day=;

-- 上传数据
load data local inpath '/opt/module/datas/dept.txt' into table dept_partition2 partition(month='',day='');

-- 查询数据
select * from dept_partition2 where month='' and day='';

七. 修改表

1.重命名表

语法

ALTER TABLE table_name RENAME TO new_table_name

alter table dept_partition2 rename to dept_partition3;

2. 增加/修改/替换列信息

语法

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], ...) 

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。

-- 添加列
alter table dept_partition add columns(deptdesc string);

-- 更新列
alter table dept_partition change column deptdesc desc int;

-- 替换列
alter table dept_partition replace columns(deptno string, dnamestring, loc string);

八. 删除表

drop table dept_partition;