Hive语法及其进阶(一)
1、Hive完整建表
1 CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name(
2 [(col_name data_type [COMMENT col_comment], ...)]
3 )
4 [COMMENT table_comment]
5 [PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)]
6 [CLUSTERED BY (col_name, col_name, ...)
7 [SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS]
8 [
9 [ROW FORMAT row_format]
10 [STORED AS file_format]
11 | STORED BY 'storage.handler.class.name' [ WITH SERDEPROPERTIES (...) ] (Note: only available starting with 0.6.0)
12 ]
13 [LOCATION hdfs_path]
14 [TBLPROPERTIES (property_name=property_value, ...)] (Note: only available starting with 0.6.0)
15 [AS select_statement] (Note: this feature is only available starting with 0.5.0.)
注意:
[]:表示可选
EXTERNAL:外部表
(col_name data_type [COMMENT col_comment],...:定义字段名，字段类型
COMMENT col_comment:给字段加上注释
COMMENT table_comment:给表加上注释
PARTITIONED BY (col_name data_type [COMMENT col_comment],...):分区 分区字段注释
CLUSTERED BY (col_name, col_name,...):分桶
SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS:设置排序字段 升序、降序
ROW FORMAT row_format:指定设置行、列分隔符(默认行分隔符为\n)
STORED AS file_format:指定Hive储存格式：textFile、rcFile、SequenceFile 默认为：textFile
LOCATION hdfs_path:指定储存位置(默认位置在hive.warehouse目录下)
TBLPROPERTIES (property_name=property_value, ...):跟外部表配合使用，比如：映射HBase表，然后可以使用HQL对hbase数据进行查询，当然速度比较慢
AS select_statement:从别的表中加载数据 select_statement=sql语句
2、使用默认方式建表
1 create table students01
2 (
3 id bigint,
4 name string,
5 age int,
6 gender string,
7 clazz string
8 )
9 ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
注意:
分割符不指定,默认不分割
通常指定列分隔符,如果字段只有一列可以不指定分割符：
ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
3、建表2：指定location
1 create table students02
2 (
3 id bigint,
4 name string,
5 age int,
6 gender string,
7 clazz string
8 )
9 ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
10 LOCATION 'data';
4、建表3：指定存储格式
1 create table student_rc
2 (
3 id bigint,
4 name string,
5 age int,
6 gender string,
7 clazz string
8 )
9 ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
10 STORED AS rcfile;
注意:
指定储存格式为rcfile，inputFormat:RCFileInputFormat,outputFormat:RCFileOutputFormat，如果不指定，默认为textfile
注意：
除textfile以外，其他的存储格式的数据都不能直接加载，需要使用从表加载的方式。
5、建表4：从其他表中加载数据
格式:
create table xxxx as select_statement(SQL语句) (这种方式比较常用)
例子:
create table students4 as select * from students2;
6、建表5：从其他表中获取表结构
格式:
create table xxxx like table_name 只想建表，不需要加载数据
例子：
create table student04 like students;
7.Hive加载数据
1、使用```hadoop dfs -put '本地数据' 'hive表对应的HDFS目录下
2、使用 load data inpath（是对hdfs的文件移动，移动，移动，不是复制）
3、使用load data local inpath（经常使用，从本地文件中上传）
// overwrite 覆盖加载
// 实际上就是hadoop执行了rmr然后put操作
例如：load data local inpath'/usr/local/data/students.txt' overwrite into table student01;
方式1和方式2的区别:
1.上传数据到hdfs目录和hive表没有任何关系(不需要数据格式进行匹配,hive读取数据还是需要数据格式的匹配)
2.上传数据到hive表和hive表有关系(需要数据格式进行匹配)
8. 清空表
truncate table student01;
注意： 清空代表清空数据，不是删除表
11. insert into table xxxx SQL语句 （没有as） 传输给别的格式的hive table
例如：
insert into table student04 select * from student01;
覆盖插入 把into 换成 overwrite
例如：
insert overwrite table student04 select * from student01;
9、Hive 内部表（Managed tables）vs 外部表（External tables）
区别:
内部表删除数据跟着删除
外部表只会删除表结构,数据依然存在
注意:
公司中实际应用场景为外部表,为了避免表意外删除数据也丢失
不能通过路径来判断是目录还是hive表(是内部表还是外部表)
建表：
1 内部表
2 create table students_managed01
3 (
4 id bigint,
5 name string,
6 age int,
7 gender string,
8 clazz string
9 )
10 ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
1 //内部表指定location
2 create table students_managed02
3 (
4 id bigint,
5 name string,
6 age int,
7 gender string,
8 clazz string
9 )
10 ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
11 LOCATION '/managed';
1 // 外部表
2 create external table students_external01
3 (
4 id bigint,
5 name string,
6 age int,
7 gender string,
8 clazz string
9 )
10 ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
1 // 外部表指定location
2 create external table students_external02
3 (
4 id bigint,
5 name string,
6 age int,
7 gender string,
8 clazz string
9 )
10 ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
11 LOCATION '/external';
上传数据：
hive> load data local inpath '/usr/local/data/students.txt'into table students_managed01;hive> load data local inpath '/usr/local/data/students.txt'into table students_managed02;
hive> load data local inpath '/usr/local/data/students.txt'into table students_external01;hive> load data local inpath '/usr/local/data/students.txt'into table students_external02;
删除数据：
hive> drop table students_managed01;
hive> drop table students_managed02;
hive> drop table students_external01;
hive> drop table students_external02;
外部表与内部表总结：
可以看出，删除内部表的时候，表中的数据（HDFS上的文件）会被同表的元数据一起删除
删除外部表的时候，只会删除表的元数据，不会删除表中的数据（HDFS上的文件）
一般在公司中，使用外部表多一点，因为数据可以需要被多个程序使用，避免误删，通常外部表会结合location一起使用
外部表还可以将其他数据源中的数据 映射到 hive中，比如说：hbase，ElasticSearch......
设计外部表的初衷就是 让 表的元数据 与 数据 解耦
10、Hive建立单级分区表
1.创建单级分区
1 create table students_pt
2 (
3 id bigint,
4 name string,
5 age int,
6 gender string,
7 clazz string
8 )
9 PARTITIONED BY(month string)
10 ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
2.加载数据
load data local inpath '/usr/local/data/students.txt' into table students_pt partition(month='2021-09-26');
3.分区查询
单分区查询
select * from students_pt where month='2021-09-26';
多分区查询
select * from students_pt where month='2021-09-26'or month='2021-09-24';
4.增加分区
创建单个分区
alter table students_pt add partition(month='2021-09-25');
创建多个分区
alter table students_pt add partition(month='2021-09-23') partition(month='2021-09-24');（注意中间没有逗号分割）
5.删除分区
删除单个分区
alter table students_pt drop partition(month='2021-09-23');
删除多个分区
alter table students_pt drop partition(month='2021-09-24'),partition(month='2021-09-25'); （注意中间有逗号分割）
6.查看分区表分区
show partitions students_pt;
7.查看分区表结构
desc formatted students_pt;
11、Hive建立多级分区表
1.创建二级分区表
1 hive> create table score_pt(
2 > id int,
3 > subjectid int,
4 > score int)
5 > partitioned by (month string,day string)
6 > row format delimited fields terminated by ',';
2.上传数据
1 load data local inpath '/usr/local/data/score.txt' into table score_pt partition(month='2021-09',day='01')
3.加载数据
1 select * from score_pt where month='2021-09' and day='01';
4.添加二级分区
1 hive> alter table score_pt add partition(month='2021-09',day=02);
1 alter table score_pt add partition(month='2021-09',day=03) partition(month='2021-09',day=04);
注意：没有逗号，和添加单级分区一样
5.删除二级分区
1 alter table score_pt drop partition(month='2021-09',day=02);
1 alter table score_pt drop partition(month='2021-09',day=03),partition(month='2021-09',day=04);
注意：有逗号，和删除单级分区一样
12.动态分区
> 有的时候我们原始表中的数据里面包含了 ''日期字段 dt''，我们需要根据dt中不同的日期，分为不同的分区，将原始表改造成分区表。
>
> hive默认不开启动态分区
>
> 动态分区：根据数据中某几列的不同的取值 划分 不同的分区
##### 开启Hive的动态分区支持
```
# 表示开启动态分区
hive> set hive.exec.dynamic.partition=true;
# 表示动态分区模式：strict（需要配合静态分区一起使用）、nostrict
# strict： insert into table students_pt partition(dt='anhui',pt) select ......,pt from students;
hive> set hive.exec.dynamic.partition.mode=nostrict;
# 表示支持的最大的分区数量为1000，可以根据业务自己调整
hive> set hive.exec.max.dynamic.partitions.pernode=1000;
#### 使用动态分区插入数据
1.创建表
存储数据
1 create table students_dt
2 (
3 id bigint,
4 name string,
5 age int,
6 gender string,
7 clazz string,
8 dt string
9 )
10 ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
1 create table students_dt_p
2 (
3 id bigint,
4 name string,
5 age int,
6 gender string,
7 clazz string
8 )
9 PARTITIONED BY(dt string)
10 ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
2.插入数据（只能用这一种方式）
// 分区字段需要放在 select 的最后，如果有多个分区字段 同理，它是按位置匹配，不是按名字匹配
insert into table students_dt_p partition(dt) select id,name,age,gender,clazz,dt from students_dt;
上单讲分区：https://developer.aliyun.com/article/81775
#### Hive分桶
> 分桶实际上是对文件（数据）的进一步切分
>
> Hive默认关闭分桶
>
> 作用：在往分桶表中插入数据的时候，会根据 clustered by 指定的字段 进行hash分区 对指定的buckets个数 进行取余，进而可以将数据分割成buckets个数个文件，以达到数据均匀分布，可以解决Map端的“数据倾斜”问题，方便我们取抽样数据，提高Map join效率
>
> 分桶字段 需要根据业务进行设定
##### 开启分桶开关
```
hive> set hive.enforce.bucketing=true;
```
##### 建立分桶表
create table students_buks
(
id bigint,
name string,
age int,
gender string,
clazz string
)
CLUSTERED BY (clazz) into 12 BUCKETS
ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
```
##### 往分桶表中插入数据
```
// 直接使用load data 并不能将数据打散
load data local inpath '/usr/local/soft/data/students.txt' into table students_buks;
// 需要使用下面这种方式插入数据，才能使分桶表真正发挥作用
insert into students_buks select * from students;
