Hive数据类型、数据库相关操作、表的相关操做、数据的导入导出

文章目录

Hive数据类型
- 1.基本数据类型
- 2.集合数据类型
- - 案例实操
- 3.类型转化
数据库的相关操作
- 1.创建数据库
- 2.查询数据库
- 3.修改数据库
- 4.删除数据库
表的相关操作
- 1.建表
- 2.管理表
- 3.外部表
- 4.管理表与外部表的互相转换
- 5.重命名表
- 6.增加/修改/替换列信息
- 7.删除表
DML数据操作
- 1.数据导入
- - 1）向表中装载数据
  - 2）通过查询语句向表中插入数据（Insert）
  - 3) 查询语句中创建表并加载数据(As Select)
  - 4）创建表时通过Location指定加载数据路径
  - 5）Import数据指定Hive表中
- 2.数据导出
- - 1）Insert导出
  - 2）Hadoop命令导出到本地
  - 3）Hive Shell 命令导出
  - 4）Export导出到HDFS上
  - 5）清楚表中数据（Truncate）
  - 3）Hive Shell 命令导出
  - 4）Export导出到HDFS上
  - 5）清楚表中数据（Truncate）

Hive数据类型

1.基本数据类型

2.集合数据类型

案例实操

（1）假设某表有如下一行，我们用 JSON 格式来表示其数据结构。在 Hive 下访问的格式为

{"name": "songsong","friends": ["bingbing" , "lili"] , //列表 Array,"children": { //键值 Map,"xiao song": 18 ,"xiaoxiao song": 19}"address": { //结构 Struct,"street": "hui long guan","city": "beijing"}
}

（2）基于上述数据结构，我们在 Hive 里创建对应的表，并导入数据。创建本地测试文件 test.txt

songsong,bingbing_lili,xiao song:18_xiaoxiao song:19,hui long guan_beijing
yangyang,caicai_susu,xiao yang:18_xiaoxiao yang:19,chao yang_beijing

（3）Hive 上创建测试表 test

create table test(
name string,
friends array<string>,
children map<string, int>,
address struct<street:string, city:string>
)
row format delimited fields terminated by ','
collection items terminated by '_'
map keys terminated by ':'
lines terminated by '\n';

字段解释：

列分隔符：row format delimited fields terminated by ‘,’
MAP STRUCT 和 ARRAY 的分隔符(数据分割符号)：collection items terminated by ‘_’
MAP 中的 key 与 value 的分隔符：map keys terminated by ‘:’
行分隔符：lines terminated by ‘\n’;

（4）导入文本数据到测试表；

load data local inpath '/opt/module/hive/datas/test.txt' into table test;

（5）访问三种集合列里的数据，以下分别是 ARRAY，MAP，STRUCT 的访问方式

select friends[1],children['xiao song'],address.city from test where name="songsong";

3.类型转化

1）隐式类型转换规则如下

(1)任何整数类型都可以隐式地转换为一个范围更广的类型，如TINYINT可以转换成INT，INT可以转换成BIGINT。
(2)所有整数类型、FLOAT和STRING类型都可以隐式地转换成DOUBLE
(3)TINYIN、SMALLINT、INT都可以转换为FLOAT
(4)BOLLEAN类型不可以转换为任何其它的类型

2）可以使用CAST操作显示进行数据类型转换

例如CAST(‘1’ AS INT)将把字符串’1’转换成整数1；如果强制类型转换失败，如执行CAST(‘X’ AS INT)，表达式返回空值NULL

数据库的相关操作

1.创建数据库

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

2.查询数据库

1）显示数据库

show databases;

2）查看数据库详情

desc database [extended] db_hive;    extended：详细信息

3)切换当前数据库

use database_name;

3.修改数据库

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。

例如：alter database db_hive set dbproperties('createtime'='20220122');

4.删除数据库

1）删除空数据库

drop database database_name;

2）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

drop database if exists database_name;

3）如果数据库不为空，可以采用cascade命令，强制删除

drop database database_name cascade;

表的相关操作

1.建表

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]
[TBLPROPERTIES (property_name=property_value, ...)]
[AS select_statement]

(1)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。
(2)EXTERNAL 关键字可以让用户创建一个外部表，在建表的同时可以指定一个指向实际数据的路径（LOCATION），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。
(3)COMMENT  为表和列添加注释
(4)PARTITIONED BY   创建分区表
(5)CLUSTERED BY     创建分桶表
(6)SORTED BY    不常用，对桶中的一个或多个列另外排序
(7)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，hive使用          Serde进行行对象的序列与反序列化。
(8)STORED AS    指定存储文件类型，常用的存储文件类型，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
(9)LOCATION     指定表在HDFS上的存储位置
(10)AS  后跟查询语句，根据查询结果创建表
(11)LIKE    允许用户复制现有的表结构，但是不复制数据

2.管理表

理论：默认创建的表都是所谓的管理表，有时也被成为内部标。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(/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。

（1）普通创建表

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

（2）根据查询结果创建表（查询的结果会添加到新创建的表中）

create table if not exists student2 as select id,name from student;

（3）根据已经存在的表结构创建表

create table if not exists student3 like student;

（4）查询表的类型

desc formatted database_name;

3.外部表

理论：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。

使用场景分析：每天将手机到的网址日志定期流入到HDFS文件文本。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、结果表使用内部标存储，数据通过SELECT+INSERT进入内部标。

4.管理表与外部表的互相转换

（1）查询表的类型

desc formatted database_name;

（2）修改内部表student2为外部表

alter table student2 set tblproperties('EXTERNAL'='TRUE');

（3）修改外部表student2为内部表

alter table student2 set tblproperties('EXTERNAL'='FALSE');

5.重命名表

ALTER TABLE table_name RENAME TO new_table_name

6.增加/修改/替换列信息

（1）修改列

ALTER TABLE table_name CHANGE [COLUMN] col_old_name col_new_name column_type [COMMENT col_comment][FIRST|AFTER column_name]

（2）增加和替换列

ALTER TABLE table_name ADD|REPALCE 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

7.删除表

drop table table_name;

DML数据操作

1.数据导入

1）向表中装载数据

load data [local] inpath '数据的 path' [overwrite] into table student [partition (partcol1=val1,…)];

load data：表示加载数据
local：表示从本地加载数据到hive标；否则从HDFS加载到hive标
inpath：表示加载的路径
overwrite：表示覆盖表中已有的数据，否则表示追加
into table：表示加载到哪张表
student：表示具体的表
partition：表示上传到指定分区

2）通过查询语句向表中插入数据（Insert）

①先创建一张表

create table student_par(id int, name string) row format delimited fields terminated by '\t';

②基本插入数据

insert into table student_par values(1,'wangwu'),(2,'zhaoliu');

③基本模式插入（根据单张表查询结果）

insert overwrite table student_par select id, name from student where month='201709';

insert into：以追加数据的方式插入到表或分区，原有数据不会删除

insert overwrite：会覆盖表中已存在的数据

注意：insert不支持插入部分字段

④多表（多分区）插入模式（根据多张表查询结果）

from student
insert overwrite table student partition(month='201707')
select id, name where month='201709'
insert overwrite table student partition(month='201706')
select id, name where month='201709';

3) 查询语句中创建表并加载数据(As Select)

create table if not exists student3 as select id,name from student;

4）创建表时通过Location指定加载数据路径

①上传数据导hdfs上

hive (default)> dfs -mkdir /student;
hive (default)> dfs -put /opt/module/datas/student.txt /student;

②创建表，并指定在hdfs上的位置

hive (default)> create external table if not exists student5(id int, name string)row format delimited fields terminated by '\t'location '/student;

5）Import数据指定Hive表中

先用export导出后，再将数据导入

hive (default)> import table student2 from '/user/hive/warehouse/export/student';

2.数据导出

1）Insert导出

①将查询的结果导出到本地

insert overwrite local directory '/opt/module/hive/data/export/student' select * from student;

②将查询的结果格式化导出到本地

insert overwrite local directory '/opt/module/hive/data/export/student1' ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' select * from student;

③将查询的结果导出到HDFS上(没有local)

insert overwrite directory '/user/yingzi/student2' ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' select * from student;

2）Hadoop命令导出到本地

dfs -get /user/hive/warehouse/student/student.txt /opt/module/data/export/student3.txt;

3）Hive Shell 命令导出

基本语法：hive -f/-e 执行语句或者脚本 > file

[yingzi@hadoop102 hive]$ bin/hive -e 'select * from default.student;' > /opt/module/hive/data/export/student4.txt;

4）Export导出到HDFS上

export table default.student to '/user/hive/warehouse/export/student';

5）清楚表中数据（Truncate）

注意：Truncate只能删除管理表，不能删除外部表中数据集

truncate table database_name;

xt;

3）Hive Shell 命令导出

基本语法：hive -f/-e 执行语句或者脚本 > file

[yingzi@hadoop102 hive]$ bin/hive -e 'select * from default.student;' > /opt/module/hive/data/export/student4.txt;

4）Export导出到HDFS上

export table default.student to '/user/hive/warehouse/export/student';

5）清楚表中数据（Truncate）

注意：Truncate只能删除管理表，不能删除外部表中数据集

truncate table database_name;