Hive数据模型

Hive的数据模型-数据库

  • 类似传统数据库的DataBase

  • 默认数据库"default"

  • 使用#hive命令后，不使用hive>use <数据库名>，系统默认的数据库。可以显式使用hive> use default;

  • 创建一个新库

hive > create database test_dw;
 
 
 
1
 
 
 
1
hive > create database test_dw;
 
 

十、Hive的数据模型-表

  • Table 内部表

  • Partition 分区表

  • External Table 外部表

  • Bucket Table 桶表

十一、Hive的数据模型-内部表

  • 与数据库中的 Table 在概念上是类似

  • 每一个 Table 在 Hive 中都有一个相应的目录存储数据。例如，一个表 test，它在 HDFS 中的路径为：/ warehouse/test。 warehouse是在 hive-site.xml 中由 ${hive.metastore.warehouse.dir} 指定的数据仓库的目录

  • 所有的 Table 数据（不包括 External Table）都保存在这个目录中。

  • 删除表时，元数据与数据都会被删除

  • 内部表的使用

    • 创建数据文件inner_table.dat
    • 创建表
    • hive>create table inner_table (key string);
       
       
       
      1
       
       
       
      1
      hive>create table inner_table (key string);
       
       

    • 加载数据

    • hive>load data local inpath '/root/inner_table.dat' into table inner_table;
       
       
       
      1
       
       
       
      1
      hive>load data local inpath '/root/inner_table.dat' into table inner_table;
       
       

    • 查看数据

    • select * from inner_table
select count(*) from inner_table
       
       
       
      2
       
       
       
      1
      select * from inner_table
      2
      select count(*) from inner_table
       
       

    • 删除表 

    • drop table inner_table
       
       
       
      1
       
       
       
      1
      drop table inner_table
       
       

十二、Hive的数据模型-分区表

  • Partition 对应于数据库的 Partition 列的密集索引

  • 在 Hive 中，表中的一个 Partition 对应于表下的一个目录，所有的 Partition 的数据都存储在对应的目录中

  • 例如：test表中包含 date 和 city 两个 Partition，
则对应于date=20180729, city = bj 的 HDFS 子目录为：
/warehouse/test/date=20130201/city=bj
对应于date=20180729, city=sh 的HDFS 子目录为；
/warehouse/test/date=20180729/city=sh
     
     
     
    5
     
     
     
    1
    例如：test表中包含 date 和 city 两个 Partition，
    2
    则对应于date=20180729, city = bj 的 HDFS 子目录为：
    3
    /warehouse/test/date=20130201/city=bj
    4
    对应于date=20180729, city=sh 的HDFS 子目录为；
    5
    /warehouse/test/date=20180729/city=sh
     
     

  • 分区表

  • CREATE TABLE tmp_table #表名
(
title   string, # 字段名称 字段类型
minimum_bid     double,
quantity       bigint,
have_invoice   bigint
)COMMENT '注释：XXX' #表注释
PARTITIONED BY(pt STRING) #分区表字段（如果你文件非常之大的话，采用分区表可以快过滤出按分区字段划分的数据）
ROW FORMAT DELIMITED 
  FIELDS TERMINATED BY '\001'   # 字段是用什么分割开的
STORED AS SEQUENCEFILE; #用哪种方式存储数据，SEQUENCEFILE是hadoop自带的文件压缩格式
     
     
     
    x
     
     
     
     
     
    1
    CREATE TABLE tmp_table #表名
    2
    (
    3
    title   string, # 字段名称 字段类型
    4
    minimum_bid     double,
    5
    quantity       bigint,
    6
    have_invoice   bigint
    7
    )COMMENT '注释：XXX' #表注释
    8
    PARTITIONED BY(pt STRING) #分区表字段（如果你文件非常之大的话，采用分区表可以快过滤出按分区字段划分的数据）
    9
    ROW FORMAT DELIMITED
    10
      FIELDS TERMINATED BY '\001'   # 字段是用什么分割开的
    11
    STORED AS SEQUENCEFILE; #用哪种方式存储数据，SEQUENCEFILE是hadoop自带的文件压缩格式
     
     

  • 一些相关命令

  • SHOW TABLES; # 查看所有的表
SHOW TABLES '*TMP*'; #支持模糊查询
SHOW PARTITIONS TMP_TABLE; #查看表有哪些分区
DESCRIBE TMP_TABLE; #查看表结构
     
     
     
    4
     
     
     
    1
    SHOW TABLES; # 查看所有的表
    2
    SHOW TABLES '*TMP*'; #支持模糊查询
    3
    SHOW PARTITIONS TMP_TABLE; #查看表有哪些分区
    4
    DESCRIBE TMP_TABLE; #查看表结构
     
     

  • 分区表的使用

    • 创建数据文件partition_table.dat

    • 创建表

    • create table partition_table(rectime string,msisdn string) partitioned by(daytime string,city string)
row format delimited fields terminated by '\t' stored as TEXTFILE;
       
       
       
      2
       
       
       
      1
      create table partition_table(rectime string,msisdn string) partitioned by(daytime string,city string)
      2
      row format delimited fields terminated by '\t' stored as TEXTFILE;
       
       

    • 加载数据到分区

    • load data local inpath '/home/partition_table.dat' into table partition_table partition
(daytime='2013-02-01',city='bj');
       
       
       
      2
       
       
       
      1
      load data local inpath '/home/partition_table.dat' into table partition_table partition
      2
      (daytime='2013-02-01',city='bj');
       
       

    • 查看数据

    • select * from partition_table
select count(*) from partition_table
       
       
       
      2
       
       
       
      1
      select * from partition_table
      2
      select count(*) from partition_table
       
       

    • 删除表 

    • drop table partition_table
       
       
       
      1
       
       
       
      1
      drop table partition_table
       
       

    • 通过load data 加载数据

    • alter table partition_table add partition (daytime='2018-07-29',city='bj');
       
       
       
      1
       
       
       
      1
      alter table partition_table add partition (daytime='2018-07-29',city='bj');
       
       

    • 元数据，数据文件删除，但目录daytime=2013-02-04还在

    • alter table partition_table drop partition (daytime='2018-07-29',city='bj')
       
       
       
      1
       
       
       
      1
      alter table partition_table drop partition (daytime='2018-07-29',city='bj')
       
       

十三、Hive的数据模型—桶表

  • 桶表是对数据进行哈希取值，然后放到不同文件中存储。

  • 创建表

  • create table bucket_table(id string) clustered by(id) into 4 buckets;
     
     
     
    1
    1
     
     
     
     
    1
    create table bucket_table(id string) clustered by(id) into 4 buckets;
     
     

  • 加载数据

  • set hive.enforce.bucketing = true;
insert into table bucket_table select name from stu;
insert overwrite table bucket_table select name from stu;
     
     
     
    3
    3
     
     
     
     
    1
    set hive.enforce.bucketing = true;
    2
    insert into table bucket_table select name from stu;
    3
    insert overwrite table bucket_table select name from stu;
     
     

  • 数据加载到桶表时，会对字段取hash值，然后与桶的数量取模。把数据放到对应的文件中。

  • 抽样查询

  • select * from bucket_table tablesample(bucket 1 out of 4 on id);
     
     
     
    1
    1
     
     
     
     
     
    1
    select * from bucket_table tablesample(bucket 1 out of 4 on id);
     
     

十四、Hive的数据模型-外部表

  • 指向已经在 HDFS 中存在的数据，可以创建 Partition

  • 它和 内部表 在元数据的组织上是相同的，而实际数据的存储则有较大的差异

  • 内部表 的创建过程和数据加载过程（这两个过程可以在同一个语句中完成），在加载数据的过程中，实际数据会被移动到数据仓库目录中；之后对数据对访问将会直接在数据仓库目录中完成。删除表时，表中的数据和元数据将会被同时删除

  • 外部表 只有一个过程，加载数据和创建表同时完成，并不会移动到数据仓库目录中，只是与外部数据建立一个链接。当删除一个 外部表 时，仅删除该链接

  • 外部表

  • CREATE EXTERNAL TABLE page_view
( viewTime INT, 
userid BIGINT,
page_url STRING, 
referrer_url STRING, 
ip STRING COMMENT 'IP Address of the User',
country STRING COMMENT 'country of origination‘
)
  COMMENT 'This is the staging page view table'
  ROW FORMAT DELIMITED FIELDS TERMINATED BY '44' LINES TERMINATED BY '12'
  STORED AS TEXTFILE
  LOCATION 'hdfs://centos:9000/user/data/staging/page_view';
     
     
     
    12
    12
     
     
     
     
    1
    CREATE EXTERNAL TABLE page_view
    2
    ( viewTime INT,
    3
    userid BIGINT,
    4
    page_url STRING,
    5
    referrer_url STRING,
    6
    ip STRING COMMENT 'IP Address of the User',
    7
    country STRING COMMENT 'country of origination‘
    8
    )
    9
      COMMENT 'This is the staging page view table'
    10
      ROW FORMAT DELIMITED FIELDS TERMINATED BY '44' LINES TERMINATED BY '12'
    11
      STORED AS TEXTFILE
    12
      LOCATION 'hdfs://centos:9000/user/data/staging/page_view';
     
     

  • 外部表的使用

  • 创建数据文件external_table.dat

    • 创建表

    • hive>create external table external_table1 (key string) ROW FORMAT DELIMITED 
                      FIELDS TERMINATED BY '\t' location '/home/external';
在HDFS创建目录/home/external
#hadoop fs -put /home/external_table.dat /home/external
       
       
       
      4
      4
       
       
       
       
      1
      hive>create external table external_table1 (key string) ROW FORMAT DELIMITED
      2
                            FIELDS TERMINATED BY '\t' location '/home/external';
      3
      在HDFS创建目录/home/external
      4
      #hadoop fs -put /home/external_table.dat /home/external
       
       

    • 加载数据

    • LOAD DATA INPATH '/home/external_table1.dat' INTO TABLE external_table1;
       
       
       
      1
      1
       
       
       
       
       
      1
      LOAD DATA INPATH '/home/external_table1.dat' INTO TABLE external_table1;
       
       

    • 查看数据

    • select * from external_table
select count(*) from external_table
       
       
       
      2
      2
       
       
       
       
      1
      select * from external_table
      2
      select count(*) from external_table
       
       

    • 删除表 

    • drop table external_table
       
       
       
      1
      1
       
       
       
       
       
      1
      drop table external_table
       
       

 



posted @ 2019-09-11 00:22  DaBai的黑屋  阅读(311)  评论(0)  编辑  收藏  举报
Live2D