HIVE的入门
https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL
创建/删除/更改/使用数据库
创建数据库
CREATE (DATABASE|SCHEMA) [IF NOT EXISTS] database_name
[COMMENT database_comment]
[LOCATION hdfs_path]
[WITH DBPROPERTIES (property_name=property_value, ...)];
SCHEMA和DATABASE的用法是可互换的–它们意味着同一件事。在Hive 0.6（HIVE-675）中添加了CREATE DATABASE 。在Hive 0.7（HIVE-1836）中添加了WITH DBPROPERTIES子句。
删除数据库
DROP (DATABASE|SCHEMA) [IF EXISTS] database_name [RESTRICT|CASCADE];
SCHEMA和DATABASE的用法是可互换的–它们意味着同一件事。在Hive 0.6（HIVE-675）中添加了DROP DATABASE 。默认行为是RESTRICT，如果数据库不为空，则DROP DATABASE将失败。要将表也拖放到数据库中，请使用DROP DATABASE ... CASCADE。在Hive 0.8（HIVE-2090）中添加了对RESTRICT和CASCADE的支持。
修改数据库
ALTER (DATABASE|SCHEMA) database_name SET DBPROPERTIES (property_name=property_value, ...); -- (Note: SCHEMA added in Hive 0.14.0)
ALTER (DATABASE|SCHEMA) database_name SET OWNER [USER|ROLE] user_or_role; -- (Note: Hive 0.13.0 and later; SCHEMA added in Hive 0.14.0)
ALTER (DATABASE|SCHEMA) database_name SET LOCATION hdfs_path; -- (Note: Hive 2.2.1, 2.4.0 and later)
SCHEMA和DATABASE的用法是可互换的–它们意味着同一件事。在Hive 0.14（HIVE-6601）中添加了ALTER SCHEMA 。
ALTER DATABASE ... SET LOCATION语句不会将数据库当前目录的内容移动到新指定的位置。它不会更改与指定数据库下任何表/分区关联的位置。它仅更改默认父目录，在该目录中将为此数据库添加新表。此行为类似于更改表目录不会将现有分区移动到其他位置。
关于数据库的其他元数据无法更改。
使用数据库
USE database_name;
USE DEFAULT;
USE为所有后续的HiveQL语句设置当前数据库。要恢复为默认数据库，请使用关键字“ default”代替数据库名称。要检查当前正在使用哪个数据库：（从Hive 0.13.0开始）。SELECT current_database()
USE database_name在Hive 0.6（HIVE-675）中添加。
创建/删除/截断表
建立表格
CREATE [TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS] [db_name.]table_name -- (Note: TEMPORARY available in Hive 0.14.0 and later)
[(col_name data_type [column_constraint_specification] [COMMENT col_comment], ... [constraint_specification])]
[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]
[SKEWED BY (col_name, col_name, ...) -- (Note: Available in Hive 0.10.0 and later)]
ON ((col_value, col_value, ...), (col_value, col_value, ...), ...)
[STORED AS DIRECTORIES]
[
[ROW FORMAT row_format]
[STORED AS file_format]
| STORED BY 'storage.handler.class.name' [WITH SERDEPROPERTIES (...)] -- (Note: Available in Hive 0.6.0 and later)
]
[LOCATION hdfs_path]
[TBLPROPERTIES (property_name=property_value, ...)] -- (Note: Available in Hive 0.6.0 and later)
[AS select_statement]; -- (Note: Available in Hive 0.5.0 and later; not supported for external tables)
CREATE [TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS] [db_name.]table_name
LIKE existing_table_or_view_name
[LOCATION hdfs_path];
data_type
: primitive_type
| array_type
| map_type
| struct_type
| union_type -- (Note: Available in Hive 0.7.0 and later)
primitive_type
: TINYINT
| SMALLINT
| INT
| BIGINT
| BOOLEAN
| FLOAT
| DOUBLE
| DOUBLE PRECISION -- (Note: Available in Hive 2.2.0 and later)
| STRING
| BINARY -- (Note: Available in Hive 0.8.0 and later)
| TIMESTAMP -- (Note: Available in Hive 0.8.0 and later)
| DECIMAL -- (Note: Available in Hive 0.11.0 and later)
| DECIMAL(precision, scale) -- (Note: Available in Hive 0.13.0 and later)
| DATE -- (Note: Available in Hive 0.12.0 and later)
| VARCHAR -- (Note: Available in Hive 0.12.0 and later)
| CHAR -- (Note: Available in Hive 0.13.0 and later)
array_type
: ARRAY < data_type >
map_type
: MAP < primitive_type, data_type >
struct_type
: STRUCT < col_name : data_type [COMMENT col_comment], ...>
union_type
: UNIONTYPE < data_type, data_type, ... > -- (Note: Available in Hive 0.7.0 and later)
row_format
: DELIMITED [FIELDS TERMINATED BY char [ESCAPED BY char]] [COLLECTION ITEMS TERMINATED BY char]
[MAP KEYS TERMINATED BY char] [LINES TERMINATED BY char]
[NULL DEFINED AS char] -- (Note: Available in Hive 0.13 and later)
| SERDE serde_name [WITH SERDEPROPERTIES (property_name=property_value, property_name=property_value, ...)]
file_format:
: SEQUENCEFILE
| TEXTFILE -- (Default, depending on hive.default.fileformat configuration)
| RCFILE -- (Note: Available in Hive 0.6.0 and later)
| ORC -- (Note: Available in Hive 0.11.0 and later)
| PARQUET -- (Note: Available in Hive 0.13.0 and later)
| AVRO -- (Note: Available in Hive 0.14.0 and later)
| JSONFILE -- (Note: Available in Hive 4.0.0 and later)
| INPUTFORMAT input_format_classname OUTPUTFORMAT output_format_classname
column_constraint_specification:
: [ PRIMARY KEY|UNIQUE|NOT NULL|DEFAULT [default_value]|CHECK [check_expression] ENABLE|DISABLE NOVALIDATE RELY/NORELY ]
default_value:
: [ LITERAL|CURRENT_USER()|CURRENT_DATE()|CURRENT_TIMESTAMP()|NULL ]
constraint_specification:
: [, PRIMARY KEY (col_name, ...) DISABLE NOVALIDATE RELY/NORELY ]
[, PRIMARY KEY (col_name, ...) DISABLE NOVALIDATE RELY/NORELY ]
[, CONSTRAINT constraint_name FOREIGN KEY (col_name, ...) REFERENCES table_name(col_name, ...) DISABLE NOVALIDATE
[, CONSTRAINT constraint_name UNIQUE (col_name, ...) DISABLE NOVALIDATE RELY/NORELY ]
[, CONSTRAINT constraint_name CHECK [check_expression] ENABLE|DISABLE NOVALIDATE RELY/NORELY ]
CREATE TABLE创建具有给定名称的表。如果已经存在具有相同名称的表或视图，则会引发错误。您可以使用IF NOT EXISTS跳过该错误。
托管表和外部表
默认情况下，Hive创建托管表，其中文件，元数据和统计信息由内部Hive进程管理。有关托管表和外部表之间差异的详细信息，请参阅托管表与外部表。
储存格式
Hive支持内置和自定义开发的文件格式。有关压缩表存储的详细信息，请参见CompressedStorage 。以下是Hive内置的一些格式：
| 储存格式 | 描述 |
|---|---|
| 存储为文本文件 | 存储为纯文本文件。TEXTFILE是默认文件格式，除非配置参数hive.default.fileformat 具有不同的设置。使用DELIMITED子句读取定界文件。通过使用'ESCAPED BY'子句（例如ESCAPED BY''）对定界符启用转义 如果要使用可以包含这些定界符的数据，则需要转义。 也可以使用'NULL DEFINED AS'子句指定自定义NULL格式（默认为' N'）。 |
| 存储为序列文件 | 存储为压缩的序列文件。 |
| 储存为ORC | 存储为ORC文件格式。支持ACID交易和基于成本的优化器（CBO）。存储列级元数据。 |
| 储存为PARQUET | 在Hive 0.13.0及更高版本中以Parquet 列存储格式存储为Parquet格式；使用行格式SERDE ...存储为INPUTFORMAT ... OUTPUTFORMAT语法...在蜂巢0.10，0.11，0.12 。 |
| 储存为AVRO | 在Hive 0.14.0和更高版本中以Avro格式存储（请参阅Avro SerDe ）。 |
| 存储为RCFILE | 存储为记录列文件格式。 |
| 储存为JSONFILE | 在Hive 4.0.0及更高版本中以Json文件格式存储。 |
| 储存者 | 以非本地表格式存储。创建或链接到非本地表，例如由HBase或Druid或Accumulo 支持的表。 有关此选项的更多信息，请参见StorageHandlers 。 |
| INPUTFORMAT和OUTPUTFORMAT | 在file_format中将相应的InputFormat和OutputFormat类的名称指定为字符串文字。 例如，“ org.apache.hadoop.hive.contrib.fileformat.base64.Base64TextInputFormat”。 对于LZO压缩，要使用的值为 “ INPUTFORMAT“ com.hadoop.mapred.DeprecatedLzoTextInputFormat” OUTPUTFORMAT“ org.apache.hadoop.hive.ql.io .HiveIgnoreKeyTextOutputFormat” （请参见LZO压缩）。 |
案列：
DESC table_name; //简单查询表结构
DESC FORMATTED table_name; //详细查询表结构
//创建表
CREATE TABLE psn(
id int,
name string,
likes array<string>,
address map<string,string>
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
COLLECTION ITEMS TERMINATED BY '-'
MAP KEYS TERMINATED BY ':';
hive> desc formatted psn;
OK
# col_name data_type comment
id int
name string
likes array<string>
address map<string,string>
# Detailed Table Information
Database: default
Owner: root
CreateTime: Sat Apr 25 22:15:57 CST 2020
LastAccessTime: UNKNOWN
Protect Mode: None
Retention: 0
Location: hdfs://mycluster/user/hive/warehouse/psn
Table Type: MANAGED_TABLE
Table Parameters:
transient_lastDdlTime 1587824157
# Storage Information
SerDe Library: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe
InputFormat: org.apache.hadoop.mapred.TextInputFormat
OutputFormat: org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat
Compressed: No
Num Buckets: -1
Bucket Columns: []
Sort Columns: []
Storage Desc Params:
colelction.delim -
field.delim ,
mapkey.delim :
serialization.format ,
Time taken: 0.427 seconds, Fetched: 32 row(s)
使用系统的默认分隔 ^A 'u001'
CREATE TABLE psn(
id int,
name string,
likes array<string>,
address map<string,string>
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ' 01'
COLLECTION ITEMS TERMINATED BY ' 02'
MAP KEYS TERMINATED BY ' 03';
将文件加载到表中
LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)]
LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)] [INPUTFORMAT 'inputformat' SERDE 'serde'] (3.0 or later)
data
1,小明1,lol-book-movie,beijing:shangxuetang-shanghai:pudong
2,小明2,lol-book-movie,beijing:shangxuetang-shanghai:pudong
3,小明3,lol-book-movie,beijing:shangxuetang-shanghai:pudong
4,小明4,lol-book-movie,beijing:shangxuetang-shanghai:pudong
5,小明5,lol-movie,beijing:shangxuetang-shanghai:pudong
6,小明6,lol-movie,beijing:shangxuetang-shanghai:pudong
7,小明7,lol-movie,beijing:shangxuetang-shanghai:pudong
插入数据
hive> LOAD DATA LOCAL INPATH '/root/data/data' INTO TABLE psn;
Loading data to table default.psn
Table default.psn stats: [numFiles=1, totalSize=419]
OK
Time taken: 12.044 seconds
hive> select * from psn;
OK
1 小明1 ["lol","book","movie"] {"beijing":"shangxuetang","shanghai":"pudong"}
2 小明2 ["lol","book","movie"] {"beijing":"shangxuetang","shanghai":"pudong"}
3 小明3 ["lol","book","movie"] {"beijing":"shangxuetang","shanghai":"pudong"}
4 小明4 ["lol","book","movie"] {"beijing":"shangxuetang","shanghai":"pudong"}
5 小明5 ["lol","movie"] {"beijing":"shangxuetang","shanghai":"pudong"}
6 小明6 ["lol","movie"] {"beijing":"shangxuetang","shanghai":"pudong"}
7 小明7 ["lol","movie"] {"beijing":"shangxuetang","shanghai":"pudong"}
Time taken: 1.674 seconds, Fetched: 7 row(s)
三种表
内部表
Table Type: MANAGED_TABLE
内部表的创建方式和普通的创建方式是一样的，他是默认的存储的hdfs的路径也是默认的位置；
删除的时候会把源数据信息和hdfs文件存储的数据路径都一起删除。
临时表
CREATE TEMPORARY TABLE psn(
id int,
name string,
likes array<string>,
address map<string,string>
)
这张表只是存在当前的会话中，会话退出后，表就不存在了。
外部表
Table Type: EXTERNAT_TABLE
需要上传的hdfs的数据
CREATE EXTERNAL TABLE psn(
id int,
name string,
likes array<string>,
address map<string,string>
)
LOCATION 'hdfs的存储路劲[如果指定文件，则是文件，如实文件夹，则是文件夹下面的所有文件]'
删除的时候。会把源数据信息删除，但是不会删除hdfs的数据信息。
文件格式问题
读时检查
如果发现文件导入进去的格式不正确，则会产生空值数据。