fengsong97用到的hive

99封情书 提交于 2020-01-15 04:19:40

 目录

hive介绍

hive 内外部表

hive 分区表

hive 建模

hive JDBC


hive介绍

hive 内外部表

hive 内部表 MANAGED_TABLE, 是被hive完全管理的表, 完全管理元数据和数据 (默认和建议创建为内部表), 

数据会被放到特定的路径下 hdfs://nameservice/user/hive/warehouse/default.db/user

这个特定路径看配置: Hive的${HIVE_HOME}/conf/hive-site.xml 里的 hive.metastore.warehouse.dir 属性指向的就是Hive表数据存放的路径

简单建表示例

hive> create table default.user (id int, name string ) ;

hive 外部表 EXTERNAL_TABLE ,一般先有数据,再建表用于关联原来数据的表,  hive只管理元数据, 不能完全管理数据 ( insert into/overwrite 表时 数据相应改变, 但直接drop 表时数据会保留在hdfs 路径里)

简单建表示例

hive>create external table default.user_e ( id int , name string  ) 

       >row format delimited

       >fields terminated by '\t'

       >location '文件的hdfs路径';

查询是内部表还是外部表

hive> describe formatted user;

返回: 

...

Table Type:     

...    

...

MANAGED_TABLE  /  EXTERNAL_TABLE

... 

内部表 和 外部表的区别

  1. 看见建表时是否有EXTERNAL关键字
  2. 内部表是 hive完全管理的表, 完全管理元数据和数据
  3. 外部表一般是先有数据,再建表用于关联原来数据的表, hive完全管理元数据, 不完全管理数据 ( insert into/overwrite 表时 数据相应改变, 但直接drop 表时数据会保留在hdfs 路径里 )

以下是官网中关于内外部表的介绍 , 不难理解:

A table created without the EXTERNAL clause is called a managed table because Hive manages its data.
Managed and External Tables
By default Hive creates managed tables, where files, metadata and statistics are managed by internal Hive processes. A managed table is stored under the hive.metastore.warehouse.dir path property, by default in a folder path similar to /apps/hive/warehouse/databasename.db/tablename/. The default location can be overridden by the location property during table creation. If a managed table or partition is dropped, the data and metadata associated with that table or partition are deleted. If the PURGE option is not specified, the data is moved to a trash folder for a defined duration.
Use managed tables when Hive should manage the lifecycle of the table, or when generating temporary tables.
An external table describes the metadata / schema on external files. External table files can be accessed and managed by processes outside of Hive. External tables can access data stored in sources such as Azure Storage Volumes (ASV) or remote HDFS locations. If the structure or partitioning of an external table is changed, an MSCK REPAIR TABLE table_name statement can be used to refresh metadata information.
Use external tables when files are already present or in remote locations, and the files should remain even if the table is dropped.
Managed or external tables can be identified using the DESCRIBE FORMATTED table_name command, which will display either MANAGED_TABLE or EXTERNAL_TABLE depending on table type.
Statistics can be managed on internal and external tables and partitions for query optimization.

Hive官网介绍:
https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL#LanguageManualDDL-DescribeTable/View/Column

hive 分区表

发现有个讲的挺好的文章, 我要说的其实也就是这些,

这里推荐下: https://www.jianshu.com/p/69efe36d068b

hive 建模

所谓 hive 建模 就是利用hive表与表之间的业务事实关系, 进行有目的的关联和删选, 利用写SQL

星型: 只有一张事实表,多张维度表, 维度表之间没有关系。

雪花型: 星型建模的扩展,只有一张事实表, 多张维度表之间有关系。

星座型: 也是星型模型的扩展,多张事实表, 多张维度表, 多张维度表之间有关系。

hive 使用

  1. 命令行模式
  2. hue模型
  3. jdbc模式,这是开发中主要使用的模式, 因为能和各种编程语言结合

 

 

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!