• hive基础知识二


    1. Hive的分区表

    1.1 hive的分区表的概念

    在文件系统上建立文件夹,把表的数据放在不同文件夹下面,加快查询速度。

     

    1.2 hive分区表的构建

    • 创建一个分区字段的分区表

    hive> create table student_partition1(
        id int, 
        name string, 
        age int)
        partitioned by (dt string)
        row format delimited fields terminated by '	';   
    • 创建二级分区表

    hive> create table student_partition2(
        id int, 
        name string, 
        age int)
        partitioned by (month string, day string)
        row format delimited fields terminated by '	'; 

    2、Hive修改表结构 

    2.1 修改表的名称

    hive> alter table student_partition1 rename to student_partition3;

    2.2 表的结构信息

    hive> desc student_partition3;
    hive> desc formatted  student_partition3;

    2.3 增加/修改/替换列信息

    • 增加列

    hive> alter table student_partition3 add columns(address string);
    • 修改列

    hive> alter table student_partition3 change column address address_id int;
    • 替换列

    hive> alter table student_partition3 replace columns(deptno string, dname string, loc string);
     #表示替换表中所有的字段

    2.4 增加/删除/查看分区

    • 添加分区

    //添加单个分区
    hive> alter table student_partition1 add partition(dt='20170601') ;
    //添加多个分区
    hive> alter table student_partition1 add partition(dt='20190818') partition(dt='20190819'); 

    • 删除分区

    hive> alter table student_partition1 drop partition (dt='20170601');
    hive> alter table student_partition1 drop partition (dt='20170602'),partition (dt='20170603');
    • 查看分区

    hive> show partitions student_partition1;

    3. Hive数据导入

    3.1 向表中加载数据(load)

    • 语法

    hive> load data [local] inpath 'dataPath' 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表;否则从HDFS加载数据到hive表

    ​   inpath: 表示加载数据的路径

    ​   overwrite: 表示覆盖表中已有数据,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

      说明:load data ...本质,就是将dataPath文件上传到hdfs的 ‘/user/hive/warehouse/tablename’ 下。

      实质:hdfs dfs -put /opt/student1.txt /user/hive/warehouse/student1

    例如:
    --普通表:
    load data local inpath '/opt/bigdata/data/person.txt' into table person
    --分区表:
    load data local inpath '/opt/bigdata/data/person.txt' into table student_partition1 partition(dt="20190505")
    --查询表:
    select * from student_partition1 where dt='20190818';
    --实操案例:
    实现创建一张表,然后把本地的数据文件上传到hdfs上,最后把数据文件加载到hive表中

    3.2 通过查询语句向表中插入数据(insert)

    • 从指定的表中查询数据结果数据然后插入到目标表中

      • 语法

    insert into/overwrite table  tableName  select xxxx from tableName
    insert into table student_partition1 partition(dt="2019-07-08") select * from student1;

    3.3 查询语句中创建表并加载数据(as select)

    • 在查询语句时先创建表,然后进行数据加载

      • 语法

    create table if not exists tableName as select id, name from tableName;

    3.4 创建表时通过location指定加载数据路径

    • 创建表,并指定在hdfs上的位置

    create table if not exists student1(
    id int, 
    name string)
    row format delimited fields terminated by '	'
    location '/user/hive/warehouse/student1';
    • 上传数据文件到hdfs上对应的目录中

    hdfs dfs -put /opt/student1.txt /user/hive/warehouse/student1

    3.5 Import数据到指定Hive表中

      注意:先用export导出后,再将数据导入。

    create table student2 like student1;
    export table student1  to   '/export/student1';
    import table student2  from '/export/student1';

    4、Hive数据导出(15分钟)

    4.1 insert 导出

    • 1、将查询的结果导出到本地

    insert overwrite local directory '/opt/bigdata/export/student' select * from student;
    默认分隔符'01'
    • 2、将查询的结果格式化导出到本地

    insert overwrite local directory '/opt/bigdata/export/student'
               row format delimited fields terminated by  ','
               select * from student;
    • 3、将查询的结果导出到HDFS上(没有local)

    insert overwrite  directory '/export/student'
               row format delimited fields terminated by  ',' 
               select * from student;

    4.2 Hadoop命令导出到本地

    hdfs dfs -get /user/hive/warehouse/student/student.txt /opt/bigdata/data

    4.3 Hive Shell 命令导出

    • 基本语法:

      • hive -e "sql语句" > file

      • hive -f sql文件 > file

      bin/hive -e 'select * from default.student;' > /opt/bigdata/data/student1.txt

    4.4 export导出到HDFS上

    export table default.student to '/user/hive/warehouse/export/student1';

    5、hive的静态分区和动态分区

    5.1 静态分区

    • 表的分区字段的值需要开发人员手动给定

      • 1、创建分区表

      create table order_partition(
      order_number string,
      order_price  double,
      order_time string
      )
      partitioned BY(month string)
      row format delimited fields terminated by '	';
      • 2、准备数据 order_created.txt内容如下

      10001 100 2019-03-02
      10002 200 2019-03-02
      10003 300 2019-03-02
      10004 400 2019-03-03
      10005 500 2019-03-03
      10006 600 2019-03-03
      10007 700 2019-03-04
      10008 800 2019-03-04
      10009 900 2019-03-04
    • 3、加载数据到分区表

    load data local inpath '/opt/bigdata/data/order_created.txt' overwrite into table order_partition partition(month='2019-03');
    • 4、查询结果数据

      select * from order_partition where month='2019-03';
      结果为:
      10001   100.0   2019-03-02      2019-03
      10002   200.0   2019-03-02      2019-03
      10003   300.0   2019-03-02      2019-03
      10004   400.0   2019-03-03      2019-03
      10005   500.0   2019-03-03      2019-03
      10006   600.0   2019-03-03      2019-03
      10007   700.0   2019-03-04      2019-03
      10008   800.0   2019-03-04      2019-03
      10009   900.0   2019-03-04      2019-03

    5.2 动态分区

    • 按照需求实现把数据自动导入到表的不同分区中,不需要手动指定

      • 需求:按照不同部门作为分区导数据到目标表

        • 1、创建表

        --创建普通表
        create table t_order(
            order_number string,
            order_price  double, 
            order_time   string
        )row format delimited fields terminated by '	';
        ​
        --创建目标分区表
        create table order_dynamic_partition(
            order_number string,
            order_price  double    
        )partitioned BY(order_time string)
        row format delimited fields terminated by '	';
        • 2、准备数据 order_created.txt内容如下

        10001   100 2019-03-02 
        10002   200 2019-03-02
        10003   300 2019-03-02
        10004   400 2019-03-03
        10005   500 2019-03-03
        10006   600 2019-03-03
        10007   700 2019-03-04
        10008   800 2019-03-04
        10009   900 2019-03-04
        • 3、向普通表t_order加载数据

        load data local inpath '/opt/bigdata/data/order_created.txt' overwrite into table t_order;
        • 4、动态加载数据到分区表中

        ---要想进行动态分区,需要设置参数
        hive> set hive.exec.dynamic.partition=true; //使用动态分区
        hive> set hive.exec.dynamic.partition.mode=nonstrict; //非严格模式
         
            insert into table order_dynamic_partition partition(order_time) select order_number,order_price,order_time from t_order;
            
        --注意字段查询的顺序,分区字段放在最后面。否则数据会有问题。
        • 5、查看分区

        show partitions order_dynamic_partition;

     

    6、分桶

    hive的分桶表

    • 分桶是相对分区进行更细粒度的划分。

    • 分桶将整个数据内容安装某列属性值取hash值进行区分,具有相同hash值的数据进入到同一个文件中

      • 比如按照name属性分为4个桶,就是对name属性值的hash值对4取摸,按照取模结果对数据分桶。

        • 取模结果为0的数据记录存放到一个文件

        • 取模结果为1的数据记录存放到一个文件

        • 取模结果为2的数据记录存放到一个文件

        • 取模结果为3的数据记录存放到一个文件

    • 作用

      • 1、取样sampling更高效。没有分区的话需要扫描整个数据集。

      • 2、提升某些查询操作效率,例如map side join

    • 案例演示

      • 1、创建分桶表

        • 在创建分桶表之前要执行命名

          • set hive.enforce.bucketing=true;开启对分桶表的支持

          • set mapreduce.job.reduces=4; 设置与桶相同的reduce个数(默认只有一个reduce)

        --分桶表
        create table user_buckets_demo(id int, name string)
        clustered by(id) 
        into 4 buckets 
        row format delimited fields terminated by '	';
        ​
        --普通表
        create table user_demo(id int, name string)
        row format delimited fields terminated by '	';
      • 2、准备数据文件 buckets.txt

        1    laowang1
        2    laowang2
        3    laowang3
        4    laowang4
        5    laowang5
        6    laowang6
        7    laowang7
        8    laowang8
        9    laowang9
        10    laowang10
      • 3、加载数据到普通表 user_demo 中

      load data local inpath '/opt/bigdata/data/buckets.txt' into table user_demo;
      • 4、加载数据到桶表user_buckets_demo中

      insert into table user_buckets_demo select * from user_demo;
    • 5、hdfs上查看表的数据目录

     

    • 6、抽样查询桶表的数据

      • tablesample抽样语句,语法:tablesample(bucket x out of y)

        • x表示从第几个桶开始取数据

        • y表示桶数的倍数,一共需要从 桶数/y 个桶中取数据

    select * from user_buckets_demo tablesample(bucket 1 out of 2)
    ​
    -- 需要的总桶数=4/2=2个
    -- 先从第1个桶中取出数据
    -- 再从第1+2=3个桶中取出数据
    
    
  • 相关阅读:
    不用第三个变量互换两变量的值的两种方法。
    struts2截取字符串
    js控制表格单双行颜色交替显示
    Shell字符串
    Shell数组:shell数组的定义、数组长度
    Shell注释
    Shell运算符:Shell算数运算符、关系运算符、布尔运算符、字符串运算符等
    Shell替换:Shell变量替换,命令替换,转义字符
    Shell特殊变量:Shell $0, $#, $*, $@, $?, $$和命令行参数
    Shell变量:Shell变量的定义、删除变量、只读变量、变量类型
  • 原文地址:https://www.cnblogs.com/lojun/p/11376476.html
Copyright © 2020-2023  润新知