Hive-02 DDL| DML

阅读目录(Content)

• 1. Hive数据类型 
• 基本数据类型
• 集合数据类型
• 类型转换
• 2. DDL数据定义
• 创建数据库
• 创建表
• 管理表| 外部表
• 分区表 
• 分桶表 
• 修改表 
• 3. DML数据操作
• 数据导入
• ① 向表中装载数据（Load）| 从本地 or HDFS到 Hive 
• ② 通过查询语句向表中插入数据Insert
• ③ 查询语句中创建并加载数据 AS Select 
• ④ 创建表时通过Location指定加载数据路径
• ⑤ Import数据到指定Hive表中；
• 数据导出（Impala都不支持）
• ① Insert导出
• ② Hadoop命令导出到本地
• ③ Shell命令导出到本地
• ④ Export导出到HDFS上
• ⑤ Sqoop导出（导入）　
• Hive表导出成csv文件
• 清除表中数据（Truncate）

 

回到顶部(go to top)

1. Hive数据类型 

基本数据类型

Hive数据类型	Java数据类型	长度	例子
TINYINT	byte	1byte有符号整数	20
SMALINT	short	2byte有符号整数	20
INT	int	4byte有符号整数	20
BIGINT	long	8byte有符号整数	20
BOOLEAN	boolean	布尔类型，true或者false	TRUE  FALSE
FLOAT	float	单精度浮点数	3.14159
DOUBLE	double	双精度浮点数	3.14159
STRING	string	字符系列。可以指定字符集。可以使用单引号或者双引号。	‘now is the time’ “for all good men”
TIMESTAMP		时间类型
BINARY		字节数组

对于Hive的String类型相当于数据库的varchar类型，该类型是一个可变的字符串，不过它不能声明其中最多能存储多少个字符，理论上它可以存储2GB的字符数。

集合数据类型

数据类型	描述	语法示例
STRUCT	和c语言中的struct类似，都可以通过“点”符号访问元素内容。例如，如果某个列的数据类型是STRUCT{first STRING, last STRING},那么第1个元素可以通过字段.first来引用。	struct() 例如struct<street:string, city:string>
MAP	MAP是一组键-值对元组集合，使用数组表示法可以访问数据。例如，如果某个列的数据类型是MAP，其中键->值对是’first’->’John’和’last’->’Doe’，那么可以通过字段名[‘last’]获取最后一个元素	map() 例如map<string, int>
ARRAY	数组是一组具有相同类型和名称的变量的集合。这些变量称为数组的元素，每个数组元素都有一个编号，编号从零开始。例如，数组值为[‘John’, ‘Doe’]，那么第2个元素可以通过数组名[1]进行引用。	Array() 例如array<string>

Hive有三种复杂数据类型ARRAY、MAP 和 STRUCT。

ARRAY和MAP与Java中的Array和Map类似，而STRUCT与C语言中的Struct类似，它封装了一个命名字段集合，复杂数据类型允许任意层次的嵌套。

用JSON格式来表示其数据结构。在Hive下访问的格式为
{
    "name": "kris",
    "friends": ["shero" , "alex"] ,       //列表Array, 
    "children": {                      //键值Map,
        "lili": 18 ,
        "yan": 19
    }
    "address": {                      //结构Struct,
        "street": "chaoyang",
        "city": "beijing"
    }
}

注意：MAP，STRUCT和ARRAY里的元素间关系都可以用同一个字符表示，这里用“_”。

Hive上创建测试表test
create table test(
name string,
friends array<string>,
children map<string, int>,
address struct<street:string, city:string>
)
row format delimited fields terminated by ','
collection items terminated by '_'
map keys terminated by ':'
lines terminated by '\n';


字段解释：
row format delimited fields terminated by ','  -- 列分隔符
collection items terminated by '_'      --MAP STRUCT 和 ARRAY 的分隔符(数据分割符号)
map keys terminated by ':'            -- MAP中的key与value的分隔符
lines terminated by '\n';                -- 行分隔符

hive> load data local inpath '/var/lib/hadoop-hdfs/test.txt' into table test;


访问三种集合列里的数据，以下分别是ARRAY，MAP，STRUCT的访问方式
select * from test;
name       friends                    children                   address
kris    ["shero","alex"]    {"lili":18,"yan":19}    {"street":"chaoyang","city":"beijing"}

select friends[1],children['lili'],address.city from test where name="kris";
    alex    18    beijing

类型转换

Hive的原子数据类型是可以进行隐式转换的，类似于Java的类型转换，例如某表达式使用INT类型，TINYINT会自动转换为INT类型，但是Hive不会进行反向转化，例如，某表达式使用TINYINT类型，INT不会自

动转换为TINYINT类型，它会返回错误，除非使用CAST操作。

1）隐式类型转换规则如下

（1）任何整数类型都可以隐式地转换为一个范围更广的类型，如TINYINT可以转换成INT，INT可以转换成BIGINT。

（2）所有整数类型、FLOAT和STRING类型都可以隐式地转换成DOUBLE。

（3）TINYINT、SMALLINT、INT都可以转换为FLOAT。

（4）BOOLEAN类型不可以转换为任何其它的类型。

2）可以使用CAST操作显示进行数据类型转换

例如CAST('1' AS INT)将把字符串'1' 转换成整数1；如果强制类型转换失败，如执行CAST('X' AS INT)，表达式返回空值 NULL。

0: jdbc:hive2://hadoop101:10000> select '1'+2, cast('1'as int) + 2;
+------+------+--+
| _c0  | _c1  |
+------+------+--+
| 3.0  | 3    |

对于Hive的String类型相当于数据库的varchar类型，该类型是一个可变的字符串，不过它不能声明其中最多能存储多少个字符，理论上它可以存储2GB的字符数。

回到顶部(go to top)

2. DDL数据定义

创建数据库

创建一个数据库，数据库在HDFS上的默认存储路径是/user/hive/warehouse/*.db。

修改

用户可以使用ALTER DATABASE命令为某个数据库的DBPROPERTIES设置键-值对属性值，来描述这个数据库的属性信息。数据库的其他元数据信息都是不可更改的，包括数据库名和数据库所在的目录位置。

① 创建数据库
 create database if not exists db_hive;  避免要创建的数据库已经存在错误，增加if not exists判断。（标准写法）
 create database if not exists db_hive2 location '/db_hive2.db'; 指定数据库在HDFS上存放的位置

② 修改数据库

 alter database db_hive set dbproperties('createtime'='20190215'); //为某个数据库设置键值对属性值，来描述数据库的属性信息。

③ 查看数据库| 
 切换数据库 use xx;
 显示数据库
　　show databases; //show databases like 'db_hive';
 查看数据库详情
　　desc database db_hive;
　　desc database extended db_hive;  显示数据库详细信息； 也可以去掉extended即显示数据库信息；
db_name comment location        owner_name      owner_type      parameters
db_hive         hdfs://hadoop101:9000/user/hive/warehouse/db_hive.db    kris    USER    {createtime=20190215}

④ 删除数据库
drop database db_hive2;
drop database if exists db_hive2; 
drop database db_hive cascade;  ##若数据库不为空，则强制删除用cascade； 

创建表

建表语法
CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name
[(col_name data_type [COMMENT col_comment], ...)]
[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]
[ROW FORMAT row_format]
[STORED AS file_format]
[LOCATION hdfs_path]
[TBLPROPERTIES (property_name=property_value, ...)]
[AS select_statement]


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
（7）ROW FORMAT 
DELIMITED [FIELDS TERMINATED BY char] [COLLECTION ITEMS TERMINATED BY char]
        [MAP KEYS TERMINATED BY char] [LINES TERMINATED BY char]
   | SERDE serde_name [WITH SERDEPROPERTIES (property_name=property_value, property_name=property_value, ...)]
用户在建表的时候可以自定义SerDe或者使用自带的SerDe。如果没有指定ROW FORMAT 或者ROW FORMAT DELIMITED，将会使用自带的SerDe。在建表的时候，用户还需要为表指定列，用户在指定表的列的同时也会指定自定义的SerDe，Hive通过SerDe确定表的具体的列的数据。
SerDe是Serialize/Deserilize的简称， hive使用Serde进行行对象的序列与反序列化。
（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。

 

hive (default)> create table if not exists student2(
              > id int, name string)
              > row format delimited fields terminated by '\t'
              > stored as textfile
              > location '/user/hive/warehouse/student2';
OK

管理表| 外部表

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。

外部表，因为表是外部表，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。

管理部和内部表的使用场景：

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。

内部表数据可进可出 元数据+hdfs
外部表元数据---HDFS，只包含元数据； 不会删hdfs数据

① 普通创建表
create table if not exists student3 as select id, name from student; //创建表并导入数据
create table if not exists student4 like student; //根据已经存在的表机构创建表
desc formatted student2; #查询表的类型；查看格式化数据

② 外部表
hive (default)> dfs -mkdir /student;
hive (default)> dfs -put /opt/module/datas/student.txt /student;
hive (default)> create external table stu_external(  //创建外部表
    id int, 
    name string) 
 row format delimited fields terminated by '\t' 
 location '/student';

 select * from stu_external;
 desc formatted stu_external; 
 drop table stu_external;
    外部表删除后，hdfs中的数据还在，但是metadata中stu_external的元数据已被删除

 ③ 内部表和外部表的互相转换
  desc formatted student2;  //查看表的类型
alter table student2 set tblproperties('EXTERNAL'='TRUE');  //将student2变成外部表alter table student2 set tblproperties('EXTERNAL'='FALSE'); //将student2变成内部表 
　　('EXTERNAL'='TRUE')和('EXTERNAL'='FALSE') 为固定写法，区分大小写。

分区表 

分区表实际上就是对应一个HDFS文件系统上独立的文件夹，该文件夹下是该分区所有的数据文件。Hive中的分区就是分目录，把一个大的数据集根据业务需要分割成小的数据集。在查询时通过WHERE子句

中的表达式选择查询所需要的指定的分区，这样的查询效率会提高很多。

① 创建分区表
hive (default)> create table dept_partition(
              > deptno int, dname string, loc string)
              > partitioned by (month string)
              > row format delimited fields terminated by '\t';

加载数据
hive (default)> load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition partition(month='201709');
Loading data to table default.dept_partition partition (month=201709)
Partition default.dept_partition{month=201709} stats: [numFiles=1, numRows=0, totalSize=71, rawDataSize=0]
OK
load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition partition(month='201708');
load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition partition(month='201707');
② 单分区查询
 select * from dept_partition where month='201708';
+------------------------+-----------------------+---------------------+-----------------------+--+
| dept_partition.deptno  | dept_partition.dname  | dept_partition.loc  | dept_partition.month  |
+------------------------+-----------------------+---------------------+-----------------------+--+
| 10                     | ACCOUNTING            | 1700                | 201708                |
| 20                     | RESEARCH              | 1800                | 201708                |
| 30                     | SALES                 | 1900                | 201708                |
| 40                     | OPERATIONS            | 1700                | 201708                |
+------------------------+-----------------------+---------------------+-----------------------+--
多分区联合查询
 select * from dept_partition where month='201707'
 union
 select * from dept_partition where month='201708'
 union
 select * from dept_partition where month='201709';

③ 增加分区| 增加单个、增加多个分区
 alter table dept_partition add partition(month='201705') partition(month='201704');

④ 删除分区| 单个、删多个用，连接
 alter table dept_partition drop partition(month='201705'), partition(month='201706');

⑤ 查看分区有多少分区
 show partitions dept_partition;
+---------------+--+
|   partition   |
+---------------+--+
| month=201707  |
| month=201708  |
| month=201709  |
+---------------+--+

⑥ 查看分区表结构
 desc formatted dept_partition;

⑦ 创建二级分区  如果一个月的日志数据量很大，如何将数据拆分？

　　hive (default)> create table dept_partition2(
　　  deptno int, dname string, loc string)
　　  partitioned by (month string, day string)
　　  row format delimited fields terminated by '\t';

　　加载数据到二级分区
    load data local inpath '/opt/module/datas/dept.txt' into table default.dept_partition2 partition(month='201709', day='13');
   select * from dept_partition2 where month='201709' and day='13'; 查看分区数据

　　把数据直接上传到分区目录上，让分区表和数据产生关联的三种方式

方式一：上传数据后修复
 dfs -mkdir -p /user/hive/warehouse/dept_partition2/month=201709/day=12;
 dfs -put /opt/module/datas/dept.txt /user/hive/warehouse/dept_partition2/month=201709/day=12;
 msck repair table dept_partition2;  //执行修复命令
 select * from dept_partition2 where month='201709' and day='12';
 alter table dept_partition2 drop partition(month='201709', day='11'); 删除

 方式二：上传数据后添加分区
  dfs -mkdir -p /user/hive/warehouse/dept_partition2/month=201709/day=11;  不能加引号
  dfs -put /opt/module/datas/dept.txt /user/hive/warehouse/dept_partition2/month=201709/day=11;
  alter table dept_partition2 add partition(month='201709', day='11');  //执行添加分区
  select * from dept_partition2 where month='201709' and day='11'; 
 
方式三：创建文件夹后load数据到分区
  dfs -mkdir -p /user/hive/warehouse/dept_partition2/month='201709'/day='10';
  load data local inpath '/opt/module/datas/dept.txt' into table dept_partition2 partition(month='201709',day='10');
  select * from dept_partition2 where month='201709' and day='10';
 

动态分区调整

关系型数据库中，对分区表Insert数据时候，数据库自动会根据分区字段的值，将数据插入到相应的分区中，Hive中也提供了类似的机制，即动态分区(Dynamic Partition)，只不过，使用Hive的动态分区，需要进

行相应的配置。

开启动态分区参数设置

（1）开启动态分区功能（默认true，开启）
　　hive.exec.dynamic.partition=true

（2）设置为非严格模式（动态分区的模式，默认strict，表示必须指定至少一个分区为静态分区，nonstrict模式表示允许所有的分区字段都可以使用动态分区。）
　　hive.exec.dynamic.partition.mode=nonstrict

（3）在所有执行MR的节点上，最大一共可以创建多少个动态分区。默认1000
　　hive.exec.max.dynamic.partitions=1000

（4）在每个执行MR的节点上，最大可以创建多少个动态分区。该参数需要根据实际的数据来设定。比如：源数据中包含了一年的数据，即day字段有365个值，那么该参数就需要设置成大于365，如果使用默认

值100，则会报错。
　　hive.exec.max.dynamic.partitions.pernode=100

（5）整个MR Job中，最大可以创建多少个HDFS文件。默认100000

　　hive.exec.max.created.files=100000

（6）当有空分区生成时，是否抛出异常。一般不需要设置。默认false
　　hive.error.on.empty.partition=false

将dept表中的数据按照地区（loc字段），插入到目标表dept_partition的相应分区中。
（1）创建目标分区表
create table dept_partition_dy(id int, name string) 
partitioned by (loc int) 
row format delimited fields terminated by '\t';

（2）设置动态分区
set hive.exec.dynamic.partition.mode = nonstrict;
insert into table dept_partition_dy partition(loc) select deptno, dname, loc from dept;

（3）查看目标分区表的分区情况
show partitions dept_partition;

目标分区表是如何匹配到分区字段的？

分桶表 

分区提供一个隔离数据和优化查询的便利方式。不过，并非所有的数据集都可形成合理的分区。对于一张表或者分区，Hive 可以进一步组织成桶，也就是更为细粒度的数据范围划分。

分桶是将数据集分解成更容易管理的若干部分的另一个技术。

分区针对的是数据的存储路径；分桶针对的是数据文件。

开启支持分桶
  set hive.enforce.bucketing=true;
  默认false，设置为true后，mr运行时会根据bucket的个数自动分配reduce task个数。一次作业产生的桶（文件数量）和reduce task个数一致。

创建分桶表
create table stu_buck(id int, name string)
clustered by(id) into 4 buckets
row format delimited fields terminated by '\t';

查看表结构
hive (default)> desc formatted stu_buck;
Num Buckets:            4  

导入数据到分桶表中，load的方式 
hive (default)> load data local inpath '/opt/module/datas/student.txt' into table stu_buck;
查看创建的分桶表中是并没有分成4个桶；没有经过mapreduce


方式二：
创建分桶表时，数据通过子查询的方式导入
（1）先建一个普通的stu表
create table stu(id int, name string)
row format delimited fields terminated by '\t';
（2）向普通的stu表中导入数据
load data local inpath '/opt/module/datas/student.txt' into table stu;
（3）清空stu_buck表中数据
truncate table stu_buck;
select * from stu_buck;
（4）导入数据到分桶表，通过子查询的方式
insert into table stu_buck select id, name from stu;

发现还是只有一个分桶; 因为数据量太小了；

（5）需要设置一个属性；再来一遍！
hive (default)> set hive.enforce.bucketing=true;
hive (default)> set mapreduce.job.reduces=-1;
hive (default)> truncate table stu_buck;
hive (default)> insert into table stu_buck select id, name from stu;  //insert方式将数据导入分桶表。

查询分桶的数据
  select * from stu_buck;  //从结果中看到分成了4个桶； 
+--------------+----------------+--+
| stu_buck.id  | stu_buck.name  |
+--------------+----------------+--+
| 1016         | ss16           |
| 1012         | ss12           |
| 1008         | ss8            |
| 1004         | ss4            |
| 1009         | ss9            |
| 1005         | ss5            |
| 1001         | ss1            |
| 1013         | ss13           |
| 1010         | ss10           |
| 1002         | ss2            |
| 1006         | ss6            |
| 1014         | ss14           |
| 1003         | ss3            |
| 1011         | ss11           |
| 1007         | ss7            |
| 1015         | ss15           |
+--------------+----------------+--+
16 rows selected (0.09 seconds)

分桶规则：
根据结果可知：Hive的分桶采用对分桶字段的值进行哈希，然后除以桶的个数求余的方式决定该条记录存放在哪个桶当中

分桶表操作需要注意的事项:

• （1）reduce的个数设置为-1,让Job自行决定需要用多少个reduce或者将reduce的个数设置为大于等于分桶表的桶数
• （2）从hdfs中load数据到分桶表中，避免本地文件找不到问题
• （3）不要使用本地模式

修改表 

重命名表
 jdbc:hive2://hadoop101:10000> alter table teacher rename to new_teacher;
添加列
 0: jdbc:hive2://hadoop101:10000> alter table dept_partition add columns(deptdesc string);
更新列
 0: jdbc:hive2://hadoop101:10000> alter table dept_partition change column deptdesc desc int;
No rows affected (0.112 seconds)
0: jdbc:hive2://hadoop101:10000> desc dept_partition;
替换列
0: jdbc:hive2://hadoop101:10000> alter table dept_partition replace columns(deptid int, name string, loc string);
删除表
0: jdbc:hive2://hadoop101:10000> drop table new_teacher;

 

回到顶部(go to top)

3. DML数据操作

数据导入

① 向表中装载数据（Load）| 从本地 or HDFS到 Hive 

hive> load data [local] inpath '数据的path' [overwrite] into table student [partition (partcol1=val1,…)];
（1）load data:表示加载数据
（2）local:表示从本地加载数据到hive表；否则从HDFS加载数据到hive表
（3）inpath:表示加载数据的路径
（4）overwrite:表示覆盖表中已有数据，否则表示追加
（5）into table:表示加载到哪张表
（6）student:表示具体的表
（7）partition:表示上传到指定分区

 

向表中装载数据： 
从本地到hive
 create table student(id int, name string) row format delimited fields terminated by '\t'; 
 load data local inpath '/opt/module/datas/student.txt' into table default.student;  加载本地文件到hive

从HDFS到hive
0: jdbc:hive2://hadoop101:10000> dfs -mkdir -p /user/kris/hive;
0: jdbc:hive2://hadoop101:10000> dfs -put /opt/module/datas/student.txt /user/kris/hive;
 load data inpath '/user/kris/hive/student.txt' into table default.student; //移动hdfs上的文件；加载HDFS上的数据

 load data inpath '/user/kris/hive/student.txt' overwrite into table default.student; //加载数据覆盖表中已有的数据

② 通过查询语句向表中插入数据Insert

 create table student(id int, name string) partitioned by (month string) row format delimited fields terminated by '\t'; 创建一张分区表
 insert into table student partition(month='201902') values (1, "kris"), (2, "egon"); 插入数据

　　根据单张表查询结果来插入insert into是追加数据的方式插入表或分区，原有数据不会被删除；
　　　　　　　　　　　　　　insert overwrite是会覆盖表或分区中已有数据；

 insert overwrite table student partition(month="201905") select id,name from student where month='201902'; 在原本基础上追加
 select * from student;
+-------------+---------------+----------------+--+
| student.id  | student.name  | student.month  |
+-------------+---------------+----------------+--+
| 1           | kris          | 201902         |
| 2           | egon          | 201902         |
| 1           | kris          | 201905         |
| 2           | egon          | 201905         |
+-------------+---------------+----------------+--+
　　多表(多分区)插入模式（根据多张表查询结果插入） 
hive (default)> from student 
　　　　　　　　 > insert overwrite table student partition(month="201904")
              > select id, name where month="201905"
              > insert overwrite table student partition(month="201903")
              > select id, name where month="201905";
0: jdbc:hive2://hadoop101:10000> select * from student;
+-------------+---------------+----------------+--+
| student.id  | student.name  | student.month  |
+-------------+---------------+----------------+--+
| 1           | kris          | 201902         |
| 2           | egon          | 201902         |
| 1           | kris          | 201903         |
| 2           | egon          | 201903         |
| 1           | kris          | 201904         |
| 2           | egon          | 201904         |
| 1           | kris          | 201905         |
| 2           | egon          | 201905         |
+-------------+---------------+----------------+-

③ 查询语句中创建并加载数据 AS Select 

create table if not exists student3 as select id, name from student;
create table if not exists student4 like student; 

④ 创建表时通过Location指定加载数据路径

create external table if not exists stu(id int, name string) row format delimited fields terminated by '\t' location '/student';

⑤ Import数据到指定Hive表中；

　　要先使用export导出后，才能将数据import导入

　　export table student to '/hive_data/student';
　　import table student from '/hive_data/student';

create table student22(
id int, name string)
partitioned by (month string)
row format delimited fields terminated by '\t';

import table student22 partition(month='201904') from  //student22必须要有分区才能导入成功
 '/user/hive/warehouse/export/student';    

 

数据导出（Impala都不支持）

① Insert导出

　　将输出文件导出到本地/opt/module/datas/export/student中；
0: jdbc:hive2://hadoop101:10000> insert overwrite local directory '/opt/module/datas/export/student' select * from student;               
　　结果格式化导出到本地
hive (default)> insert overwrite local directory '/opt/module/datas/export/student1'
              > ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' select * from student; 
    结果导出到HDFS；只能用overwrite，不能用into          
hive (default)> insert overwrite directory '/user/kris/student2'
              > row format delimited fields terminated by '\t'
              > select * from student;

② Hadoop命令导出到本地

hive (default)> dfs -get /user/hive/warehouse/student/month=201902/000000_0 /opt/module/datas/export/student3.txt;
[kris@hadoop101 export]$ cat student3.txt 
1       kris
2       egon
[kris@hadoop101 export]$ pwd
/opt/module/datas/export

③ Shell命令导出到本地

[kris@hadoop101 hive]$ bin/hive -e 'select * from default.student;' > /opt/module/datas/export/student4.txt

④ Export导出到HDFS上

hive (default)> export table default.student to '/user/hive/warehouse/export/student';

⑤ Sqoop导出（导入）　

https://www.cnblogs.com/shengyang17/p/10512510.html

Hive表导出成csv文件

hive -e "
set hive.cli.print.header=true; 
select * from student where sex = 'male';
" | sed 's/[\t]/,/g'  > /opt/module/student.csv

 

清除表中数据（Truncate）

注意：Truncate只能删除管理表，不能删除外部表中数据

　　hive (default)> truncate table student;