y

yingzi

V1

2022/04/22阅读:22主题:默认主题

Hive数据类型及实际操作

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 intname 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;

原文链接:

分类:

后端

标签:

大数据

作者介绍

y
yingzi
V1