【大数据进阶第三阶段之Hive学习笔记】Hive的数据类型与数据操作

2024-01-09 09:32:10

目录

1、Hive数据类型

1.1、基本数据类型

1.2、集合数据类型

1.3、类型转化

2、DDL数据定义

2.1、创建数据库

2.2、查询数据库

2.3删除数据库

2.4、创建表

2.4.1、内部表

2.4.2、外部表

2.4.3管理表与外部表的互相转换

2.5、分区表(partition)

2.6、修改表

2.6.1重命名表

2.6.2增加/修改/替换列信息

2.6.3删除表

3、DML数据操作

3.1 数据导入

3.1.1 向表中装载数据(Load)

3.1.2 通过查询语句向表中插入数据(Insert)

3.1.3 查询语句中创建表并加载数据(As Select)

3.1.4 创建表时通过Location指定加载数据路径

3.1.5 Import数据到指定Hive表中

3.2 数据导出

3.2.1 Insert导出

3.2.2 Hadoop命令导出到本地

3.2.3 Hive Shell 命令导出?

3.2.4 Export导出到HDFS上

3.3 清除表中数据(Truncate)


1、Hive数据类型

1.1、基本数据类型


红标为常用的数据类型;

对于Hive的String类型相当于数据库的varchar类型,该类型是一个可变的字符串,不过它不能声明其中最多能存储多少个字符。

1.2、集合数据类型

1.3、类型转化

可以使用CAST操作显示进行数据类型转换

例如CAST(‘1’ AS INT)将把字符串’1’ 转换成整数1;如果强制类型转换失败,如执行CAST(‘X’ AS INT),表达式返回空值 NULL。

2、DDL数据定义

2.1、创建数据库

创建一个数据库,数据库在HDFS上的默认存储路径是/opt/hive/warehouse/*.db
create database hivetest;

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)
create database if not exists hivetest;

创建一个数据库,指定数据库在HDFS上存放的位置
create database if not exists hivetest location 'hdfs路径';


2.2、查询数据库

显示数据库
show databases;

? 过滤显示查询的数据库

show databases like 'hivetest*';

查看数据库详情
desc database hivetest;

切换当前数据库
use 目标数据库名称;


2.3删除数据库

删除空数据库
drop database 库名;

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 库名;

如果数据库不为空,可以采用cascade命令,强制删除
drop database 库名 cascade;


2.4、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], ...)] INTO 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。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。

(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

(7)ROW FORMAT

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,目的是用于序列化和反序列化。

(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)LIKE允许用户复制现有的表结构,但是不复制数据。

2.4.1、内部表


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,/opt/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 student2(
id int, name string
)
row format delimited fields terminated by '\t';

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;

根据已经存在的表结构创建表
create table if not exists student4 like student;

查询表的类型
desc formatted student2;
?

2.4.2、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。

案例详解
分别创建employee外部表,并向表中导入数据。

Michael|Montreal,Toronto|Male,30|DB:80|Product:DeveloperLead
Will|Montreal|Male,35|Perl:85|Product:Lead,Test:Lead
Shelley|New York|Female,27|Python:80|Test:Lead,COE:Architect
Lucy|Vancouver|Female,57|Sales:89|Sales:Lead

建表语句
创建员工表

create external table if not exists employee(
name string,
address array<string>,
personalInfo array<string>,
technol map<string,int>,
jobs map<string,string>)
row format delimited
fields terminated by '|'
collection items terminated by ','
map keys terminated by ':'
lines terminated by '\n';

向外部表中导入数据

load data local inpath '/root/employee.txt' into table employee;

查询结果

select * from employee;

2.4.3管理表与外部表的互相转换


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

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

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

2.5、分区表(partition)


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。

2.5.1、分区表基本操作
数据

10,ACCOUNTING,NEW YORK
10,ACCOUNTING,NEW YORK
10,ACCOUNTING,NEW YORK
20,RESEARCH,DALLAS
20,RESEARCH,DALLAS
20,RESEARCH,DALLAS
30,SALES,CHICAGO
30,SALES,CHICAGO


1.引入分区表(需要根据日期对日志进行管理)

/opt/hive/warehouse/log_partition/20170702/20170702.log
/opt/hive/warehouse/log_partition/20170703/20170703.log
/opt/hive/warehouse/log_partition/20170704/20170704.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 ',';


3.加载数据到分区表中

load data local inpath '/opt/dept.txt' into table default.dept_partition partition(month='201707’);
load data local inpath '/opt/dept.txt' into table default.dept_partition partition(month='201708’);
load data local inpath '/opt/dept.txt' into table default.dept_partition partition(month='201709’);

4.查询分区表中数据

单分区查询

select * from dept_partition where month='201709';


多分区联合查询

select * from dept_partition where month='201709'
union
select * from dept_partition where month='201708'
union
select * from dept_partition where month='201707';
?

注意:?

Hive 1.2.0之前的版本仅支持UNION ALL,其中重复的行不会被删除。

Hive 1.2.0和更高版本中,UNION的默认行为是从结果中删除重复的行。

5.增加分区

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

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


6.删除分区

alter table dept_partition drop partition (month='201704');

alter table dept_partition drop partition (month='201705'), partition (month='201706')


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;


2.6、修改表


2.6.1重命名表


语法
ALTER TABLE table_name RENAME TO new_table_name

实例
alter table dept_partition2 rename to dept_partition3;
?

2.6.2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], ...)?


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。

案例
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, dname string, loc string);


2.6.3删除表

drop table dept_partition;

注意:外部表不能简单的通过这个命令删除,这个命令只能删除外部表的元数据,没有办法删除hdfs上面的数据,如果需要将外部表彻底删除,有以下方法:

方案一:转换为内部表再删除
ALTER TABLE xxx SET TBLPROPERTIES('EXTERNAL'='False');

drop table xxx;


方案二:删除元数据,然后使用hdfs删除数据

3、DML数据操作


3.1 数据导入


3.1.1 向表中装载数据(Load)


语法
hive> load data [local] inpath '路径' [overwrite] into table 表名 [partition (partcol1=val1,…)];
1
(1)load data:表示加载数据

(2)local:表示从本地加载数据到hive表;否则从HDFS加载数据到hive表

(3)inpath:表示加载数据的路径

(4)overwrite:表示覆盖表中已有数据,否则表示追加

(5)into table:表示加载到哪张表

(6)表名:表示具体的表

(7)partition:表示上传到指定分区

3.1.2 通过查询语句向表中插入数据(Insert)

案例
基本插入

insert into table ?student partition(month='201709') values(1,'wangwu');

insert overwrite table student partition(month='201708') select id, name from student where month='201709';



多插入

from dept_partition
? ? ? ? ? ? ? insert overwrite table dept_partition partition(month='201707')
? ? ? ? ? ? ? select deptno,dname,loc where month='201709'
? ? ? ? ? ? ? insert overwrite table dept_partition partition(month='201706')
? ? ? ? ? ? ? select deptno,dname,loc ?where month='201709';


3.1.3 查询语句中创建表并加载数据(As Select)


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;


3.1.4 创建表时通过Location指定加载数据路径


创建表,并指定在hdfs上的位置

create table if not exists student5(
id int, name string)
row format delimited fields terminated by '\t'
location '/user/hive/warehouse/student5';

上传数据到hdfs上

dfs -put /opt/datas/student.txt /opt/hive/warehouse/student5;


3.1.5 Import数据到指定Hive表中


注意:先用export导出后,再将数据导入。

import table student2 partition(month='201709') from '/opt/hive/warehouse/export/student';


3.2 数据导出


3.2.1 Insert导出


1.将查询的结果导出到本地

insert overwrite local directory '/opt/datas' select * from dept_partition;

2.将查询的结果格式化导出到本地

insert overwrite local directory '/opt/datas/dept1'
row format delimited
fields terminated by '|'
select * from dept_partition;


3.将查询的结果导出到HDFS上(没有local)

insert overwrite directory '/opt/datas/dept'
row format delimited
fields terminated by '|'
select * from dept_partition;


3.2.2 Hadoop命令导出到本地


dfs -get /opt/hive/warehouse/employee/employee.txt /opt/datas/dept2/dept.txt;


3.2.3 Hive Shell 命令导出?


基本语法:(hive -f/-e 执行语句或者脚本 > file)

hive -e 'select * from hivetest.dept_partition;' > /opt/datas/dept3/dept.txt;

注意:需要在shell窗口执行,需要库名.表名,需要本地文件夹存在。

3.2.4 Export导出到HDFS上


export table hivetest.dept_partition to '/opt/datas/dept2';

3.3 清除表中数据(Truncate)


注意:Truncate只能删除管理表,不能删除外部表中数据

truncate table student;

文章来源:https://blog.csdn.net/liguohuaty/article/details/135391591
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。