hive的管理和基本操作

使用平台管理hive

目前使用内部易数平台easyops管理，可以通过平台启停hive metastore和hiveserver，扩容缩容，批量操作等。还可以通过平台配置相应的参数的。并有监控管理hive相关组件的内存等情况。

hive的基本操作

DDL操作

1. 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]

   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，在建表的同时指定一个指向实际数据的路径（LOCATION），Hive 创建内部表时，会将数据移动到数据仓库指向的路径；若创建外部表，仅记录数据所在的路径，不对数据的位置做任何改变。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、 LIKE 允许用户复制现有的表结构，但是不复制数据。

   4、 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。

   5、 STORED AS

   SEQUENCEFILE|TEXTFILE|RCFILE

   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。

   6、CLUSTERED BY

   对于每一个表（table）或者分区， Hive可以进一步组织成桶，也就是说桶是更为细粒度的数据范围划分。Hive也是 针对某一列进行桶的组织。Hive采用对列值哈希，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。

   把表（或者分区）组织成桶（Bucket）有两个理由：

   （1）获得更高的查询处理效率。桶为表加上了额外的结构，Hive 在处理有些查询时能利用这个结构。具体而言，连接两个在（包含连接列的）相同列上划分了桶的表，可以使用 Map 端连接 （Map-side join）高效的实现。比如JOIN操作。对于JOIN操作两个表有一个相同的列，如果对这两个表都进行了桶操作。那么将保存相同列值的桶进行JOIN操作就可以，可以大大较少JOIN的数据量。

   （2）使取样（sampling）更高效。在处理大规模数据集时，在开发和修改查询的阶段，如果能在数据集的一小部分数据上试运行查询，会带来很多方便。

2. 修改表语法

   ALTER TABLE table_name ADD [IF NOT EXISTS] partition_spec [ LOCATION ‘location1’ ] partition_spec [ LOCATION ‘location2’ ] …

   partition_spec:

   : PARTITION (partition_col = partition_col_value, partition_col = partiton_col_value, …)

   ALTER TABLE table_name DROP partition_spec, partition_spec,…

3. 重命名表

   ALTER TABLE table_name RENAME TO new_table_name

4. 增加更新列

   ALTER TABLE table_name ADD|REPLACE COLUMNS (col_name data_type [COMMENT col_comment], …)

   ALTER TABLE table_name CHANGE [COLUMN] col_old_name col_new_name column_type [COMMENT col_comment] [FIRST|AFTER column_name]

5. 显示命令

   show tables;

   show databases;

   show partitions;

   show functions;

   desc extended t_name;

   desc formatted table_name;

DML操作

1. load

   语法结构

   LOAD DATA [LOCAL] INPATH ‘filepath’ [OVERWRITE] INTO

   TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 …)]

   说明：

   1、 Load 操作只是单纯的复制/移动操作，将数据文件移动到 Hive 表对应的位置。

   2、 filepath：

   相对路径，例如：project/data1

   绝对路径，例如：/user/hive/project/data1

   包含模式的完整 URI，列如：

   hdfs://namenode:9000/user/hive/project/data1

   3、 LOCAL关键字

   如果指定了 LOCAL， load 命令会去查找本地文件系统中的 filepath。

   如果没有指定 LOCAL 关键字，则根据inpath中的uri查找文件

   4、 OVERWRITE 关键字

   如果使用了 OVERWRITE 关键字，则目标表（或者分区）中的内容会被删除，然后再将 filepath 指向的文件/目录中的内容添加到表/分区中。

   如果目标表（分区）已经有一个文件，并且文件名和 filepath 中的文件名冲突，那么现有的文件会被新文件所替代。

   具体实例

   1、 加载相对路径数据。

   hive> load data local inpath ‘sc.txt’ overwrite into table sc;

   2、 加载绝对路径数据。

   hive> load data local inpath ‘/home/hadoop/hivedata/students.txt’ overwrite into table student;

   3、 加载包含模式数据。

   hive> load data inpath ‘hdfs://mini1:9000/hivedata/course.txt’ overwrite into table course;

   4、 OVERWRITE关键字使用。

2. insert

   语法结构

   INSERT OVERWRITE TABLE tablename1 [PARTITION (partcol1=val1, partcol2=val2 …)] select_statement1 FROM from_statement

   Multiple inserts:

   FROM from_statement

   INSERT OVERWRITE TABLE tablename1 [PARTITION (partcol1=val1, partcol2=val2 …)] select_statement1

   [INSERT OVERWRITE TABLE tablename2 [PARTITION …] select_statement2] …

   Dynamic partition inserts:

   INSERT OVERWRITE TABLE tablename PARTITION (partcol1[=val1], partcol2[=val2] …) select_statement FROM from_statement

3. select

   语法结构

   SELECT [ALL | DISTINCT] select_expr, select_expr, …

   FROM table_reference

   [WHERE where_condition]

   [GROUP BY col_list [HAVING condition]]

   [CLUSTER BY col_list

   | [DISTRIBUTE BY col_list] [SORT BY| ORDER BY col_list]

   ]

   [LIMIT number]

   注：1、order by 会对输入做全局排序，因此只有一个reducer，会导致当输入规模较大时，需要较长的计算时间。

   2、sort by不是全局排序，其在数据进入reducer前完成排序。因此，如果用sort by进行排序，并且设置mapred.reduce.tasks>1，则sort by只保证每个reducer的输出有序，不保证全局有序。

   3、distribute by根据distribute by指定的内容将数据分到同一个reducer。

   4、Cluster by 除了具有Distribute by的功能外，还会对该字段进行排序。因此，常常认为cluster by = distribute by + sort by

4. join

   join_table:

   table_reference JOIN table_factor [join_condition]

   | table_reference {LEFT|RIGHT|FULL} [OUTER] JOIN table_reference join_condition

   | table_reference LEFT SEMI JOIN table_reference join_condition