hive学习笔记之三：内部表和外部表

欢迎访问我的GitHub

https://github.com/zq2599/blog_demos

内容：所有原创文章分类汇总及配套源码，涉及Java、Docker、Kubernetes、DevOPS等；

《hive学习笔记》系列导航

1. 基本数据类型
2. 复杂数据类型
3. 内部表和外部表
4. 分区表
5. 分桶
6. HiveQL基础
7. 内置函数
8. Sqoop
9. 基础UDF
10. 用户自定义聚合函数(UDAF)
11. UDTF

本篇概览

• 本文是《hive学习笔记》系列的第三篇，要学习的是各种类型的表及其特点，主要内容如下：

1. 建库
2. 内部表(也叫管理表或临时表)
3. 外部表
4. 表的操作
   接下来从最基本的建库开始

建库

1. 创建名为test的数据库(仅当不存在时才创建)，添加备注信息test database：

create database if not exists test 
comment 'this is a database for test';

2. 查看数据库列表（名称模糊匹配）：

hive> show databases like 't*';
OK
test
test001
Time taken: 0.016 seconds, Fetched: 2 row(s)

3. describe database命令查看此数据库信息：

hive> describe database test;
OK
test	this is a database for test	hdfs://node0:8020/user/hive/warehouse/test.db	hadoop	USER	
Time taken: 0.035 seconds, Fetched: 1 row(s)

4. 上述命令可见，test数据库在hdfs上的存储位置是hdfs://node0:8020/user/hive/warehouse/test.db，打开hadoop的web页面，查看hdfs目录，如下图，该路径的文件夹已经创建，并且是以.db结尾的：

5. 新建数据库的文件夹都在/user/hive/warehouse下面，这是在中配置的，如下图红框：

6. 删除数据库，加上if exists，当数据库不存在时，执行该语句不会返回Error：

hive> drop database if exists test;
OK
Time taken: 0.193 seconds

以上就是常用的库相关操作，接下来实践表相关操作；

内部表

1. 按照表数据的生命周期，可以将表分为内部表和外部表两类；
2. 内部表也叫管理表或临时表，该类型表的生命周期时由hive控制的，默认情况下数据都存放在/user/hive/warehouse/下面；
3. 删除表时数据会被删除；
4. 以下命令创建的就是内部表，可见前面两篇文章中创建的表都是内部表：

create table t6(id int, name string)
row format delimited 
fields terminated by ',';

5. 向t6表新增一条记录：

insert into t6 values (101, 'a101');

6. 使用hadoop命令查看hdfs，可见t6表有对应的文件夹，里面的文件保存着该表数据：

[hadoop@node0 bin]$ ./hadoop fs -ls /user/hive/warehouse/t6
Found 1 items
-rwxr-xr-x   3 hadoop supergroup          9 2020-10-31 11:14 /user/hive/warehouse/t6/000000_0

7. 查看这个000000_0文件的内容，如下可见，就是表内的数据：

[hadoop@node0 bin]$ ./hadoop fs -cat /user/hive/warehouse/t6/000000_0
101	a101

8. 执行命令drop table t6;删除t6表，再次查看t6表对应的文件，发现整个文件夹都不存在了：

[hadoop@node0 bin]$ ./hadoop fs -ls /user/hive/warehouse/
Found 5 items
drwxr-xr-x   - hadoop supergroup          0 2020-10-27 20:42 /user/hive/warehouse/t1
drwxr-xr-x   - hadoop supergroup          0 2020-10-29 00:13 /user/hive/warehouse/t2
drwxr-xr-x   - hadoop supergroup          0 2020-10-29 00:14 /user/hive/warehouse/t3
drwxr-xr-x   - hadoop supergroup          0 2020-10-29 13:04 /user/hive/warehouse/t4
drwxr-xr-x   - hadoop supergroup          0 2020-10-29 16:47 /user/hive/warehouse/t5

外部表

1. 创建表的SQL语句中加上external，创建的就是外部表了；
2. 外部表的数据生命周期不受Hive控制；
3. 删除外部表的时候不会删除数据；
4. 外部表的数据，可以同时作为多个外部表的数据源共享使用；
5. 接下来开始实践，下面是建表语句：

create external table t7(id int, name string)
row format delimited 
fields terminated by ','
location '/data/external_t7';

6. 查看hdfs文件，可见目录/data/external_t7/已经创建：

[hadoop@node0 bin]$ ./hadoop fs -ls /data/
Found 1 items
drwxr-xr-x   - hadoop supergroup          0 2020-10-31 12:02 /data/external_t7

7. 新增一条记录：

insert into t7 values (107, 'a107');

8. 在hdfs查看t7表对应的数据文件，可以见到新增的内容：

[hadoop@node0 bin]$ ./hadoop fs -ls /data/external_t7
Found 1 items
-rwxr-xr-x   3 hadoop supergroup          9 2020-10-31 12:06 /data/external_t7/000000_0
[hadoop@node0 bin]$ ./hadoop fs -cat /data/external_t7/000000_0
107,a107

9. 试试多个外部表共享数据的功能，执行以下语句再建个外部表，名为t8，对应的存储目录和t7是同一个：

create external table t8(id_t8 int, name_t8 string)
row format delimited 
fields terminated by ','
location '/data/external_t7';

10. 建好t8表后立即查看数据，发现和t7表一模一样，可见它们已经共享了数据：

hive> select * from t8;
OK
107	a107
Time taken: 0.068 seconds, Fetched: 1 row(s)
hive> select * from t7;
OK
107	a107
Time taken: 0.074 seconds, Fetched: 1 row(s)

11. 接下来删除t7表，再看t8表是否还能查出数据，如下可见，数据没有被删除，可以继续使用：

hive> drop table t7;
OK
Time taken: 1.053 seconds
hive> select * from t8;
OK
107	a107
Time taken: 0.073 seconds, Fetched: 1 row(s)

12. 把t8表也删掉，再去看数据文件，如下所示，依然存在：

[hadoop@node0 bin]$ ./hadoop fs -cat /data/external_t7/000000_0
107,a107

13. 可见外部表的数据不会在删除表的时候被删除，因此，在实际生产业务系统开发中，外部表是我们主要应用的表类型；

表的操作

1. 再次创建t8表：

create table t8(id int, name string)
row format delimited 
fields terminated by ',';

2. 修改表名：

alter table t8 rename to t8_1;

3. 可见修改表名已经生效：

hive> alter table t8 rename to t8_1;
OK
Time taken: 0.473 seconds
hive> show tables;
OK
alltype
t1
t2
t3
t4
t5
t6
t8_1
values__tmp__table__1
values__tmp__table__2
Time taken: 0.029 seconds, Fetched: 10 row(s)

4. 添加字段：

alter table t8_1 add columns(remark string);

查看表结构，可见已经生效：

hive> desc t8_1;
OK
id                  	int                 	                    
name                	string              	                    
remark              	string              	                    
Time taken: 0.217 seconds, Fetched: 3 row(s)

至此，咱们对内部表和外部表已经有了基本了解，接下来的文章学习另一种常见的表类：分区表；

你不孤单，欣宸原创一路相伴

1. Java系列
2. Spring系列
3. Docker系列
4. kubernetes系列
5. 数据库+中间件系列
6. DevOps系列

欢迎关注公众号：程序员欣宸

微信搜索「程序员欣宸」，我是欣宸，期待与您一同畅游Java世界...
https://github.com/zq2599/blog_demos