Hive四大表类型内部表、外部表、分区表和桶表
一、概述
总体上Hive有四种表:外部表,内部表(管理表),分区表,桶表。分别对应不同的需求。下面主要讲解各种表的适用情形、创建和加载数据方法。
二、具体内容
1.内部表
创建内部表和加载数据
-
create table emp_inner(
-
empno int,
-
ename string,
-
job string,
-
mgr int,
-
hiredate string,
-
sal double,
-
comm double,
-
deptno int
-
)
-
row format delimited fields terminated by ‘\t‘
-
LOCATION ‘/user/hive/warehouse/hadoop.db/emp‘;
2.外部表
(1)适用情形:
当一份日志需要多个小组一起分析,分析完了之后创建的表就可以删除了。但是普通的表删除的同时也会把数据删除,这样就会影响到其他小组的分析,而且日志数据也不能随便删除。所以,需要外部表,删除外部表,不会删除对应的hdfs上的数据。
(2)创建外部表
-
create EXTERNAL table dept_ext(
-
deptno int,
-
dname string,
-
loc string
-
)
-
row format delimited fields terminated by ‘\t‘ ;
-
load data local inpath ‘/opt/datas/dept.txt‘ into table dept_ext;
(3)对比外部表和内部表区别
删除外部表,数据不会有任何改变,只是mysql中的元数据被修改,但是删除内部表(管理表),数据就会被删除。
总结:hive内部表和外部表的区别
1)创建表时: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。
2)删除表时: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。这样外部表相对来说更加安全些,数据组织也更加灵活,方便共享源数据
3、临时表
(1)适用情形
临时分析,在关闭hive客户端后,临时表就会消失。主要用于存储不重要中间结果集,不重要的表。
(2)创建临时表并加载数据
-
create TEMPORARY table dept_tmp(
-
deptno int,
-
dname string,
-
loc string
-
)
-
row format delimited fields terminated by ‘\t‘;
-
load data local inpath ‘/opt/datas/dept.txt‘ into table dept_tmp;
(3)查看location信息
-
desc formatted dept_tmp;
-
Location: hdfs://172.19.199.187:8020/tmp/hive/hadoop/68174383-f427-4629-9707-0ab1c9b07726/_tmp_space.db/d872efec-1294-48b0-9071-31cf98d46400
-
Table Type: MANAGED_TABLE
4、分区表【***】
(1)适用情形
普通的表:select * from logs where date = ‘20171209‘,执行流程:对全表的数据进行查询,然后才过滤操作。
分区表:select * from logs where date = ‘20171209‘,执行流程:直接加载对应文件路径下的数据。适用于大数据量,可以通过分区快速定位需要查询的数据,分区表的作用主要是提高了查询检索的效率 。
(2)创建一级分区并且加载数据
-
create table emp_part(
-
empno int,
-
ename string,
-
job string,
-
mgr int,
-
hiredate string,
-
sal double,
-
comm double,
-
deptno int
-
)partitioned by (`datetime` string)
-
row format delimited fields terminated by ‘\t‘;
-
load data local inpath ‘/opt/datas/emp.txt‘ into table emp_part partition(`datetime`=‘20171209‘);
-
load data local inpath ‘/opt/datas/emp.txt‘ into table emp_part partition(`datetime`=‘20171208‘);
-
【在hdfs上形成两个文件夹,emp.txt存储在里面】
-
/user/hive/warehouse/hadoop.db/emp_part/datetime=20171208
-
/user/hive/warehouse/hadoop.db/emp_part/datetime=20171209
-
查询结果:
-
select * from emp_part where `datetime` = ‘20171209‘;
(3)创建二级分区并且加载数据
-
create table emp_part2(
-
empno int,
-
ename string,
-
job string,
-
mgr int,
-
hiredate string,
-
sal double,
-
comm double,
-
deptno int
-
)partitioned by (`datetime` string,hour string)
-
row format delimited fields terminated by ‘\t‘;
-
load data local inpath ‘/opt/datas/emp.txt‘ into table emp_part2 partition(`datetime`=‘20171209‘,hour=‘01‘);
-
load data local inpath ‘/opt/datas/emp.txt‘ into table emp_part2 partition(`datetime`=‘20171209‘,hour=‘02‘);
-
【在hdfs上,形成目录】
-
/user/hive/warehouse/hadoop.db/emp_part2/datetime=20171209/hour=01
-
/user/hive/warehouse/hadoop.db/emp_part2/datetime=20171209/hour=02
查询结果:
-
-》select * from emp_part2 where `datetime` = ‘20171209‘;
-
查看/user/hive/warehouse/hadoop.db/emp_part2/datetime=20171209内的所有数据(即两倍的emp.txt数据)
-
-》select * from emp_part2 where `datetime` = ‘20171209‘ and hour = ‘01‘;
-
查看/user/hive/warehouse/hadoop.db/emp_part2/datetime=20171209/hour=01内的所有数据(即emp.txt数据)
(4)创建外部分区表(删除的时候,只是元数据删除,数据是不会删除的)
-
create EXTERNAL table emp_test(
-
empno int,
-
ename string,
-
job string,
-
mgr int,
-
hiredate string,
-
sal double,
-
comm double,
-
deptno int
-
)
-
PARTITIONED BY(date string,hour string)
-
row format delimited fields terminated by ‘\t‘;
(5)加载分区表数据方法
(a)直接通过load命令(指定partition),加载数据到表的某个分区中,select是可以查询到的。
load data local inpath ‘/opt/datas/emp.txt‘ into table emp_part2 partition(`datetime`=‘20171209‘,hour=‘01‘);
(b)手动创建目录/user/hive/warehouse/hadoop.db/emp_part2/datetime=20171209/hour=03,然后put上数据,表select查询是查询不到的。然后,使用alter将路径添加到原数据库mysql数据库中。
alter table emp_part2 add partition(`datetime`=‘20171209‘,hour=‘03‘);
5、桶表
(1)使用情形
数据有严重的数据倾斜,分布不均匀,但是相对来说每个桶中的数据量会比较平均。桶于桶之间做join等查询的时候,会有优化。
(2)创建并使用
首先,
set hive.enforce.bucketing = true;
然后,
-
create table emp_bu(
-
empno int,
-
ename string,
-
job string,
-
mgr int,
-
hiredate string,
-
sal double,
-
comm double,
-
deptno int
-
)CLUSTERED BY(deptno) INTO 4 BUCKETS
-
row format delimited fields terminated by ‘\t‘;
最后加载数据,使用insert
insert overwrite table emp_bu_2 select * from emp;也可以指定分区写入 insert overwrite
原文地址:https://www.cnblogs.com/Mr--zhao/p/11454582.html