大数据Hive学习之旅第二篇

499 阅读10分钟

「这是我参与11月更文挑战的第21天,活动详情查看:2021最后一次更文挑战」。

一、Hive 数据类型

1、基本数据类型

image.png

对于 Hive 的 String 类型相当于数据库的 varchar 类型,该类型是一个可变的字符串,不过它不能声明其中最多能存储多少个字符,理论上它可以存储 2GB 的字符数。

2、集合数据类型

image.png

Hive 有三种复杂数据类型 ARRAY、MAP 和 STRUCT。ARRAY 和 MAP 与 Java 中的 Array和 Map 类似,而 STRUCT 与 C 语言中的 Struct 类似,它封装了一个命名字段集合,复杂数据类型允许任意层次的嵌套。

实操案例:

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"
  ],
  "children": {
    "xiao song": 18,
    "xiaoxiao song": 19
  },
  "address": {
    "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

注意:MAP,STRUCT 和 ARRAY 里的元素间关系都可以用同一个字符表示,这里用"_"。

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

4)导入文本数据到测试表

load data local inpath '/opt/module/hive-3.1.2/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

hive (default)> select friends[1],children['xiao song'],address.city from test where name="songsong";
OK
_c0 _c1 city
lili 18 beijing
Time taken: 0.076 seconds, Fetched: 1 row(s)

3、类型转化

Hive 的原子数据类型是可以进行隐式转换的,类似于 Java 的类型转换,例如某表达式使用 INT 类型,TINYINT 会自动转换为 INT 类型,但是 Hive 不会进行反向转化,例如,某表达式使用 TINYINT 类型,INT 不会自动转换为 TINYINT 类型,它会返回错误,除非使用 CAST操作。

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)TINYINT、SMALLINT、INT 都可以转换为 FLOAT。

(4)BOOLEAN 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。

二、DDL 数据定义

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, ...)];
  • 创建一个数据库,数据库在 HDFS 上的默认存储路径是/user/hive/warehouse/*.db。

    hive (default)> create database db_hive;
    
  • 避免要创建的数据库已经存在错误,增加 if not exists 判断。(标准写法)

    hive (default)> create database db_hive;
    FAILED: Execution Error, return code 1 from 
    org.apache.hadoop.hive.ql.exec.DDLTask. Database db_hive already exists
    hive (default)> create database if not exists db_hive;
    
  • 创建一个数据库,指定数据库在 HDFS 上存放的位置

    hive (default)> create database db_hive2 location '/db_hive2.db';
    

2、查询数据库

2.1、显示数据库

  • 显示数据库

    hive (default)> show databases;
    
  • 过滤显示查询的数据库

    hive> show databases like 'db_hive*';
    

2.2、查看数据库详情

  • 显示数据库信息

    hive (default)> desc database db_hive;
    db_name	comment	location	owner_name	owner_type	parameters
    db_hive		hdfs://hadoop102:8020/user/hive/warehouse/db_hive.db	moe	USER
    
  • 显示数据库详细信息,extended

    hive (default)> desc database extended db_hive;
    

2.3、切换当前数据库

hive (default)> use db_hive;

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。

hive (default)> alter database db_hive set dbproperties('createtime'='20211120');

在 hive 中查看修改结果

hive (default)> desc database extended db_hive;
db_name	comment	location	owner_name	owner_type	parameters
db_hive		hdfs://hadoop102:8020/user/hive/warehouse/db_hive.db	moe	USER	{createtime=20211120}

4、删除数据库

  • 删除空数据库

    hive (default)> drop database db_hive;
    
  • 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> drop database db_hive;
    FAILED: SemanticException [Error 10072]: Database does not exist: db_hive
    hive> drop database if exists db_hive2;
    
  • 如果数据库不为空,可以采用 cascade 命令,强制删除

    hive> drop database db_hive;
    FAILED: Execution Error, return code 1 from 
    org.apache.hadoop.hive.ql.exec.DDLTask. 
    InvalidOperationException(message:Database db_hive is not empty. One or more tables exist.)
    hive> drop database db_hive cascade;
    

5、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]
[TBLPROPERTIES (property_name=property_value, ...)]
[AS select_statement]

字段解释说明

(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: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。

5.1、管理表

  • 理论

    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(/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。

  • 案例实操

    • 原始数据

      1001	ss1
      1002	ss2
      1003	ss3
      1004	ss4
      1005	ss5
      1006	ss6
      1007	ss7
      1008	ss8
      1009	ss9
      1010	ss10
      1011	ss11
      1012	ss12
      1013	ss13
      1014	ss14
      1015	ss15
      1016	ss16
      
    • 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';
      
    • 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;
      
    • 根据已经存在的表结构创建表

      create table if not exists student3 like student;
      
    • 查询表的类型

      hive (default)> desc formatted student2;
      Table Type: MANAGED_TABLE
      

5.2、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。

  • 管理表和外部表的使用场景

    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。

  • 案例实操

    分别创建部门和员工外部表,并向表中导入数据。

    • 原始数据

      dept:

      10	ACCOUNTING	1700
      20	RESEARCH	1800
      30	SALES	1900
      40	OPERATIONS	1700
      

      emp:

      7369	SMITH	CLERK	7902	1980-12-17	800.00		20
      7499	ALLEN	SALESMAN	7698	1981-2-20	1600.00	300.00	30
      7521	WARD	SALESMAN	7698	1981-2-22	1250.00	500.00	30
      7566	JONES	MANAGER	7839	1981-4-2	2975.00		20
      7654	MARTIN	SALESMAN	7698	1981-9-28	1250.00	1400.00	30
      7698	BLAKE	MANAGER	7839	1981-5-1	2850.00		30
      7782	CLARK	MANAGER	7839	1981-6-9	2450.00		10
      7788	SCOTT	ANALYST	7566	1987-4-19	3000.00		20
      7839	KING	PRESIDENT		1981-11-17	5000.00		10
      7844	TURNER	SALESMAN	7698	1981-9-8	1500.00	0.00	30
      7876	ADAMS	CLERK	7788	1987-5-23	1100.00		20
      7900	JAMES	CLERK	7698	1981-12-3	950.00		30
      7902	FORD	ANALYST	7566	1981-12-3	3000.00		20
      7934	MILLER	CLERK	7782	1982-1-23	1300.00		10
      
    • 上传数据到 HDFS

    • 建表语句,创建外部表

      创建部门表

      create external table if not exists dept(
      deptno int,
      dname string,
      loc int
      )
      row format delimited fields terminated by '\t';
      

      创建员工表

      create external table if not exists emp(
      empno int,
      ename string,
      job string,
      mgr int,
      hiredate string,
      sal double,
      comm double,
      deptno int)
      row format delimited fields terminated by '\t';
      
    • 查看创建的表

      hive (default)>show tables;
      
    • 查看表格式化数据

      hive (default)> desc formatted dept;
      Table Type: EXTERNAL_TABLE
      
    • 删除外部表

      hive (default)> drop table dept;
      

      外部表删除后,hdfs 中的数据还在,但是 metadata 中 dept 的元数据已被删除

5.3、管理表与外部表的相互转换

  • 查询表的类型

    hive (default)> desc formatted student2;
    Table Type: MANAGED_TABLE
    
  • 修改内部表 student2 为外部表

    alter table student2 set tblproperties('EXTERNAL'='TRUE');
    
  • 查询表的类型

    hive (default)> desc formatted student2;
    Table Type: EXTERNAL_TABLE
    
  • 修改外部表 student2 为内部表

    alter table student2 set tblproperties('EXTERNAL'='FALSE');
    
  • 查询表的类型

    hive (default)> desc formatted student2;
    Table Type: MANAGED_TABLE
    

注意:('EXTERNAL'='TRUE')和('EXTERNAL'='FALSE')为固定写法,区分大小写!

6、修改表

6.1、重命名表

  • 语法

    ALTER TABLE table_name RENAME TO new_table_name
    
  • 实操案例

    hive (default)> alter table dept1 rename to dept2;
    

6.2、增加、修改和删除表分区

  • 语法

    • 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。

  • 实操案例

    • 查询表结构

      hive> desc dept;
      
    • 添加列

      hive (default)> alter table dept add columns(deptdesc string);
      
    • 查询表结构

      hive> desc dept;
      
    • 更新列

      hive (default)> alter table dept change column deptdesc desc string;
      
    • 查询表结构

      hive> desc dept;
      
    • 替换列

      hive (default)> alter table dept replace columns(deptno string, dname string, loc string);
      
    • 查询表结构

      hive> desc dept;
      

6.3、增加/修改/替换列信息

7、删除表

hive (default)> drop table dept;

三、友情链接

大数据Hive学习之旅第一篇