hive创建表

hive创建表

一、为什么要创建分区表

1、select查询中会扫描整个表内容，会消耗大量时间。

由于相当多的时候人们只关心表中的一部分数据，

故建表时引入了分区概念。

2、hive分区表:是指在创建表时指定的partition的分区空间，若需要创建有分区的表，

需要在create表的时候调用可选参数partitioned by，详见表创建的语法结构。

二、实现创建、删除分区表

注意：
1、一个表可以拥有一个或者多个分区，每个分区以文件夹的形式单独存在表文件夹的目录下。

2、hive的表和列名不区分大小写(故建表时，都是小写)

3、分区是以字段的形式在表结构中存在，通过"desc table_name"命令可以查看到字段存在，该字段仅是分区的标识。

4、建表的语法（建分区可参见PARTITIONED BY参数）：

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]

5、分区建表分为2种，一种是单分区，也就是说在表文件夹目录下只有一级文件夹目录。

另外一种是多分区，表文件夹下出现多文件夹嵌套模式。

a、单分区建表语句：create table test_table (id int, content string) partitioned by (dt string);
   单分区表，按天分区，在表结构中存在id，content，dt三列。

b、双分区建表语句：create table test_table_2 (id int, content string) partitioned by (dt string, hour string);
   双分区表，按天和小时分区，在表结构中新增加了dt和hour两列。

6、增加分区表语法（表已创建，在此基础上添加分区）：

ALTER TABLE table_name ADD partition_spec [ LOCATION 'location1' ] partition_spec [ LOCATION 'location2' ] ... partition_spec: : PARTITION (partition_col = partition_col_value, partition_col = partiton_col_value, ...)

用户可以用 ALTER TABLE ADD PARTITION 来向一个表中增加分区。

当分区名是字符串时加引号。

例：

ALTER TABLE test_table ADD PARTITION (dt='2016-08-08', hour='10') location '/path/uv1.txt' PARTITION (dt='2017-08-08', hour='12') location '/path/uv2.txt';

7、删除分区语法：

ALTER TABLE table_name DROP partition_spec, partition_spec,...

用户可以用 ALTER TABLE DROP PARTITION 来删除分区。

分区的元数据和数据将被一并删除。

例：

ALTER TABLE test_table DROP PARTITION (dt='2016-08-08', hour='10');

8、数据加载进分区表中语法：

LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)]

例：
LOAD DATA INPATH '/user/uv.txt' INTO TABLE test_table_2 PARTITION(dt='2016-08-08', hour='08'); LOAD DATA local INPATH '/user/hh/' INTO TABLE test_table  partition(dt='2013-02- 07');

当数据被加载至表中时，不会对数据进行任何转换。

Load *** 作只是将数据复制至Hive表对应的位置。

数据加载时在表下自动创建一个目录，文件存放在该分区下。

9、基于分区的查询的语句：

SELECT test_table.* FROM test_table WHERE test_table.dt>= '2008-08-08';

10、查看双分区语句：
hive> show partitions test_table_2; 
OK 
dt=2016-08-08/hour=10 
dt=2016-08-09/hour=10
dt=2008-08-09/hour=10

 

举例：

1. CREATE TABLE `incr_test_2`(
2. `ord_id` string,
3. `ord_no` string,
4. `creat_date` string,
5. `creat_time` string,
6. `time_stamp` string)
7. COMMENT 'Imported by sqoop on 2016/08/08 14:53:43'
8. PARTITIONED BY (
9. `log_time` string)
10. ROW FORMAT SERDE
11. 'org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe'
12. WITH SERDEPROPERTIES (
13. 'field.delim'='\u0001',
14. 'line.delim'='\n',
15. 'serialization.format'='\u0001')
16. STORED AS INPUTFORMAT
17. 'org.apache.hadoop.mapred.TextInputFormat'
18. OUTPUTFORMAT
19. 'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat'
20. ;

查看对应的建表信息：

1. hive (origin_test)> show create table incr_test_2;
2. OK
3. CREATE TABLE `incr_test_2`(
4. `ord_id` string,
5. `ord_no` string,
6. `creat_date` string,
7. `creat_time` string,
8. `time_stamp` string)
9. COMMENT 'Imported by sqoop on 2016/08/04 14:53:43'
10. PARTITIONED BY (
11. `log_time` string)
12. ROW FORMAT SERDE
13. 'org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe'
14. WITH SERDEPROPERTIES (
15. 'field.delim'='\u0001',
16. 'line.delim'='\n',
17. 'serialization.format'='\u0001')
18. STORED AS INPUTFORMAT
19. 'org.apache.hadoop.mapred.TextInputFormat'
20. OUTPUTFORMAT
21. 'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat'
22. LOCATION
23. 'hdfs://nameservice/user/hive/warehouse/origin_test.db/incr_test_2'
24. TBLPROPERTIES (
25. 'transient_lastDdlTime'='1470293625')

查看分区表：

1. -- 查看单分区：
2. hive (origin_test)>show partitions incr_test_2;
3. OK
4. log_time=20160917182510
5. log_time=20160917192512
6. log_time=20160917202512
7. log_time=20160917212512
8. log_time=20160917222510
9. log_time=20160917232511
10. log_time=20160918002525
11. log_time=20160918012514
12. log_time=20160918022513
13. log_time=20160918032510
14. log_time=20160918042510
15. log_time=20160918052511
16. log_time=20160918062513
17. log_time=20160918072510
18. log_time=20160918082510
19. log_time=20160918092511
20. log_time=20160918102510
21. log_time=20160918112511
22. log_time=20160918122512
23. log_time=20160918132511
24. Time taken: 0.264 seconds, Fetched: 20 row(s)
25. hive (origin_ennenergy_transport)>