下面是本课程概览：

（1）hive系列之简介，安装，beeline和hiveserver2

（2）hive系列之基本操作

（3）hive系列之udf

（4）hive系列之二级分区和动态分区

（5）hive系列之分桶表

（6）hive系列之常用函数

（7）hive系列之系统讲解开窗函数

（8）hive系列之存储格式及常用压缩格式

（9）hive系列之数据仓库建模理论

（10）hive系列之数据仓库建模-维度表和事实表

（11）hive系列之数据仓库建模-退化维度和缓慢变化维

（12）hive系列之常用企业性能优化1

（13）hive系列之常用企业性能优化2

（14）hive系列之常用企业性能优化3

今天是第二讲，Hive 的基本操作

今天的内容比较多，也比较枯燥，尽可能对着操作一遍，加深认识

01

数据库相关

1.创建数据库

create database db_hive;

create database if not exists db_hive;

2.创建数据库到指定目录下

create database if not exists db_hive_03 location '/user/wangkai/hive/warehouse/db_hive03.db';

3.显示当前所有的数据库

show databases;

4.查看数据库描述

desc database db_hive;

5.删除数据库就不说了，很危险

02

数据类型

1、基本类型

这里着重说一下 TIMESTAMP

TIMESTAMP 类型的主要作用是在数据比较的效率上比较高

TIMESTAMP 类型 ，其对应的格式为：yyyy-MM-dd HH:MM:SS，从文件中导入时，必须满足这个格式的才能导入，否则显示为null

比如现在建一个表

create table dw.t_date (

t1 date,

t2 timestamp

)

comment '日期测试表'

row format delimited

fields terminated by ',';

创建文件提交到 hdfs 上

文件内容：

2019-09-01,2019-09-01 11:12:00

2019-08-01,2019-09-01 12:00

加载到表中

LOAD DATA INPATH '/tmp/datetest/date.txt' into TABLE dw.t_date;

最终t2不满足格式，所以显示了null

Hive 中比较常用的时间相关的udf ：

unix_timestamp() 返回当前的时间戳

unix_timestamp('2019-09-01 11:10:10') 返回指定日期的时间戳

from_unixtime(1567307471) 返回 yyyy-MM-dd HH:MM:SS 格式的字符串

2、复杂类型

ARRAY、Map、struct、union，这些复杂类型是由基础类型构成的

(1) Array

表示数组，是具有相同类型的变量的集合，这些变量称为数组的元素，每个元素都有下标，从0开始

如下，我们建一张 person 表，名字、工作地点、爱好

create table dw.person(

name string,

work_locations array<string>,

other_info map<string,string>,

other_info2 struct<one:string,two:int>

)

row format delimited

fields terminated by ','

collection items terminated by '|'

map keys terminated by ':';

字段的分隔符是 ,

集合（数组和map）元素的分隔符是 |

map或者struct 的 键值对分隔符是 :

测试数据如下：

导入到表中

查询第一个工作地点：

select name,work_locations[0] from dw.person;

（2） Map

是一组键值对元组集合，使用数组表示法，map['first'] 可以获取值

比如上面的表中，查询性别

select name,other_info['sex'] from dw.person;

（3）Struct

是不同类型元素的集合，可以用 点 描述符来取元素

select name,other_info2.one from dw.person;

03

内部表、外部表、分区表

1、内部表和外部表的区别

（1）未被 external 修饰的是内部表，被 external 关键字修饰的是外部表

（2）内部表由 Hive 自身管理，外部表由 HDFS 管理（也就是数据在别的目录下，但元数据还是由 Hive 管理的）

（3）内部表数据的存储位置是：hive.metastore.warehouse.dir（默认是：/user/hive/warehouse），外部表数据的存储位置由自己制定

（4）删除内部表会直接删除元数据和存储在表下面的数据，而删除外部表只会删除元数据，HDFS 上的数据并不会被删除

2、分区表

为了对表进行合理的管理，以及提高查询的效率，Hive 可以将表组织成分区，一个分区实际上就是一个目录，一个表可以在多个维度上创建分区，分区之间的关系，就是目录树的关系。

就是在系统上创建文件夹，把分类数据放在不同的文件夹下，加快查询速度。

比如创建日期和公司两个分区，那么就可以指定查询某个月某个公司的数据，而不同全表扫描

3、实战

（1）内部表

上面建的dw.person 就是内部表，hive 会在 hdfs 文件上创建一个目录，删除表的时候，目录下的数据也会被删除

（2）外部表

使用关键字 external

create external table dw.t_test2 (

c1 string,

c2 string

)

如果没有指定位置，hive 会生成一个目录，如果指定了位置，那么不会创建目录

create external table dw.t_test3 (

c1 string,

c2 string

)

location '/tmp/person';

删除表，并不会删除 hdfs 文件的

（3）分区表

create table dw.t_test4 (

c1 string,

c2 string

)

partitioned by (appId string)

新增分区

alter table dw.t_test4 add partition(appId='app');

会在hdfs上新增一个目录

（4）外部分区表

顾名思义，即是外部表，又是分区表

create external table dw.t_test5 (

c1 string,

c2 string

)

partitioned by (appId string);

给外部分区表添加记录

alter table dw.t_test4 add partition(appId='app') location '/tmp/test1';

04

其他建表方式

1.用查询出来的数据建表

create table IF NOT EXISTS dw.log_20170629_2

AS select ip,user from dw.log_20170629;

2.仅仅创建已有表的表结构

create table IF NOT EXISTS dw.log_20170630

like dw.log_20170629;

05

加载和导出数据

1.加载数据

（1）这个命令是从本地拷贝文件到集群上，如果文件存在，则会重命名新增一份文件

load data local inpath '/opt/datas/student.txt' into table dw.student;

（2）加载数据并覆盖原有数据，会删除原有文件，再拷贝

load data local inpath '/opt/datas/student.txt' overwrite into table dw.student;

（3）加载数据到分区表

load data local inpath '/home/hadoop/data/emp.txt' into table dw.emp_partition partition (month='201509');

（4）加载hdfs数据，从hdfs移动数据到集群上

load data inpath '/opt/datas/student.txt' into table dw.student;

2.导出数据

（1）导出文件到本地目录

insert overwrite local directory '/home/hadoop/data/hive_exp_emp2'

ROW FORMAT DELIMITED FIELDS TERMINATED BY 't'

select * from default.emp;

（2）hive命令

bin/hive -e "select * from default.emp;" > /opt/datas/exp_res.txt

（3）导出到hdfs中

insert overwrite directory '/user/wangkai/hive/hive_exp_emp'

ROW FORMAT DELIMITED FIELDS TERMINATED BY 't' COLLECTION ITEMS TERMINATED BY 'n'

下一篇是 hive 的 udf ，持续关注 kk大数据 噢