关键字：Hive元数据、Hive元数据表结构

之前在 “[一起学Hive]之一–Hive概述，Hive是什么”中介绍过，Hive自己维护了一套元数据，用户通过HQL查询时候，Hive首先需要结合元数据，将HQL翻译成MapReduce去执行。

本文介绍一下Hive元数据中重要的一些表结构及用途，以Hive0.13为例。

文章最后面，会以一个示例来全面了解一下，Hive的元数据是怎么生成和存储的。

13.1 存储Hive版本的元数据表(VERSION)

该表比较简单，但很重要。

VER_ID

SCHEMA_VERSION

VERSION_COMMENT

ID主键

Hive版本

版本说明

1

0.13.0

Set by MetaStore

如果该表出现问题，根本进入不了Hive-Cli。

比如该表不存在，当启动Hive-Cli时候，就会报错”Table ‘hive.version’ doesn’t exist”。

13.2 Hive数据库相关的元数据表(DBS、DATABASE_PARAMS)

DBS

该表存储Hive中所有数据库的基本信息，字段如下：

元数据表字段

说明

示例数据

DB_ID

数据库ID

2

DESC

数据库描述

测试库

DB_LOCATION_URI

数据库HDFS路径

hdfs://namenode/user/hive/warehouse/lxw1234.db

NAME

数据库名

lxw1234

OWNER_NAME

数据库所有者用户名

lxw1234

OWNER_TYPE

所有者角色

USER

DATABASE_PARAMS

该表存储数据库的相关参数，在CREATE DATABASE时候用

WITH DBPROPERTIES (property_name=property_value, …)指定的参数。

元数据表字段

说明

示例数据

DB_ID

数据库ID

2

PARAM_KEY

参数名

createdby

PARAM_VALUE

参数值

lxw1234

DBS和DATABASE_PARAMS这两张表通过DB_ID字段关联。

13.3 Hive表和视图相关的元数据表

主要有TBLS、TABLE_PARAMS、TBL_PRIVS，这三张表通过TBL_ID关联。

TBLS

该表中存储Hive表、视图、索引表的基本信息。

元数据表字段

说明

示例数据

TBL_ID

表ID

1

CREATE_TIME

创建时间

1436317071

DB_ID

数据库ID

2，对应DBS中的DB_ID

LAST_ACCESS_TIME

上次访问时间

1436317071

OWNER

所有者

liuxiaowen

RETENTION

保留字段

0

SD_ID

序列化配置信息

86，对应SDS表中的SD_ID

TBL_NAME

表名

lxw1234

TBL_TYPE

表类型

MANAGED_TABLE、EXTERNAL_TABLE、INDEX_TABLE、VIRTUAL_VIEW

VIEW_EXPANDED_TEXT

视图的详细HQL语句

select `lxw1234`.`pt`, `lxw1234`.`pcid` from `liuxiaowen`.`lxw1234`

VIEW_ORIGINAL_TEXT

视图的原始HQL语句

select * from lxw1234

TABLE_PARAMS

该表存储表/视图的属性信息。

元数据表字段

说明

示例数据

TBL_ID

表ID

1

PARAM_KEY

属性名

totalSize、numRows、EXTERNAL

PARAM_VALUE

属性值

970107336、21231028、TRUE

TBL_PRIVS

该表存储表/视图的授权信息

元数据表字段

说明

示例数据

TBL_GRANT_ID

授权ID

1

CREATE_TIME

授权时间

1436320455

GRANT_OPTION

0

GRANTOR

授权执行用户

liuxiaowen

GRANTOR_TYPE

授权者类型

USER

PRINCIPAL_NAME

被授权用户

username

PRINCIPAL_TYPE

被授权用户类型

USER

TBL_PRIV

权限

Select、Alter

TBL_ID

表ID

22，对应TBLS表中的TBL_ID

13.4 Hive文件存储信息相关的元数据表

主要涉及SDS、SD_PARAMS、SERDES、SERDE_PARAMS

由于HDFS支持的文件格式很多，而建Hive表时候也可以指定各种文件格式，Hive在将HQL解析成MapReduce时候，需要知道去哪里，使用哪种格式去读写HDFS文件，而这些信息就保存在这几张表中。

SDS

该表保存文件存储的基本信息，如INPUT_FORMAT、OUTPUT_FORMAT、是否压缩等。

TBLS表中的SD_ID与该表关联，可以获取Hive表的存储信息。

元数据表字段

说明

示例数据

SD_ID

存储信息ID

1

CD_ID

字段信息ID

21，对应CDS表

INPUT_FORMAT

文件输入格式

org.apache.hadoop.mapred.TextInputFormat

IS_COMPRESSED

是否压缩

0

IS_STOREDASSUBDIRECTORIES

是否以子目录存储

0

LOCATION

HDFS路径

hdfs://namenode/hivedata/warehouse/ut.db/t_lxw

NUM_BUCKETS

分桶数量

5

OUTPUT_FORMAT

文件输出格式

org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat

SERDE_ID

序列化类ID

3，对应SERDES表

SD_PARAMS

该表存储Hive存储的属性信息，在创建表时候使用

STORED BY ‘storage.handler.class.name’ [WITH SERDEPROPERTIES (…)指定。

元数据表字段

说明

示例数据

SD_ID

存储配置ID

1

PARAM_KEY

存储属性名

PARAM_VALUE

存储属性值

SERDES

该表存储序列化使用的类信息

元数据表字段

说明

示例数据

SERDE_ID

序列化类配置ID

1

NAME

序列化类别名

SLIB

序列化类

org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe

SERDE_PARAMS

该表存储序列化的一些属性、格式信息,比如：行、列分隔符

元数据表字段

说明

示例数据

SERDE_ID

序列化类配置ID

1

PARAM_KEY

属性名

field.delim

PARAM_VALUE

属性值

,

13.5 Hive表字段相关的元数据表

主要涉及COLUMNS_V2

COLUMNS_V2

该表存储表对应的字段信息。

元数据表字段

说明

示例数据

CD_ID

字段信息ID

1

COMMENT

字段注释

COLUMN_NAME

字段名

pt

TYPE_NAME

字段类型

string

INTEGER_IDX

字段顺序

2

13.6 Hive表分区相关的元数据表

主要涉及PARTITIONS、PARTITION_KEYS、PARTITION_KEY_VALS、PARTITION_PARAMS

PARTITIONS

该表存储表分区的基本信息。

元数据表字段

说明

示例数据

PART_ID

分区ID

1

CREATE_TIME

分区创建时间

LAST_ACCESS_TIME

最后一次访问时间

PART_NAME

分区名

pt=2015-06-12

SD_ID

分区存储ID

21

TBL_ID

表ID

2

PARTITION_KEYS

该表存储分区的字段信息。

元数据表字段

说明

示例数据

TBL_ID

表ID

2

PKEY_COMMENT

分区字段说明

PKEY_NAME

分区字段名

pt

PKEY_TYPE

分区字段类型

string

INTEGER_IDX

分区字段顺序

1

PARTITION_KEY_VALS

该表存储分区字段值。

元数据表字段

说明

示例数据

PART_ID

分区ID

2

PART_KEY_VAL

分区字段值

2015-06-12

INTEGER_IDX

分区字段值顺序

0

PARTITION_PARAMS

该表存储分区的属性信息。

元数据表字段

说明

示例数据

PART_ID

分区ID

2

PARAM_KEY

分区属性名

numFiles、numRows

PARAM_VALUE

分区属性值

15、502195

13.6 其他不常用的元数据表

DB_PRIVS

数据库权限信息表。通过GRANT语句对数据库授权后，将会在这里存储。

IDXS

索引表，存储Hive索引相关的元数据

INDEX_PARAMS

索引相关的属性信息。

TAB_COL_STATS

表字段的统计信息。使用ANALYZE语句对表字段分析后记录在这里。

TBL_COL_PRIVS

表字段的授权信息

PART_PRIVS

分区的授权信息

PART_COL_STATS

分区字段的统计信息。

PART_COL_PRIVS

分区字段的权限信息。

FUNCS

用户注册的函数信息

FUNC_RU

用户注册函数的资源信息

13.6 示例

建表语句：

CREATE TABLE lxw1234 (

cookieid STRING,

url STRING,

ua STRING,

ip STRING,

createtime STRING

)

COMMENT 'This is the page view table'

partitioned BY (day STRING,site STRING)

ROW FORMAT DELIMITED

FIELDS TERMINATED BY ','

stored AS ORC;

建表执行之后，元数据中以下表的数据会有所变化：

TBLS

生成了表lxw1234的基本信息

SELECT * FROM TBLS WHERE TBL_NAME = ‘lxw1234’;

元数据表字段

数据

TBL_ID

41509

CREATE_TIME

1436324659

DB_ID

11

LAST_ACCESS_TIME

0

OWNER

liuxiaowen

RETENTION

0

SD_ID

91740

TBL_NAME

lxw1234

TBL_TYPE

MANAGED_TABLE

VIEW_EXPANDED_TEXT

NULL

VIEW_ORIGINAL_TEXT

NULL

TABLE_PARAMS

select  *  from  TABLE_PARAMS  WHERE  TBL_ID=41509

TBL_ID

PARAM_KEY

PARAM_VALUE

41509

comment

This is the page view table

41509

transient_lastDdlTime

1436324659

SDS

SELECT * FROM SDS WHERE SD_ID = 91740

元数据表字段

数据

SD_ID

91740

CD_ID

41564

INPUT_FORMAT

org.apache.hadoop.hive.ql.io.orc.OrcInputFormat

IS_COMPRESSED

0

IS_STOREDASSUBDIRECTORIES

0

LOCATION

hdfs://namenode/hivedata/warehouse/liuxiaowen.db/lxw1234

NUM_BUCKETS

-1

OUTPUT_FORMAT

org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat

SERDE_ID

91740

SERDES

select * from SERDES WHERE SERDE_ID = 91740

元数据表字段

数据

SERDE_ID

91740

NAME

SLIB

org.apache.hadoop.hive.ql.io.orc.OrcSerde

SERDE_PARAMS

select * from  SERDE_PARAMS  WHERE  SERDE_ID=91740

SERDE_ID

PARAM_KEY

PARAM_VALUE

91740

field.delim

,

91740

serialization.format

,

COLUMNS_V2

select * from COLUMNS_V2 WHERE CD_ID=41564 ORDER BY INTEGER_IDX

CD_ID

COMMENT

COLUMN_NAME

TYPE_NAME

INTEGER_IDX

41564

cookieid

string

0

41564

url

string

1

41564

ua

string

2

41564

ip

string

3

41564

createtime

string

4

PARTITION_KEYS

select * from  PARTITION_KEYS  WHERE  TBL_ID=41509

TBL_ID

PKEY_COMMENT

PKEY_NAME

PKEY_TYPE

INTEGER_IDX

41509

day

string

0

41509

site

string

1

再插入数据：

INSERT OVERWRITE TABLE lxw1234 PARTITION (day ='2015-07-08',site ='lxw1234.com')

SELECT

'cookie1'AS cookieid,

'http://lxw1234.com'AS url,

'firefox'AS ua,

'127.0.0.1'AS ip,

'2015-07-08 11:00:01'AS createtime

FROM dual

limit 1;

插入数据执行完之后，以下表的元数据发生变化：

PARTITIONS

select * from  `PARTITIONS`  WHERE  TBL_ID=41509

PART_ID

CREATE_TIME

LAST_ACCESS_TIME

PART_NAME

SD_ID

TBL_ID

54472

1436325812

0

day=2015-07-08/site=lxw1234.com

91746

41509

SDS

select *  from  SDS  WHERE  SD_ID=91746

注意：这里的存储和表的存储是不同的，因为每个分区也会有一个SD

元数据表字段

数据

SD_ID

91746

CD_ID

41564

INPUT_FORMAT

org.apache.hadoop.hive.ql.io.orc.OrcInputFormat

IS_COMPRESSED

0

IS_STOREDASSUBDIRECTORIES

0

LOCATION

hdfs://namenode/hivedata/warehouse/liuxiaowen.db/lxw1234/day=2015-07-08/site=lxw1234.com

NUM_BUCKETS

-1

OUTPUT_FORMAT

org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat

SERDE_ID

91746

PARTITION_KEY_VALS

select  *  from  PARTITION_KEY_VALS  where  PART_ID=54472

PART_ID

PART_KEY_VAL

INTEGER_IDX

54472

2015-07-08

0

54472

lxw1234.com

1

PARTITION_PARAMS

select * from PARTITION_PARAMS where PART_ID = 54472

PART_ID

PARAM_KEY

PARAM_VALUE

54472

COLUMN_STATS_ACCURATE

true

54472

numFiles

1

54472

numRows

1

54472

rawDataSize

408

54472

totalSize

703

54472

transient_lastDdlTime

1436325813

在分区的属性里面，生成的该分区的统计信息(Statistics)。

关于Hive的统计信息(Statistics)，后面将会介绍。