Hive DDL 数据定义语言

悠悠 2022-04-25 03:04 354阅读 0赞

## 数据库 ##

### 创建一个数据库 ###

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

hive (default)> create database ylj_db;
    OK
    Time taken: 1.036 seconds

数据库在HDFS上的默认存储路径是/user/hive/warehouse/\*.db。

![2019-04-30-15566086610871.jpg][]

### 查询数据库 ###

#### 显示数据库 ####

hive (default)> show databases;
    OK
    database_name
    default
    ylj_db
    Time taken: 0.347 seconds, Fetched: 2 row(s)

#### 过滤显示查询的数据库 ####

hive (default)> show databases like 'ylj*';
    OK
    database_name
    ylj_db
    Time taken: 0.034 seconds, Fetched: 1 row(s)

#### 查看数据库详情 ####

hive (default)> desc database ylj_db;
    OK
    db_name comment location        owner_name      owner_type      parameters
    ylj_db          hdfs://hadoop101:9000/user/hive/warehouse/ylj_db.db     root    USER
    Time taken: 0.042 seconds, Fetched: 1 row(s)

#### 显示数据库详细信息，extended ####

hive (default)> desc database extended ylj_db;
    OK
    db_name comment location        owner_name      owner_type      parameters
    ylj_db          hdfs://hadoop101:9000/user/hive/warehouse/ylj_db.db     root    USER
    Time taken: 0.041 seconds, Fetched: 1 row(s)

#### 切换当前数据库 ####

hive (default)> use ylj_db;
    OK
    Time taken: 0.039 seconds

#### 修改数据库 ####

ALTER (DATABASE|SCHEMA) database_name SET DBPROPERTIES (property_name=property_value, ...);   -- (Note: SCHEMA added in Hive 0.14.0)
     
    ALTER (DATABASE|SCHEMA) database_name SET OWNER [USER|ROLE] user_or_role;   -- (Note: Hive 0.13.0 and later; SCHEMA added in Hive 0.14.0)
      
    ALTER (DATABASE|SCHEMA) database_name SET LOCATION hdfs_path; -- (Note: Hive 2.2.1, 2.4.0 and later)

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。

hive (ylj_db)> alter database ylj_db set dbproperties('create_time' = '2019-04-30 15:28:56');
    OK
    Time taken: 0.201 seconds
    hive (ylj_db)> desc database extended ylj_db;
    OK
    db_name comment location        owner_name      owner_type      parameters
    ylj_db          hdfs://hadoop101:9000/user/hive/warehouse/ylj_db.db     root    USER    {create_time=2019-04-30 15:28:56}
    Time taken: 0.029 seconds, Fetched: 1 row(s)

#### 删除数据库 ####

DROP (DATABASE|SCHEMA) [IF EXISTS] database_name [RESTRICT|CASCADE];

##### 删除空数据库 #####

hive (ylj_db)> drop database ylj_db;

##### 删除不存在的数据库 #####

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

hive (ylj_db)> drop database ylj_db1;
    FAILED: SemanticException [Error 10072]: Database does not exist: ylj_db1
    hive (ylj_db)> drop database if exists ylj_db1;
    OK
    Time taken: 0.01 seconds

##### 删除非空数据库 #####

如果数据库不为空，可以采用cascade命令，强制删除

hive (ylj_db)> create table ttt(id int);
    OK
    Time taken: 0.303 seconds
    hive (ylj_db)> drop database ylj_db;
    FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. InvalidOperationException(message:Database ylj_db is not empty. One or more tables exist.)
    hive (ylj_db)> drop database ylj_db cascade;
    Moved: 'hdfs://hadoop101:9000/user/hive/warehouse/ylj_db.db/ttt' to trash at: hdfs://hadoop101:9000/user/root/.Trash/Current
    Moved: 'hdfs://hadoop101:9000/user/hive/warehouse/ylj_db.db' to trash at: hdfs://hadoop101:9000/user/root/.Trash/Current
    OK
    Time taken: 1.054 seconds

## 表 ##

### 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 ####

**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。

**EXTERNAL**  
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。

**COMMENT**  
为表和列添加注释。

**PARTITIONED BY**  
创建分区表，这个分区跟MR分区不同。

在Hive Select查询中一般会扫描整个表内容，会消耗很多时间做没必要的工作。有时候只需要扫描表中关心的一部分数据，因此建表时引入了partition概念。分区表指的是在创建表时指定的partition的分区空间。

Hive可以对数据按照某列或者某些列进行分区管理，所谓分区我们可以拿下面的例子进行解释。  
当前互联网应用每天都要存储大量的日志文件，几G、几十G甚至更大都是有可能。存储日志，其中必然有个属性是日志产生的日期。在产生分区时，就可以按照日志产生的日期列进行划分。把每一天的日志当作一个分区。  
将数据组织成分区，主要可以提高数据的查询速度。至于用户存储的每一条记录到底放到哪个分区，由用户决定。即用户在加载数据的时候必须显示的指定该部分数据放到哪个分区。

**CLUSTERED BY**  
创建分桶表。对于每一个表（table）或者分区， Hive可以进一步组织成桶，也就是说桶是更为细粒度的数据范围划分。Hive也是 针对某一列进行桶的组织。Hive采用对列值哈希，然后除以桶的个数求余的方式决定该条记录存放在哪个桶当中。

（1）获得更高的查询处理效率。桶为表加上了额外的结构，Hive 在处理有些查询时能利用这个结构。具体而言，连接两个在（包含连接列的）相同列上划分了桶的表，可以使用 Map 端连接 （Map-side join）高效的实现。比如JOIN操作。对于JOIN操作两个表有一个相同的列，如果对这两个表都进行了桶操作。那么将保存相同列值的桶进行JOIN操作就可以，可以大大较少JOIN的数据量。

（2）使取样（sampling）更高效。在处理大规模数据集时，在开发和修改查询的阶段，如果能在数据集的一小部分数据上试运行查询，会带来很多方便。

**SORT BY**  
sort by 只能保证在同一个reduce中的数据可以按指定字段排序。  
使用sort by 你可以指定执行的reduce个数 （set mapreduce.job.reduce=） 这样可以输出更多的数据。  
对输出的数据再执行归并排序，即可以得到全部结果。需要注意的是，N个Reduce处理的数据范围是可以重叠的，所以最后排序完的N个文件之间数据范围是有重叠的。

**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。

**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。

**LOCATION**  
指定表在HDFS上的存储位置。

**LIKE**  
允许用户复制现有的表结构，但是不复制数据

### 内部表（管理表） ###

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，/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 ####

默认参数时，表hive文件存储格式textfile，默认路径是`/user/hive/warehouse/库名.db/表名`

create table if not exists student(id int,name string) row format delimited fields terminated  by '\t';

![2019-04-30-15566208011903.jpg][]

指定了存储路径时：

create table if not exists student2(id int,name string) row format delimited fields terminated  by '\t' stored as textfile location '/user/hive/warehouse/student22';

![2019-04-30-15566207302508.jpg][]

#### 根据查询结果创建表 ####

先向`student`表中导入一部分数据

hive (ylj_test)> load data local inpath '/opt/module/hive-1.2.1/datas/student.txt' overwrite into table student;
    Loading data to table ylj_test.student
    Table ylj_test.student stats: [numFiles=1, numRows=0, totalSize=43, rawDataSize=0]
    OK
    Time taken: 1.248 seconds
    hive (ylj_test)> select * from student;
    OK
    student.id      student.name
    2       lisi
    3       wangwu
    4       张三
    5       李四
    6       王五
    Time taken: 0.411 seconds, Fetched: 5 row(s)

创建表`student3`，数据源是表`student`中查询出来的结果

hive (ylj_test)> create table if not exists student3 as select id,name from student;
    Query ID = root_20190430002131_d0831c70-fd3a-4fad-8f23-71eeaa417108
    Total jobs = 3
    Launching Job 1 out of 3
    Number of reduce tasks is set to 0 since there's no reduce operator
    Starting Job = job_1554120237694_0001, Tracking URL = http://hadoop101:8088/proxy/application_1554120237694_0001/
    Kill Command = /opt/module/hadoop-2.7.2/bin/hadoop job  -kill job_1554120237694_0001
    Hadoop job information for Stage-1: number of mappers: 1; number of reducers: 0
    2019-04-30 00:22:08,635 Stage-1 map = 0%,  reduce = 0%
    2019-04-30 00:22:18,850 Stage-1 map = 100%,  reduce = 0%, Cumulative CPU 1.83 sec
    MapReduce Total cumulative CPU time: 1 seconds 830 msec
    Ended Job = job_1554120237694_0001
    Stage-4 is selected by condition resolver.
    Stage-3 is filtered out by condition resolver.
    Stage-5 is filtered out by condition resolver.
    Moving data to: hdfs://hadoop101:9000/user/hive/warehouse/ylj_test.db/.hive-staging_hive_2019-04-30_00-21-31_761_4709603611711121476-1/-ext-10001
    Moving data to: hdfs://hadoop101:9000/user/hive/warehouse/ylj_test.db/student3
    Table ylj_test.student3 stats: [numFiles=1, numRows=5, totalSize=43, rawDataSize=38]
    MapReduce Jobs Launched: 
    Stage-Stage-1: Map: 1   Cumulative CPU: 1.83 sec   HDFS Read: 2864 HDFS Write: 116 SUCCESS
    Total MapReduce CPU Time Spent: 1 seconds 830 msec
    OK
    id      name
    Time taken: 53.034 seconds

从控制台输出日志，可以看出程序启动的一个MR任务。

![2019-04-30-15566213005001.jpg][]

HDFS上多了对应的文件  
![2019-04-30-15566214401623.jpg][]  
![2019-04-30-15566214675627.jpg][]

#### 根据已存在的表创建表 ####

hive (ylj_test)> create table if not exists student4 like student;
    OK
    Time taken: 0.296 seconds

只是创建表结构，不导入数据。

#### 查询表的类型 ####

hive (ylj_test)> desc formatted  student2;
    OK
    col_name        data_type       comment
    # col_name              data_type               comment             
                     
    id                      int                                         
    name                    string                                      
                     
    # Detailed Table Information             
    Database:               ylj_test                 
    Owner:                  root                     
    CreateTime:             Tue Apr 30 00:11:50 CST 2019     
    LastAccessTime:         UNKNOWN                  
    Protect Mode:           None                     
    Retention:              0                        
    Location:               hdfs://hadoop101:9000/user/hive/warehouse/student22      
    Table Type:             MANAGED_TABLE            
    Table Parameters:                
            transient_lastDdlTime   1556554310          
                     
    # Storage Information            
    SerDe Library:          org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe       
    InputFormat:            org.apache.hadoop.mapred.TextInputFormat         
    OutputFormat:           org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat       
    Compressed:             No                       
    Num Buckets:            -1                       
    Bucket Columns:         []                       
    Sort Columns:           []                       
    Storage Desc Params:             
            field.delim             \t                  
            serialization.format    \t                  
    Time taken: 0.156 seconds, Fetched: 28 row(s)

信息中`Table Type`等于`MANAGED_TABLE`，表名它是一个管理表（内部表）

### 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。

#### 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。

#### 创建并查看 ####

hive (ylj_test)> create external table if not exists ext_student(id int,name string) row format delimited fields terminated by '\t';
    OK
    Time taken: 0.089 seconds
    hive (ylj_test)> desc formatted ext_student;
    OK
    col_name        data_type       comment
    # col_name              data_type               comment             
                     
    id                      int                                         
    name                    string                                      
                     
    # Detailed Table Information             
    Database:               ylj_test                 
    Owner:                  root                     
    CreateTime:             Tue Apr 30 00:32:39 CST 2019     
    LastAccessTime:         UNKNOWN                  
    Protect Mode:           None                     
    Retention:              0                        
    Location:               hdfs://hadoop101:9000/user/hive/warehouse/ylj_test.db/ext_student        
    Table Type:             EXTERNAL_TABLE           
    Table Parameters:                
            EXTERNAL                TRUE                
            transient_lastDdlTime   1556555559          
                     
    # Storage Information            
    SerDe Library:          org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe       
    InputFormat:            org.apache.hadoop.mapred.TextInputFormat         
    OutputFormat:           org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat       
    Compressed:             No                       
    Num Buckets:            -1                       
    Bucket Columns:         []                       
    Sort Columns:           []                       
    Storage Desc Params:             
            field.delim             \t                  
            serialization.format    \t                  
    Time taken: 0.105 seconds, Fetched: 29 row(s)

信息中`Table Type`等于`EXTERNAL_TABLE`，表名它是一个外部表。

### 管理表与外部表的互相转换 ###

把表`ext_student`转换为内部表

hive (ylj_test)> alter table ext_student set tblproperties('EXTERNAL'='FALSE');
    OK
    Time taken: 0.224 seconds
    hive (ylj_test)> desc formatted ext_student;
    Table Type:             MANAGED_TABLE

把表`ext_student`转换为外部表

hive (ylj_test)> alter table ext_student set tblproperties('EXTERNAL'='TRUE');
    OK
    Time taken: 0.224 seconds
    hive (ylj_test)> desc formatted ext_student;
    Table Type:             EXTERNAL_TABLE

### 修改表 ###

#### 重命名表 ####

hive (ylj_db)> alter table stu_part2 rename to stu_part_2;
    OK
    Time taken: 0.188 seconds

![\-w1186][-w1186]

#### 增加/修改/替换列信息 ####

##### 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。

### 删除表 ###

hive (ylj_db)> drop table stu_part_2;
    OK
    Time taken: 0.631 seconds

## 参考 ##

[LanguageManual DDL][]  
[Hive 基础（1）：分区、桶、Sort Merge Bucket Join][Hive _1_Sort Merge Bucket Join]

[2019-04-30-15566086610871.jpg]: /images/20220210/f332c02f9d804f6c9f1850d841995cd3.png
[2019-04-30-15566208011903.jpg]: /images/20220210/fb5884cf545f4f678254a4bfdb0e6673.png
[2019-04-30-15566207302508.jpg]: /images/20220210/f1406d3ecb8c400088eaacfe182837ef.png
[2019-04-30-15566213005001.jpg]: /images/20220210/7812696a20bb4881b9c1b49fc4cb3e58.png
[2019-04-30-15566214401623.jpg]: /images/20220210/9b26f2b446884033ba2fce97a01a7396.png
[2019-04-30-15566214675627.jpg]: /images/20220210/09307aaac433492e8c7f3559d1cce6b8.png
[-w1186]: /images/20220210/3b63f1240850493985e93a15934ac5f0.png
[LanguageManual DDL]: https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL
[Hive _1_Sort Merge Bucket Join]: https://my.oschina.net/leejun2005/blog/178631