hive学习第三章：DDL数据定义

创建数据库

1. 创建一个数据库，数据库在hdfs上的默认路径是/user/hive/warehouse/*.db
2. 避免要创建的数据库已经存在错误，增加if not exist判断：create database if not exists db_hive
3. 创建一个数据库，指定数据库在hdfs上存放的位置：create database db_hive2 location '/db_hive2.db'

说明：在hdfs下创建一个文件夹：hadoop fs -mkdir -p /database/hive3

查询数据库

1. 显示数据库：show databases
2. 过滤显示查询的数据库：show databases like 'db_hive'
3. 显示数据库信息：desc database db_hive
4. 显示数据库详细信息：desc database extended db_hive
5. 切换当前数据库：use db_hive
6. 修改数据库：alter database db_hive set dbproperties('createtime'='20170830')，说明：数据库的其他元数据信息都是不可以更改的，包括数据库名和数据库所在的目录位置
7. 删除数据库：drop database db_hive2
8. 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：drop database if exists db_hive2
9. 如果数据库不为空，可以采用cascade命令，强制删除：drop database db_hive cascade

创建表

• 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], ...)] INFO num_buckets BUCKETS]
[ROW FORMAT row_format]
[STORED AS file_format]
[LOCATION hdfs_path]

字段解释说明

1. CREATE TABLE 创建一个指定名字的表
2. EXTERNAL关键字可以让用户创建一个外部表，在建表的同时指定一个实际路径（LOCATION），hive创建内部表时，会将数据移动到数据仓库指向路径；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，内部白哦的元数据和数据会被遗弃删除，而外部表只是删除元数据，不删除数据
3. COMMENT为表和列添加注解
4. PARTITIONED BY创建分区表
5. CLUSTERED BY创建分桶表
6. SORTED BY不常用
7. STORED AS指定存储文件类型：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
8. LOCATION：指定表在hdfs上的存储位置
9. LIKE允许用户复制现有的表结构，但不复制数据

• 管理表

1. 理论：默认创建的表都为管理表，有时候也被称为内部表，hive会（或多或少）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（如：/user/hive/warehouse）所定义的目录的子目录下，当删除一个管理表时，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
2. 创建表、根据查询结果创建表

   //1.普通创建表
   create table if not exists student2(
   id int, name string
   )
   row format delimited fields terminated by '\t'
   stored as textfile
   location '/user/hive/warehouse/student2'
   
   //2.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 student3 as select id, name from student

• 外部表

1. 理论：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
2. 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文件，在外部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

• 管理表与外部表的互相转换

1. 查询表的类型：desc formatted student2
2. 修改内部表student2为外部表：alter table student2 set tblproperties('EXTERNAL'='TRUE')
3. 修改外部表student2为内部表：alter table student2 set tblproperties('EXTERNAL'='FALSE')

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，该文件夹下式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基业务需要分割成小的数据集。在查询时通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

•  分区表的基本操作

1. 引入分区表，需要根据日期对日志进行管理

   /user/hive/warehouse/log_partition/20200401/20200401.log
   /user/hive/warehouse/log_partition/20200402/20200402.log
   /user/hive/warehouse/log_partition/20200403/20200403.log
   

2. 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';

3. 加载数据到分区表中

   load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition partition(month='20200401')
   load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition partition(month='20200402')
   load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition partition(month='20200403')

4. 查询分区表中的数据

   //1.单分区查询
   select * from dept_partition where month='20200401'
   
   //2.多分区联合查询
   select * from dept_partition where month='20200401' union
   select * from dept_partition where month='20200402' union
   select * from dept_partition where month='20200403'

5. 增加分区

   //1.创建单个分区
   alter table dept_partition add partition(month='20200404')
   
   //2.同时创建多个分区
   alter table dept_partition add partition(month='20200404') partition(month='20200405') 

6. 删除分区

   //1.删除单个分区
   alter table dept_partition drop partition(month='20200401')
   
   //2.同时删除多个分区
   alter table dept_partition drop partition(month='20200401'), partition(month='20200402')

7. 查看分区表有多少分区

   show partitions dept_partition

8. 查看分区表结构

   desc formatted dept_partition

• 分区表注意事项

1. 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';

2. 正常的加载数据

   //1.加载数据到二级分区表中
   load data local inpath 'opt/module/datas/dept.txt' into table default.dept_partition2 partition(mobth='202004', day='13');
   
   //2.查询分区数据
   select * from dept_partition2 where month='202004' and day='13';

3. 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.上传数据后台修复
   a.上传数据
   dfs -mkdir -p /user/hive/warehouse/dept_partition2/month=202004/day=13;
   dfs -put /opt/module/datas/dept.txt /user/hive/warehouse/dept_partition2/month=202004/day=13;
   
   b.查询数据（查询不到刚上传的数据）
   select * from dept_partition2 where month='202004' and day='13'
   
   c.执行修复命令
   msck repair table dept_partition2;
   
   d.再次查询数据
   select * from dept_partition2 where month='202004' and day='13'
   
   
   //2.上传数据后添加分区
   a.上传数据
   dfs -mkdir -p /user/hive/warehouse/dept_partition2/month=202004/day=13;
   dfs -put /opt/module/datas/dept.txt /user/hive/warehouse/dept_partition2/month=202004/day=13;
   
   b.执行添加分区
   alter table dept_partition2 add partition(month='202004', day='13');
   
   c.查询数据
   select * from dept_partition2 where month='202004' and day='13';
   
   
   //3.创建文件后load数据到分区
   a.创建目录
   dfs -mkdir -p /user/hive/warehouse/dept_partition2/month=202004/day=13;
   
   b.上传数据
   load data local inpath '/opt/module/datas/dept.txt' into table dept_partition2 partition(month='202004', day='13');
   
   c.查询数据
   select * from dept_partition2 where month='202004' and day='13';

修改表