Hive中的三种不同的数据导出方式介绍

问题导读：

1.导出本地文件系统和hdfs文件系统区别是什么？

2.带有local命令是指导出本地还是hdfs文件系统？

3.hive中，使用的insert与传统数据库insert的区别是什么？

4.导出数据如何自定义分隔符？



今天我们再谈谈Hive中的三种不同的数据导出方式。

根据导出的地方不一样，将这些方式分为三种：

（1）、导出到本地文件系统；

（2）、导出到HDFS中；

（3）、导出到Hive的另一个表中。

为了避免单纯的文字，我将一步一步地用命令进行说明。

一、导出到本地文件系统

　　

hive> insert overwrite local directory '/home/wyp/wyp'

> select * from wyp;

复制代码

这条HQL的执行需要启用Mapreduce完成，运行完这条语句之后，将会在本地文件系统的/home/wyp/wyp目录下生成文件，这个文件是Reduce产生的结果（这里生成的文件名是000000_0），我们可以看看这个文件的内容：

[wyp@master ~/wyp]$ vim 000000_0

5^Awyp1^A23^A131212121212

6^Awyp2^A24^A134535353535

7^Awyp3^A25^A132453535353

8^Awyp4^A26^A154243434355

1^Awyp^A25^A13188888888888

2^Atest^A30^A13888888888888

3^Azs^A34^A899314121

复制代码

可以看出，这就是wyp表中的所有数据。数据中的列与列之间的分隔符是^A(ascii码是\00001)。

和导入数据到Hive不一样，不能用insert into来将数据导出：

　　

hive> insert into local directory '/home/wyp/wyp'

> select * from wyp;

NoViableAltException(79@[])

at org.apache.hadoop.hive.ql.parse.HiveParser_SelectClauseParser.selectClause(HiveParser_SelectClauseParser.java:683)

at org.apache.hadoop.hive.ql.parse.HiveParser.selectClause(HiveParser.java:30667)

at org.apache.hadoop.hive.ql.parse.HiveParser.regular_body(HiveParser.java:28421)

at org.apache.hadoop.hive.ql.parse.HiveParser.queryStatement(HiveParser.java:28306)

at org.apache.hadoop.hive.ql.parse.HiveParser.queryStatementExpression(HiveParser.java:28100)

at org.apache.hadoop.hive.ql.parse.HiveParser.execStatement(HiveParser.java:1213)

at org.apache.hadoop.hive.ql.parse.HiveParser.statement(HiveParser.java:928)

at org.apache.hadoop.hive.ql.parse.ParseDriver.parse(ParseDriver.java:190)

at org.apache.hadoop.hive.ql.Driver.compile(Driver.java:418)

at org.apache.hadoop.hive.ql.Driver.compile(Driver.java:337)

at org.apache.hadoop.hive.ql.Driver.run(Driver.java:902)

at org.apache.hadoop.hive.cli.CliDriver.processLocalCmd(CliDriver.java:259)

at org.apache.hadoop.hive.cli.CliDriver.processCmd(CliDriver.java:216)

at org.apache.hadoop.hive.cli.CliDriver.processLine(CliDriver.java:413)

at org.apache.hadoop.hive.cli.CliDriver.run(CliDriver.java:756)

at org.apache.hadoop.hive.cli.CliDriver.main(CliDriver.java:614)

at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)

at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:39)

at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:25)

at java.lang.reflect.Method.invoke(Method.java:597)

at org.apache.hadoop.util.RunJar.main(RunJar.java:212)

FAILED: ParseException line 1:12 missing TABLE at 'local' near 'local' in select clause

line 1:18 cannot recognize input near 'directory' ''/home/wyp/wyp'' 'select' in select clause

复制代码

二、导出到HDFS中

和导入数据到本地文件系统一样的简单，可以用下面的语句实现：

　　

hive> insert overwrite directory '/home/wyp/hdfs'

> select * from wyp;

复制代码
将会在HDFS的/home/wyp/hdfs目录下保存导出来的数据。注意，和导出文件到本地文件系统的HQL少一个local，数据的存放路径就不一样了。

三、导出到Hive的另一个表中

这也是Hive的数据导入方式，如下操作：

　

hive> insert into table test

> partition (age='25')

> select id, name, tel

> from wyp;

#####################################################################

这里输出了一堆Mapreduce任务信息，这里省略

#####################################################################

Total MapReduce CPU Time Spent: 1 seconds 310 msec

OK

Time taken: 19.125 seconds

hive> select * from test;

OK

5 wyp1 131212121212 25

6 wyp2 134535353535 25

7 wyp3 132453535353 25

8 wyp4 154243434355 25

1 wyp 13188888888888 25

2 test 13888888888888 25

3 zs 899314121 25

Time taken: 0.126 seconds, Fetched: 7 row(s)

复制代码

细心的读者可能会问，怎么导入数据到文件中，数据的列之间为什么不是wyp表设定的列分隔符呢？其实在Hive 0.11.0版本之间，数据的导出是不能指定列之间的分隔符的，只能用默认的列分隔符，也就是上面的^A来分割，这样导出来的数据很不直观，看起来很不方便！

如果你用的Hive版本是0.11.0，那么你可以在导出数据的时候来指定列之间的分隔符。

下面详细介绍：

在Hive0.11.0版本新引进了一个新的特性，也就是当用户将Hive查询结果输出到文件，用户可以指定列的分割符，而在之前的版本是不能指定列之间的分隔符，这样给我们带来了很大的不变，在Hive0.11.0之前版本我们一般是这样用的：

hive> insert overwrite local directory '/home/wyp/Documents/result'

hive> select * from test;

复制代码
保存的文件列之间是用^A（\x01）来分割

196
^A242^A
3

186^A
302
^A3

22
^A377^A
1

244^A
51^A
2

复制代码

注意，上面是为了显示方便，而将\x01写作^A，在实际的文本编辑器我们是看不到^A的，而是一个奇怪的符号。

现在我们可以用Hive0.11.0版本新引进了一个新的特性，指定输出结果列之间的分隔符：

hive> insert overwrite local directory '/home/wyp/Documents/result'

hive> row format delimited

hive> fields terminated by '\t'

hive> select * from test;

复制代码
再次看出输出的结果

196 242 3

186 302 3

22 377 1

244 51 2

复制代码

结果好看多了。如果是map类型可以用下面语句来分割map的key和value

hive> insert overwrite local directory './test-04'

hive> row format delimited

hive> FIELDS TERMINATED BY '\t'

hive> COLLECTION ITEMS TERMINATED BY ','

hive> MAP KEYS TERMINATED BY ':'

hive> select * from src;

复制代码

根据上面内容，我们来进一步操作：

hive> insert overwrite local directory '/home/yangping.wu/local'

> row format delimited

> fields terminated by '\t'

> select * from wyp;

复制代码

[wyp@master ~/local]$ vim 000000_0

5 wyp1 23 131212121212

6 wyp2 24 134535353535

7 wyp3 25 132453535353

8 wyp4 26 154243434355

1 wyp 25 13188888888888

2 test 30 13888888888888

3 zs 34 899314121

复制代码

其实，我们还可以用hive的-e和-f参数来导出数据。其中-e 表示后面直接接带双引号的sql语句；而-f是接一个文件，文件的内容为一个sql语句，如下：

　　

[wyp@master ~/local][ DISCUZ_CODE_26 ]nbsp; hive -e "select * from wyp" >> local/wyp.txt

[wyp@master ~/local][ DISCUZ_CODE_26 ]nbsp; cat wyp.txt

5 wyp1 23 131212121212

6 wyp2 24 134535353535

7 wyp3 25 132453535353

8 wyp4 26 154243434355

1 wyp 25 13188888888888

2 test 30 13888888888888

3 zs 34 899314121

复制代码
得到的结果也是用\t分割的。也可以用-f参数实现：

[wyp@master ~/local]$ cat wyp.sql

select * from wyp

[wyp@master ~/local]$ hive -f wyp.sql >> local/wyp2.txt

复制代码

上述语句得到的结果也是\t分割的。