2.1 create table

2.1.1 总述

l 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 EXIST 选项来忽略这个异常。

l EXTERNAL 关键字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。

l LIKE 允许用户复制现有的表结构，但是不复制数据。 l 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。

l 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 SEQUENCE 。

l 有分区的表可以在创建的时候使用 PARTITIONED BY 语句。一个表可以拥有一个或者多个分区，每一个分区单独存在一个目录下。而且，表和分区都可以对某个列进行

CLUSTERED BY 操作，将若干个列放入一个桶(bucket)中。也可以利用 SORT BY 对数据进行排序。这样可以为特定应用提高性能。

l 表名和列名不区分大小写，SerDe 和属性名区分大小写。表和列的注释是字符串。

目前在 hive 中常用的数据类型有:

BIGINT – 主要用于状态,类别,数量的字段, 如

status/option/type/quantity

DOUBLE – 主要用于金额的字段, 如 fee/price/bid

STRING – 除上述之外的字段基本都使用 String, 尤其是 id 和日期时间这

样的字段

2.1.3 基本例子

1、如果一个表已经存在，可以使用 if not exists

2、 create table xiaojun(id int,cont string) row format delimited fields terminated

by '005' stored as textfile;

terminated by：关于来源的文本数据的字段间隔符

如果要将自定义间隔符的文件读入一个表，需要通过创建表的语句来指明输入文件间隔符，

然后 load data 到这个表。

4、Alibaba 数据库常用间隔符的读取

我们的常用间隔符一般是 Ascii 码 5，Ascii 码 7 等。在 hive 中 Ascii 码 5 用'005'表示，

Ascii 码 7 用'007'表示，依此类推。

5、装载数据

查看一下：Hadoop fs -ls

LOAD DATA INPATH '/user/admin/xiaojun/a.txt' OVERWRITE INTO TABLE xiaojun;

6、如果使用 external 建表和普通建表区别

A、指定一个位置，而不使用默认的位置。如：

create EXTERNAL table xiaojun(id int,cont string) row format delimited fields

terminated by '005' stored as textfile location '/user/admin/xiaojun/';

B、对于使用 create table external 建表完成后，再 drop 掉表，表中的数据还在文件系统

中。如：

hive> create EXTERNAL table xiaojun(id int,cont string) row format delimited

fields terminated by '005' stored as textfile;

hive> LOAD DATA INPATH '/user/admin/xiaojun' OVERWRITE INTO TABLE xiaojun;

hive> drop table xiaojun;

[admin@hadoop1 bin]$ ./hadoop fs -ls

hdfs://hadoop1:7000/user/hive/warehouse/xiaojun

Found 1 items

使用普通的建表 DROP 后则找不到

2.1.4 创建分区

HIVE 的分区通过在创建表时启用 partition by 实现，用来 partition 的维度并不是实

际数据的某一列，具体分区的标志是由插入内容时给定的。当要查询某一分区的内容时可以

采用 where 语句，形似 where tablename.partition_key > a 来实现。

创建含分区的表。

命令原型：

CREATE TABLE page_view(viewTime INT, userid BIGINT,

page_url STRING, referrer_url STRING,

ip STRING COMMENT 'IP Address of the User')

COMMENT 'This is the page view table'

PARTITIONED BY(dt STRING, country STRING)

CLUSTERED BY(userid) SORTED BY(viewTime) INTO 32 BUCKETS

ROW FORMAT DELIMITED

FIELDS TERMINATED BY '001'

外部表和内部表内部表由hive管理，外部表是hdfs管理，内部表存储在hive/warehouse下，外部表存储是在创建时用户设置的，drop时，两个表的元数据都会被删除，外部表的表数据不被删除，目录文件还在。

6、如果使用external建表和普通建表区别A、指定一个位置，而不使用默认的位置。如：create EXTERNAL table xiaojun(id int,cont string) row format delimited fields terminated by '005' stored as textfile location '/user/admin/xiaojun/';B、对于使用create table external建表完成后，再drop掉表，表中的数据还在文件系统中。如：hive>create EXTERNAL table xiaojun(id int,cont string) row formatdelimited fields terminated by '005' stored as textfile; hive> LOADDATA INPATH '/user/admin/xiaojun' OVERWRITE INTO TABLE xiaojun; hive> drop table xiaojun; [admin@hadoop1bin]$ ./hadoop fs -ls hdfs://hadoop1:7000/user/hive/warehouse/xiaojunFound 1 items使用普通的建表DROP后则找不到版权声明：

COLLECTION ITEMS TERMINATED BY '002'

MAP KEYS TERMINATED BY '003'

STORED AS SEQUENCEFILE;

查看表名，部分匹配

SHOW TABLES 'page.*';

SHOW TABLES '.*view';

查看某表的所有 Partition，如果没有就报错：

SHOW PARTITIONS page_view;

查看某表结构：

DESCRIBE invites;

看分区内容

SELECT a.foo FROM invites a WHERE a.ds='2008-08-15';

查看有限行内容，同 Greenplum，用 limit 关键词

SELECT a.foo FROM invites a limit 3;

查看表分区定义

DESCRIBE EXTENDED page_view PARTITION (ds='2008-08-08');

2.5 Load

HIVE 装载数据没有做任何转换加载到表中的数据只是进入相应的配置单元表的位置移

动数据文件。纯加载操作复制/移动操作。

3.1 语法

LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename

[PARTITION (partcol1=val1, partcol2=val2 ...)]

Load 操作只是单纯的复制/移动操作，将数据文件移动到 Hive 表对应的位置。

• filepath 可以是： o 相对路径，例如：project/data1

hdfs://namenode:9000/user/hive/project/data1

• 加载的目标可以是一个表或者分区。如果表包含分区，必须指定每一个分区的分区名。

• filepath 可以引用一个文件(这种情况下，Hive 会将文件移动到表所对应的目录中)或者是一个目录(在这种情况下，Hive 会将目录中的所有

文件移动至表所对应的目录中)。

• 如果指定了 LOCAL，那么： o load 命令会去查找本地文件系统中的 filepath。如果发现是相对

路径，则路径会被解释为相对于当前用户的当前路径。用户也可以

为本地文件指定一个完整的 URI，比如：

file:///user/hive/project/data1.

o load 命令会将 filepath 中的文件复制到目标文件系统中。目标文件系统由表的位置属性决定。被复制的数据文件移动到表的数据

对应的位置。

• 如果没有指定 LOCAL 关键字，如果 filepath 指向的是一个完整的 URI，hive 会直接使用这个 URI。 否则：

o 如果没有指定 schema 或者 authority，Hive 会使用在 hadoop 配置文件中定义的 schema 和 authority，fs.default.name 指定

了 Namenode 的 URI。

o 如果路径不是绝对的，Hive 相对于 /user/ 进行解释。 o Hive 会将 filepath 中指定的文件内容移动到 table (或者

partition)所指定的路径中。

• 如果使用了 OVERWRITE 关键字，则目标表(或者分区)中的内容(如果有)会被删除，然后再将 filepath 指向的文件/目录中的内容添加到表/

分区中。

• 如果目标表(分区)已经有一个文件，并且文件名和 filepath 中的文件名冲突，那么现有的文件会被新文件所替代。

从本地导入数据到表格并追加原表

LOAD DATA LOCAL INPATH `/tmp/pv_2008-06-08_us.txt` INTO TABLE c02

PARTITION(date='2008-06-08', country='US')

从本地导入数据到表格并追加记录

LOAD DATA LOCAL INPATH './examples/files/kv1.txt' INTO TABLE pokes;

从 hdfs 导入数据到表格并覆盖原表

LOAD DATA INPATH

'/user/admin/SqlldrDat/CnClickstat/20101101/18/clickstat_gp_fatdt0/0'

INTO table c02_clickstat_fatdt1 OVERWRITE PARTITION (dt='20101201');

关于来源的文本数据的字段间隔符

如果要将自定义间隔符的文件读入一个表，需要通过创建表的语句来指明输入文件间隔符，

然后 load data 到这个表就 ok 了。

2.6 Insert

2.6.1 Inserting data into Hive Tables from queries

Insert 时，from 子句既可以放在 select 子句后，也可以放在 insert 子句前，下面两句是

等价的

hive> FROM invites a INSERT OVERWRITE TABLE events SELECT a.bar,

count(*) WHERE a.foo > 0 GROUP BY a.bar;

hive> INSERT OVERWRITE TABLE events SELECT a.bar, count(*) FROM invites

a WHERE a.foo > 0 GROUP BY a.bar;

hive 没 有 直 接 插 入 一 条 数 据 的 sql ， 不 过 可 以 通 过 其 他 方 法 实 现 ： 假设有一张表 B 至少有一条数据，我们想向表 A(int，string)中插入一条数据，可以用下面 的 方 法 实 现 ： from B insert table A select 1，'abc' limit 1； 我觉得 hive 好像不能够插入一个记录，因为每次你写 insert 语句的时候都是要将整个表的值overwrite。我想这个应该是与 hive 的 storage layer 是有关系的，因为它的存储层是 HDFS，插入一个数据要全表扫描，还不如用整个表的替换来的快些。

mysql 也可以从一个表中查询数据插入到另一个表中，也可以一条数据的插入

Hive 不支持一条一条的用 insert 语句进行插入操作，也不支持 update 的操作。数据是以 load的方式，加载到建立好的表中。数据一旦导入，则不可修改。要么 drop 掉整个表，要么建立新的表，导入新的数据。