Hive中sql的使用
来源:互联网 发布:tor browser mac 编辑:程序博客网 时间:2024/05/20 02:23
在hive的使用中写了不少常用的hql,但在这里更系统的写完sql的基本操作。
1、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]
创建测试使用的数据库myhive3,使用该数据库。
1)、创建普通表
0: jdbc:hive2://localhost:10000> create database myhive3;No rows affected (0.204 seconds)0: jdbc:hive2://localhost:10000> use myhive3;No rows affected (0.13 seconds)0: jdbc:hive2://localhost:10000> create table t1(id int,name string)0: jdbc:hive2://localhost:10000> row format delimited fields terminated by ',';//指定,分割,具体的参考前面说的那篇No rows affected (0.117 seconds)0: jdbc:hive2://localhost:10000> show tables ;+-----------+--+| tab_name |+-----------+--+| t1 |+-----------+--+0: jdbc:hive2://localhost:10000> desc t1;+-----------+------------+----------+--+| col_name | data_type | comment |+-----------+------------+----------+--+| id | int | || name | string | |+-----------+------------+----------+--+
2)、创建外部表
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。
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。
location当然是指定表(hdfs上)位置
0: jdbc:hive2://localhost:10000> create external table t2(id int,name string)0: jdbc:hive2://localhost:10000> row format delimited fields terminated by ','0: jdbc:hive2://localhost:10000> stored as textfile0: jdbc:hive2://localhost:10000> location '/mytable2';No rows affected (0.133 seconds)
页面查看是否创建了该表
直接创建在根目录下的,区别于普通表创建在/user/hive/warehouse目录下。
3)、创建分区
创建分区,分区字段fields string,查看表信息的时候会显示该表下所有分区信息的。
0: jdbc:hive2://localhost:10000> create table t3(id int,name string)0: jdbc:hive2://localhost:10000> partitioned by(fields string)0: jdbc:hive2://localhost:10000> row format delimited fields terminated by ',';No rows affected (0.164 seconds)0: jdbc:hive2://localhost:10000> load data local inpath '/root/sz.data' into table t3 partition (fields ='Chengdu');INFO : Loading data to table myhive3.t3 partition (fields=Chengdu) from file:/root/sz.dataINFO : Partition myhive3.t3{fields=Chengdu} stats: [numFiles=1, numRows=0, totalSize=91, rawDataSize=0]No rows affected (0.738 seconds)0: jdbc:hive2://localhost:10000> load data local inpath '/root/sz.data' into table t3 partition (fields ='Wuhan');INFO : Loading data to table myhive3.t3 partition (fields=Wuhan) from file:/root/sz.dataINFO : Partition myhive3.t3{fields=Wuhan} stats: [numFiles=1, numRows=0, totalSize=91, rawDataSize=0]No rows affected (0.608 seconds)0: jdbc:hive2://localhost:10000> select * from t3;+--------+-----------+------------+--+| t3.id | t3.name | t3.fields |+--------+-----------+------------+--+| 1 | zhangsan | Chengdu || 2 | lisi | Chengdu || 3 | wangwu | Chengdu || 4 | furong | Chengdu || 5 | fengjie | Chengdu || 6 | aaa | Chengdu || 7 | bbb | Chengdu || 8 | ccc | Chengdu || 9 | ddd | Chengdu || 10 | eee | Chengdu || 11 | fff | Chengdu || 12 | ggg | Chengdu || 1 | zhangsan | Wuhan || 2 | lisi | Wuhan || 3 | wangwu | Wuhan || 4 | furong | Wuhan || 5 | fengjie | Wuhan || 6 | aaa | Wuhan || 7 | bbb | Wuhan || 8 | ccc | Wuhan || 9 | ddd | Wuhan || 10 | eee | Wuhan || 11 | fff | Wuhan || 12 | ggg | Wuhan |+--------+-----------+------------+--+
页面查看
这两个分区目录下都存放了文件sz.data。
4)、创建分桶表
这个比较麻烦一些,在hive分桶这篇博文有较详细的讲解。
2、修改表
1)、增加、删除表分区
语法
增加ALTER TABLE table_name ADD [IF NOT EXISTS] partition_spec [ LOCATION 'location1' ] partition_spec [ LOCATION 'location2' ] ...删除ALTER TABLE table_name DROP partition_spec, partition_spec,...
还是对上面的分区表t3
增加分区fields=’Hefei’位置还是跟其他分区一致(可以省略不写)
由于hive客户端命令行可以使用hadoop命令查看文件系统(dfs),后面就不去页面查看了
0: jdbc:hive2://localhost:10000> alter table t3 add partition (fields='Hefei');No rows affected (0.198 seconds)0: jdbc:hive2://localhost:10000> dfs -ls /user/hive/warehouse/myhive3.db/t3;+---------------------------------------------------------------------------------------------------------------+--+| DFS Output |+---------------------------------------------------------------------------------------------------------------+--+| Found 3 items || drwxr-xr-x - root supergroup 0 2017-10-19 05:17 /user/hive/warehouse/myhive3.db/t3/fields=Chengdu || drwxr-xr-x - root supergroup 0 2017-10-19 05:28 /user/hive/warehouse/myhive3.db/t3/fields=Hefei || drwxr-xr-x - root supergroup 0 2017-10-19 05:18 /user/hive/warehouse/myhive3.db/t3/fields=Wuhan |+---------------------------------------------------------------------------------------------------------------+--+0: jdbc:hive2://localhost:10000> alter table t3 drop partition (fields='Hefei');INFO : Dropped the partition fields=HefeiNo rows affected (0.536 seconds)0: jdbc:hive2://localhost:10000> dfs -ls /user/hive/warehouse/myhive3.db/t3;+---------------------------------------------------------------------------------------------------------------+--+| DFS Output |+---------------------------------------------------------------------------------------------------------------+--+| Found 2 items || drwxr-xr-x - root supergroup 0 2017-10-19 05:17 /user/hive/warehouse/myhive3.db/t3/fields=Chengdu || drwxr-xr-x - root supergroup 0 2017-10-19 05:18 /user/hive/warehouse/myhive3.db/t3/fields=Wuhan |+---------------------------------------------------------------------------------------------------------------+--+
2)、重命名表
语法
alter table old_name rename to new_name
将t1改名为t4
0: jdbc:hive2://localhost:10000> alter table t1 rename to t4;No rows affected (0.183 seconds)0: jdbc:hive2://localhost:10000> show tables;+-----------+--+| tab_name |+-----------+--+| t2 || t3 || t4 |+-----------+--+3 rows selected (0.127 seconds)
3)、添加、更新列
语法
alter table table_name add|replace columns(col_name data_type ...)
注:ADD是代表新增一字段,字段位置在所有列后面,REPLACE则是表示替换表中所有字段。
0: jdbc:hive2://localhost:10000> desc t4;+-----------+------------+----------+--+| col_name | data_type | comment |+-----------+------------+----------+--+| id | int | || name | string | |+-----------+------------+----------+--+2 rows selected (0.315 seconds)0: jdbc:hive2://localhost:10000> alter table t4 add columns (age int);No rows affected (0.271 seconds)0: jdbc:hive2://localhost:10000> desc t4;+-----------+------------+----------+--+| col_name | data_type | comment |+-----------+------------+----------+--+| id | int | || name | string | || age | int | |+-----------+------------+----------+--+3 rows selected (0.199 seconds)0: jdbc:hive2://localhost:10000> alter table t4 replace columns (no string,name string,scores int);No rows affected (0.406 seconds)0: jdbc:hive2://localhost:10000> desc t4;+-----------+------------+----------+--+| col_name | data_type | comment |+-----------+------------+----------+--+| no | string | || name | string | || scores | int | |+-----------+------------+----------+--+
常用显示命令
show tablesshow databasesshow partitionsshow functionsdesc formatted table_name;//跟desc table_name一样,但是显示的内容更多
3、数据操作
1)、load导入数据
上面已经演示了将本地的文件sz.data导入到t3表中。
load也就是说将文件复制到指定的表(目录)下,指定了local的话那么会去查找本地文件系统中的文件路径。如果没指定会根据inpath指定的路径去查找。如果是hdfs的话,如下格式
hdfs://namenode:9000/user/hive/project/data1。
另外如果使用了 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。
0: jdbc:hive2://localhost:10000> load data local inpath '/root/sz.data' overwrite into table t4 ;INFO : Loading data to table myhive3.t4 from file:/root/sz.dataINFO : Table myhive3.t4 stats: [numFiles=1, numRows=0, totalSize=91, rawDataSize=0]No rows affected (0.7 seconds)0: jdbc:hive2://localhost:10000> select * from t4;+--------+-----------+------------+--+| t4.no | t4.name | t4.scores |+--------+-----------+------------+--+| 1 | zhangsan | NULL || 2 | lisi | NULL || 3 | wangwu | NULL || 4 | furong | NULL || 5 | fengjie | NULL || 6 | aaa | NULL || 7 | bbb | NULL || 8 | ccc | NULL || 9 | ddd | NULL || 10 | eee | NULL || 11 | fff | NULL || 12 | ggg | NULL |+--------+-----------+------------+--+
2)、插入语句
向表中插入语句的话
普通插入,查询其他表的表信息插入(自动数量要一致),将查询结果保存到一个目录中(目录会自动创建,由OutputFormat实现)。
insert into table t4 values('13','zhangsan',99);
0: jdbc:hive2://localhost:10000> truncate table t4;//清空表信息0: jdbc:hive2://localhost:10000> insert into t4 0: jdbc:hive2://localhost:10000> select id,name from t3;0: jdbc:hive2://localhost:10000> select * from t4;+--------+-----------+--+| t4.no | t4.name |+--------+-----------+--+| 1 | zhangsan || 2 | lisi || 3 | wangwu || 4 | furong || 5 | fengjie || 6 | aaa || 7 | bbb || 8 | ccc || 9 | ddd || 10 | eee || 11 | fff || 12 | ggg || 1 | zhangsan || 2 | lisi || 3 | wangwu || 4 | furong || 5 | fengjie || 6 | aaa || 7 | bbb || 8 | ccc || 9 | ddd || 10 | eee || 11 | fff || 12 | ggg |+--------+-----------+--+
重新创建表t5,将表信息保存到本地目录/root/insertDir/test中
0: jdbc:hive2://localhost:10000> insert overwrite local directory '/root/insertDir/test'0: jdbc:hive2://localhost:10000> select * from t5;查看本地[root@mini1 ~]# cd insertDir/test/[root@mini1 test]# ll总用量 4-rw-r--r--. 1 root root 91 10月 19 06:15 000000_0[root@mini1 test]# cat 000000_0 1zhangsan2lisi3wangwu4furong5fengjie6aaa7bbb8ccc9ddd10eee11fff12ggg
4、数据查询SELECT
语法基本跟mysql一样,留意下分桶即可
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]
在前面做了很多测试,就不想再重复了,会mysql的查询这个肯定也会。
需要注意的是order by和sort by的区别,在hive分桶这篇中也说过了。
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。
主要介绍下join
5、Join查询
join查询其实跟mysql还是一样的
准备数据
a.txt中
1,a
2,b
3,c
4,d
7,y
8,u
b.txt中
2,bb
3,cc
7,yy
9,pp
创建表a和b,将a.txt导入到a表中,b.txt导入到b表中
1)、内连接
0: jdbc:hive2://localhost:10000> create table a(id int,name string)0: jdbc:hive2://localhost:10000> row format delimited fields terminated by ',';No rows affected (0.19 seconds)0: jdbc:hive2://localhost:10000> create table b(id int,name string)0: jdbc:hive2://localhost:10000> row format delimited fields terminated by ',';No rows affected (0.071 seconds)0: jdbc:hive2://localhost:10000> load data local inpath '/root/a.txt' into table a;0: jdbc:hive2://localhost:10000> load data local inpath '/root/b.txt' into table b;0: jdbc:hive2://localhost:10000> select * from a;+-------+---------+--+| a.id | a.name |+-------+---------+--+| 1 | a || 2 | b || 3 | c || 4 | d || 7 | y || 8 | u |+-------+---------+--+6 rows selected (0.218 seconds)0: jdbc:hive2://localhost:10000> select * from b;+-------+---------+--+| b.id | b.name |+-------+---------+--+| 2 | bb || 3 | cc || 7 | yy || 9 | pp |+-------+---------+--+4 rows selected (0.221 seconds)0: jdbc:hive2://localhost:10000> select * from a inner join b on a.id = b.id;...+-------+---------+-------+---------+--+| a.id | a.name | b.id | b.name |+-------+---------+-------+---------+--+| 2 | b | 2 | bb || 3 | c | 3 | cc || 7 | y | 7 | yy |+-------+---------+-------+---------+--+
根据id进行连接,能连接到的则串起来。
2)、左外连接(outer可省)
0: jdbc:hive2://localhost:10000> select * from a left outer join b on a.id = b.id;...+-------+---------+-------+---------+--+| a.id | a.name | b.id | b.name |+-------+---------+-------+---------+--+| 1 | a | NULL | NULL || 2 | b | 2 | bb || 3 | c | 3 | cc || 4 | d | NULL | NULL || 7 | y | 7 | yy || 8 | u | NULL | NULL |+-------+---------+-------+---------+--+6 rows selected (16.453 seconds)
左边的表内容全列出来,右边的能连上的就显示,不能的则显示null。
右外连接则相反。
3)、全连接full outer
0: jdbc:hive2://localhost:10000> select * from a full outer join b on a.id = b.id;...+-------+---------+-------+---------+--+| a.id | a.name | b.id | b.name |+-------+---------+-------+---------+--+| 1 | a | NULL | NULL || 2 | b | 2 | bb || 3 | c | 3 | cc || 4 | d | NULL | NULL || 7 | y | 7 | yy || 8 | u | NULL | NULL || NULL | NULL | 9 | pp |+-------+---------+-------+---------+--+
相当于左连接+右连接
4)、semi join
0: jdbc:hive2://localhost:10000> select * from a left semi join b on a.id = b.id;+-------+---------+--+| a.id | a.name |+-------+---------+--+| 2 | b || 3 | c || 7 | y |+-------+---------+--+3 rows selected (17.511 seconds)
相当于左外连接得到的信息的左半部分。
注:可以理解为exist in(…),但是hive中没有该语法,所以使用LEFT SEMI JOIN代替IN/EXISTS的,前者为后者高效实现。
比如下面的例子
重写以下子查询为LEFT SEMI JOIN SELECT a.key, a.value FROM a WHERE a.key exist in (SELECT b.key FROM B);可以被重写为: SELECT a.key, a.val FROM a LEFT SEMI JOIN b on (a.key = b.key)
- Hive中sql的使用
- Hive SQL中join的使用
- hive中使用sql语句需要注意的事项
- Spark(Hive) SQL中UDF的使用(Python)
- spark sql 中 hive变量的使用记录
- hive sql 中lateral view explode/json_tuple的使用
- hive中数组的使用
- Hive中Mapjoin的使用
- hive中RegexSerDe的使用
- hive中RegexSerDe的使用
- Hive中UDF的使用
- Hive中数组的使用
- Hive中SQL的优化技巧
- Spark SQL 整合Hive的使用
- Hive SQL使用中遇到的问题与解决方案(持续更新
- Hive SQL 使用笔记
- 编写hive udf和使用hive udf:hue的hive界面中使用hive udf函数、oozie使用hive udf函数、hive命令行使用udf函数
- 编写hive udf和使用hive udf:hue的hive界面中使用hive udf函数、oozie使用hive udf函数、hive命令行使用udf函数
- MySQL数据库设计总结
- Quartz教程 第3课 Job和JobDetail详解
- 最短路径—Dijkstra算法和Floyd算法
- bzoj1131: [POI2008]Sta
- 正则表达式 stringr包
- Hive中sql的使用
- 间单窗口
- hbase 源代码解析(22)部分流程图笔记
- OSS项目-16-22总结
- 今日头条首页模拟
- AngularJS实现增删改查数据/排序功能
- 不完整购物车
- CentOS 7修改SSH端口并配置iptables防火墙
- J2EE考试题