Hive之管理表 外部表 分区表

一Hive 创建表的三种方式

1.1普通创建

1.2查询语句创建

CREATETABLE IF NOT EXISTS ext_1 AS SELECT deptno,dname,loc FROMdept;

1.3like创建

CREATETABLE IF NOT EXISTS ext_like like emp;

二 内部表与外部表的比较

Hive表概念和关系型数据库表概念差不多。在Hive里表会和HDFS的一个目录相对应，这个目录会存放表的数据。目录默认是/usr/

hive/warehouse/.比如你在hadoop09数据库创建了emp表，那么HDFS

/user/hive/warehouse/hadoop09.db/emp就会有这个目录来存放表里的数据。

管理表：管理表又被称之为内部表，他只管理着数据生命周期，当我们删除这张表时，元数据和真是存储的数据都会被删除，也就是说HDFS所对应的表目录应该被删除。

管理表有一个缺点：就是不方便和其他工作共享数据。

 

现在有几个问题：

1多个人同时在使用这张表，然后某个人不小心，把表删掉了，其他人都用不了了。

2其他工具产生的数据在某个HDFS某个目录，但是Hive想去查询这些数据，但是并没有给Hive数据所有权。

因此，hive里就提供了如果数据被多个工具共享，我们可以创建外部表

外部表：删除该表时，只会删除元数据信息，但是不会删除真正的数据。也就是说外部表数据并不是由他自己管理的。

CREATEEXTERNAL TABLE dept_external(

    deptno int,

    dname string,

    loc string

)

ROWFORMAT DELIMITED FIELDS TERMINATED BY '\t'

LOCATION'/user/hive/warehouse/hadoop09.db/dept';

LOCATION:告诉Hive数据位于什么路径



 

三 分区表作用以及如何创建，更改

一般情况下，Hive 一个简单的查询会扫描整张表，对一张大表而言，会降低性能，我们可以使用分区来解决，他也是类似于关系型数据库表的分区。

在Hive里分区都适合预定义的列相关的，作为子目录存在于在表的目录里。当表查询时，WHERE子句里的谓词就是分去过滤器，然后只查询相关的分区的数据返回，而不是查询整个表。

首先，我们创建一个分区表：



然后添加分区

ALTERTABLE emp_partition ADD IF NOT EXISTS PARTITION (country='America',state='CA');

ALTERTABLE emp_partition ADD IF NOT EXISTS PARTITION (country='Canada',state='MH');

这时候，HDFS就会新增这样的2个目录

/user/hive/warehouse/hadoop09.db/emp_partition/country=America/state=CA
http://hadoop09-/user/hive/warehouse/hadoop09.db/emp_partition/country=Canada/state=MH
我们也可以指定partition在不在表这个目录里。

ALTERTABLE emp_partition ADD IF NOT EXISTS PARTITION (country='China',state='BJ')LOCATION '/locate/partition';

我么这时候查询分区情况：

showpartitions emp_partition;

 

四 如何向分区表加载数据

loaddata local inpath '/opt/software/hive/emp.txt' into table emp_partition

partition(country='America',state='CA'); 



loaddata local inpath '/opt/software/hive/emp.txt' into table emp_partition

partition(country='China',state='BJ'); 



然后我们去检查/locate/partition是否有数据呢？

有数据吧。

五 如何检索分区表数据

在添加分区之后，表里的字段会增加对应的虚拟字段，以供查询使用。

比如我们上面的例子，就会增加country和 state两个字段。

SELECT* FROM emp_partition WHERE country='China';