hive 使用方法-建表及导入导出数据(一)

1. 学习资料

hive 官网： 不区分版本，所有信息都在一个文件汇总，会标记适合哪些版本

ddl https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL

一、ddl 及 dml

1) Create/Drop/Alter/Use Database

create database if not exists test_db;
show databases;

CREATE [TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS] [db_name.]table_name
[stored as file_format]
注：file_format:  文件存储的格式，默认为TextFile，sequencefile(hdfs底层的二进制文件)
eg1: 创建一个student表，将本地文件student加载到表中。

create table if not exists student(
num int,
name string
)
row format delimited fields terminated by '\t'
stored  as textfile;
load data local inpath '/opt/tools/student' into table student;

vi /opt/tools/student
1       xiaohong
2       xiaowang

加载日志信息：
Loading data to table default.student
Table default.student stats: [numFiles=1, numRows=0, totalSize=22, rawDataSize=0]
OK
Time taken: 0.971 seconds

2) Truncate Table 删除表

TRUNCATE TABLE table_name [PARTITION partition_spec];  //清除数据，表结构还在。
drop table ； //表文件和结构都删除
查看mysql元数据是否被删除:查看 metastore表中的 TBLS

3) 表创建的方式 3种

* 子查询->将子查询出来的结果赋予给新的表中。
create table if not exists student2 as select * from student;

* like --> 只复制结构，没有数据。
create table student_3 like student2;
* 普通建表
create table student1(
id int,
name string
)

4）表的类型

内部表-管理表（删除元数据和表的文件夹）

外部表(删除元数据，不会删除表文件夹;)

记录数据的存放路径,不移动数据。

保证数据文件的安全性,方便共享数据。

create external table if not exists (

id int ,

name string

)

注意：先创建内部表，然后再建外部表；

修改基本不会涉及，update只能改管理表，外部表不能进行update;

i）管理表

create table dept(
deptno int,
dname string,
loc string
)
row format delimited fields terminated by '\t';
load data local inpath '/opt/tools/dept.txt' into table dept;

create table emp(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int
)
row format delimited fields terminated by '\t';
load data local inpath '/opt/tools/emp.txt' into table emp;

将本地的文件 copy到hdfs：

Copying data from file:/opt/tools/dept.txt
Copying file: file:/opt/tools/dept.txt
Loading data to table default.dept
Table default.dept stats: [numFiles=1, numRows=0, totalSize=79, rawDataSize=0]
OK

ii）外部表  多个表操作同一个文件 指定数据文件目录用：（ location ）

create external table emp_ext(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int
)
row format delimited fields terminated by '\t';
load data local inpath '/opt/tools/emp.txt' into table emp_ext;

(load data inpath 把原来的数据移走)
(load data local inpath 把本地数据拷贝到hdfs的表目录下）

5）分区表

分区表

先过滤后查询,提高运行效率（类比mapreduce中的分区，指定多个reduce，可提高运行效率）将数据进行分区，归类，在创建表时定义一个逻辑分区字段，查询表时不用全盘扫描所有数据，只需扫描指定分区中的数据即可。提高查询性能， 普通表需要先查询然后过滤，分区表是先过滤，后查询。

普通表：client提交 sql -> 读取 metastore -> 找到hdfs中存储的table -> 加载数据文件 ->过滤

分区表：client提交 sql -> 读取 metastore -> 找到hdfs中存储的table -> 过滤 -> 加载数据文件

eg:
create table emp_part(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int
)
PARTITIONED BY(date string) --分区字段名称不能和字段重复
row format delimited fields terminated by '\t';
load data local inpath  "/opt/tools/emp.txt" into table emp_part partition(date="20171104"); -- 必须指明分区字段

load data local inpath "/opt/tools/emp.txt" into table emp_part partition (date="20171105") ;

select * from emp_part where date ="20171104";

hive (default)>  load data local inpath  "/opt/tools/emp.txt" into table emp_part partition(date="20171104");
Loading data to table default.emp_part partition (date=20171104)
Partition default.emp_part{date=20171104} stats: [numFiles=1, numRows=0, totalSize=656, rawDataSize=0]
OK

create external table emp_epart
(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int
)
partitioned by (data string , hour string )
row format delimited fields terminated by '\t';

6) 加载数据

override 覆盖原有数据（比load 增加了一个删除操作）

load data (local) inpath ‘/tmp/’ into table tale_name ;

load 不覆盖，直接增加文件。

【Noted】 location ：在建表时指定数据文件存放位置，并不是加载数据的语句；用于设置数据存放路径，多用于外部表，多个外部表可共用同一个数据。

7)导入数据 （6种）

load data local inpath “/opt/emp.txt” into table emp; –本地(将文件直接移动到表目录下)

load data inpath –hdfs （将文件直接移动到表目录下)

load data local inpath “/opt/emp.txt” overwrite into table emp;

子查询 create table emp_as as select * from emp;

适合于保存结果集，或者保存中间结果集。

insert into table emp_like select * from emp;

首先创建一个 emp_insert:

insert into table emp_like emp;

location

注：

- insert into 语句并没有执行reduce任务,有group by的才有reduce；
- load  local 和 hdfs 根据数据量的不同来选择；
- 子查询插入数据和insert 插入数据后存储的数据文件一样，方式相同。
- load 是最普遍的操作。

8) 导出方式

insert (insert overwrite [local] directory ‘path’ select sql;)

eg:

数据文件导出到本地：

insert overwrite local directory ‘/opt/’ select * from emp; –默认分隔符 \001 (控制符) –将表中的数据保存到本地，输出文件目录（不用指定到文件）可提前存在。先删了，然后再创建。

指定分隔符

insert overwrite local directory ‘/opt/nihao01’ row format delimited fields terminated by ‘\t’ select * from emp; –map 任务

将数据保存到hdfs

insert overwrite directory ‘/’ row format delimited fields terminated by ‘\t’ select * from emp; – 会报错，不支持这种形式？？

insert overwrite directory ‘/opt/nihao01’ select * from emp; – move数据

通过hdfs 的shell ： dfs -get 命令来获取数据文件。

通过hive -e -f 参数将输出的结果重定向到本地文件中。

sqoop （做hive和关系型数据库交换数据的桥梁，进行导入导出）

注意：hive支持导入和导出

export table tb_name to 'hdfs_path'

import table tb_name from 'hdfs_path'

9) 导出数据的location 示例

location : 用于指定表数据文件所存放的目录，必须是目录,不能具体到文件,创建表后只需将数据文件放到指定目录，select table 就可以查出数据；（location多用于external 表，不需要移动数据文件的位置，只要指定数据位置即可对表中数据进行操作。）

1、数据文件字hdfs上。（原来就有的数据文件）
create external table emp_ext
(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int
)
row format delimited fields terminated by '\t'
location "/nihao";

2、数据文件在本地：
create external table emp_ext1
(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int
)
row format delimited fields terminated by '\t'
location "file:///opt/datas";

create table nihao21(
id int,
name string
)
row format delimited fields terminated by '\t'
location '/nihao/';