Hive基础知识（九）：Hive对数据库表的增删改查操作

1. 创建表

1）建表语法

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name #EXTERNAL：外部的
[(col_name data_type [COMMENT col_comment],...)]
[COMMENT table_comment]
[PARTITIONED BY (col_name data_type [COMMENT col_comment],...)]#PARTITIONED BY：分区表
[CLUSTERED BY (col_name, col_name,...)#CLUSTERED BY：分桶表
[SORTED BY (col_name [ASC|DESC],...)] INTO num_buckets BUCKETS]#分桶表
[ROW FORMAT row_format]#行格式
[STORED AS file_format]#指定文件格式
[LOCATION hdfs_path]    #指定表的位置信息
[TBLPROPERTIES (property_name=property_value,...)]#额外属性
[AS select_statement]   #

2）字段解释说明

（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

（8）STORED AS 指定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。

1.1 管理表

1）理论

默认创建的表都是所谓的管理表，有时也被称为内部表。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(例如，/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。

2）案例实操

（0）原始数据

1001 ss1
1002 ss2
1003 ss3
1004 ss4
1005 ss5
1006 ss6
1007 ss7
1008 ss8
1009 ss9
1010 ss10
1011 ss11
1012 ss12
1013 ss13
1014 ss14
1015 ss15
1016 ss16

上传到hadoop

[root@hadoop100 ~]$ hadoop fs -put student.txt /user/hive/warehouse/student 

（1）普通创建表

hive (hive3)> create table if not exists student(id int,name string)
> row format delimited fields terminated by '\t'
> stored as textfile
> location '/user/hive/warehouse/student';
OK
Time taken: 1.417 seconds

（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）

hive (hive3)> create table if not exists student2 as select id,name from student;
Query ID = atguigu_20211217102911_8a4f1a46-8e34-4a33-8f49-801c72a41aa7
Total jobs = 3
Launching Job 1 out of 3
Number of reduce tasks is set to 0 since there's no reduce operator
Starting Job = job_1639638039622_0002, Tracking URL = http://hadoop101:8088/proxy/application_1639638039622_0002/
Kill Command = /opt/module/hadoop-3.1.3/bin/mapred job -kill job_1639638039622_0002
Hadoop job information for Stage-1: number of mappers: 1; number of reducers: 0
2021-12-17 10:29:37,602 Stage-1 map = 0%, reduce = 0%
2021-12-17 10:29:51,642 Stage-1 map = 100%, reduce = 0%, Cumulative CPU 1.52 sec
MapReduce Total cumulative CPU time: 1 seconds 520 msec
Ended Job = job_1639638039622_0002
Stage-4 is selected by condition resolver.
Stage-3 is filtered out by condition resolver.
Stage-5 is filtered out by condition resolver.
Moving data to directory hdfs://hadoop100:8020/hive3/.hive-staging_hive_2021-12-17_10-29-11_615_1154320876271755629-1/-ext-10002
Moving data to directory hdfs://hadoop100:8020/hive3/student2
MapReduce Jobs Launched: 
Stage-Stage-1: Map: 1  Cumulative CPU: 1.52 sec  HDFS Read: 4868 HDFS Write: 166 SUCCESS
Total MapReduce CPU Time Spent: 1 seconds 520 msec
OK
id  name
Time taken: 42.57 seconds

（3）根据已经存在的表结构创建表

hive (hive3)> create table if not exists student3 like student;
OK
Time taken: 0.31 seconds

（4）查询表的类型

hive (hive3)> desc formatted student;
OK
col_name  data_type  comment
# col_name  data_type  comment 
id  int 
name  string 
​
# Detailed Table Information 
Database:  hive3 
OwnerType:  USER 
Owner:  atguigu 
CreateTime:  Fri Dec 17 10:20:47 CST 2021 
LastAccessTime:  UNKNOWN 
Retention: 0 
Location:  hdfs://hadoop100:8020/user/hive/warehouse/student 
Table Type:  MANAGED_TABLE 
Table Parameters: 
 COLUMN_STATS_ACCURATE {\"BASIC_STATS\":\"true\",\"COLUMN_STATS\":{\"id\":\"true\",\"name\":\"true\"}}
 bucketing_version 2 
 numFiles 0 
 numRows 0 
 rawDataSize 0 
 totalSize 0 
 transient_lastDdlTime 1639707647 
​
# 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: 
 field.delim \t 
 serialization.format \t 
Time taken: 0.305 seconds, Fetched: 33 row(s)

1.2 外部表

1）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。

2）管理表和外部表的使用场景

每天将收集到的网站日志定期流入 HDFS 文本文件。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、结果表使用内部表存储，数据通过 SELECT+INSERT 进入内部表。

3）案例实操

分别创建部门和员工外部表，并向表中导入数据。

（0）原始数据

dept:
10 ACCOUNTING 1700
20 RESEARCH 1800
30 SALES 1900
40 OPERATIONS 1700
emp：
7369 SMITH CLERK 7902 1980-12-17 800.00 20
7499 ALLEN SALESMAN 7698 1981-2-20 1600.00 300.00 30
7521 WARD SALESMAN 7698 1981-2-22 1250.00 500.00 30
7566 JONES MANAGER 7839 1981-4-2 2975.00 20
7654 MARTIN SALESMAN 7698 1981-9-28 1250.00 1400.00 30
7698 BLAKE MANAGER 7839 1981-5-1 2850.00 30
7782 CLARK MANAGER 7839 1981-6-9 2450.00 10
7788 SCOTT ANALYST 7566 1987-4-19 3000.00 20
7839 KING PRESIDENT 1981-11-17 5000.00 10
7844 TURNER SALESMAN 7698 1981-9-8 1500.00 0.00 30
7876 ADAMS CLERK 7788 1987-5-23 1100.00 20
7900 JAMES CLERK 7698 1981-12-3 950.00 30
7902 FORD ANALYST 7566 1981-12-3 3000.00 20
7934 MILLER CLERK 7782 1982-1-23 1300.00 10

（1）上传数据到 HDFS

[root@hadoop100 ~]$ hadoop fs -put emp.txt /hive3/emp
2021-12-17 10:47:20,774 INFO sasl.SaslDataTransferClient: SASL encryption trust check: localHostTrusted = false, remoteHostTrusted = false
[root@hadoop100 ~]$ hadoop fs -put dept /hive3/dept
2021-12-17 10:47:47,312 INFO sasl.SaslDataTransferClient: SASL encryption trust check: localHostTrusted = false, remoteHostTrusted = false

（2）建表语句，创建外部表

创建部门表

hive (hive3)> create external table if not exists dept(
 deptno int,
 dname string,
 loc int
)
 row format delimited fields terminated by '\t';
OK
Time taken: 0.148 seconds

创建员工表

hive (hive3)> create external table if not exists emp(
 empno int,
 ename string,
 job string,
 mgr int,
 hiredate string,
 sal double,
 comm double,
 deptno int)
 row format delimited fields terminated by '\t';
OK
Time taken: 0.167 seconds

（3）查看创建的表

hive (hive3)> show tables;
OK
tab_name
dept
emp
student
student2
student3
Time taken: 0.06 seconds, Fetched: 5 row(s)

（4）查看表格式化数据

hive (hive3)> desc formatted emp;

（5）删除外部表

hive (default)> drop table dept;

外部表删除后，hdfs 中的数据还在，但是 metadata 中 dept 的元数据已被删除。

1.3 管理表与外部表的互相转换

（1）查询表的类型

hive (hive3)> desc formatted student2;
Table Type:  MANAGED_TABLE 

（2）修改内部表 student2 为外部表

hive (hive3)> alter table student2 set tblproperties('EXTERNAL'='TRUE');
OK
Time taken: 0.163 seconds

（3）查询表的类型

hive (hive3)> desc formatted student2;
Table Type:  EXTERNAL_TABLE 

（4）修改外部表 student2 为内部表

hive (hive3)> alter table student2 set tblproperties('EXTERNAL'='FALSE');
OK
Time taken: 0.189 seconds

（5）查询表的类型

hive (hive3)> desc formatted student2;
Table Type:  MANAGED_TABLE 

注意：('EXTERNAL'='TRUE')和('EXTERNAL'='FALSE')为固定写法，区分大小写！

如果需要修改分隔符

ALTER TABLE location SET SERDEPROPERTIES ('field.delim'= '','serialization.format'='');

2. 修改表

修改表的语法基本是 alter table name (你要对表的操作)

2.1 重命名表

1）语法

ALTER TABLE table_name RENAME TO new_table_name

2）实操案例

hive (default)> alter table dept_partition2 rename to dept_partition3;

2.2 增加/修改/替换列信息

1）语法

（1）更新列

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|REPLACE 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。

2）实操案例

（1）查询表结构

hive> desc dept; 

（2）添加列

hive (hive3)> alter table dept add columns(deptdesc string);
OK
Time taken: 0.359 seconds

（3）查询表结构

hive> desc dept;

（4）更新列

hive (hive3)> alter table dept change column deptdesc desc string;
OK
Time taken: 0.265 seconds

（5）查询表结构

 hive> desc dept; 

（6）替换列

 hive (default)> alter table dept replace columns(deptno string, dname string, loc string); 

（7）查询表结构

hive (hive3)> desc dept;
OK
col_name  data_type  comment
deptno  string 
dname  string 
loc  string 
Time taken: 0.08 seconds, Fetched: 3 row(s)

3. 删除表

hive (default)> drop table dept;