Hive的元数据表结构详解

原文地址：https://www.cnblogs.com/1130136248wlxk/articles/5517909.html

关键字：Hive元数据、Hive元数据表结构

本文介绍一下Hive元数据中重要的一些表结构及用途，以Hive0.13为例。

文章最后面，会以一个示例来全面了解一下，Hive的元数据是怎么生成和存储的。

13.1 存储Hive版本的元数据表（VERSION）

该表比较简单，但很重要。

VER_IDSCHEMA_VERSIONVERSION_COMMENTID主键Hive版本版本说明10.13.0Set by MetaStore

如果该表出现问题，根本进入不了Hive-Cli。

比如该表不存在，当启动Hive-Cli时候，就会报错”Table ‘hive.version’ doesn’t exist”。

13.2 Hive数据库相关的元数据表（DBS、DATABASE_PARAMS）

• DBS

该表存储Hive中所有数据库的基本信息，字段如下：

元数据表字段说明示例数据DB_ID数据库ID2DESC数据库描述测试库DB_LOCATION_URI数据库HDFS路径hdfs://namenode/user/hive/warehouse/lxw1234.dbNAME数据库名lxw1234OWNER_NAME数据库所有者用户名lxw1234OWNER_TYPE所有者角色USER

 

• DATABASE_PARAMS

该表存储数据库的相关参数，在CREATE DATABASE时候用

WITH DBPROPERTIES (property_name=property_value, …)指定的参数。

元数据表字段说明示例数据DB_ID数据库ID2PARAM_KEY参数名createdbyPARAM_VALUE参数值lxw1234

DBS和DATABASE_PARAMS这两张表通过DB_ID字段关联。

 

13.3 Hive表和视图相关的元数据表

主要有TBLS、TABLE_PARAMS、TBL_PRIVS，这三张表通过TBL_ID关联。

• TBLS

该表中存储Hive表、视图、索引表的基本信息。

元数据表字段说明示例数据TBL_ID表ID1CREATE_TIME创建时间1436317071DB_ID数据库ID2，对应DBS中的DB_IDLAST_ACCESS_TIME上次访问时间1436317071OWNER所有者liuxiaowenRETENTION保留字段0SD_ID序列化配置信息86，对应SDS表中的SD_IDTBL_NAME表名lxw1234TBL_TYPE表类型MANAGED_TABLE、EXTERNAL_TABLE、INDEX_TABLE、VIRTUAL_VIEWVIEW_EXPANDED_TEXT视图的详细HQL语句select `lxw1234`.`pt`, `lxw1234`.`pcid` from `liuxiaowen`.`lxw1234`VIEW_ORIGINAL_TEXT视图的原始HQL语句select * from lxw1234

 

• TABLE_PARAMS

该表存储表/视图的属性信息。

元数据表字段说明示例数据TBL_ID表ID1PARAM_KEY属性名totalSize、numRows、EXTERNALPARAM_VALUE属性值970107336、21231028、TRUE

 

• TBL_PRIVS

该表存储表/视图的授权信息

元数据表字段说明示例数据TBL_GRANT_ID授权ID1CREATE_TIME授权时间1436320455GRANT_OPTION
0GRANTOR授权执行用户liuxiaowenGRANTOR_TYPE授权者类型USERPRINCIPAL_NAME被授权用户usernamePRINCIPAL_TYPE被授权用户类型USERTBL_PRIV权限Select、AlterTBL_ID表ID22，对应TBLS表中的TBL_ID

 

13.4 Hive文件存储信息相关的元数据表

主要涉及SDS、SD_PARAMS、SERDES、SERDE_PARAMS

由于HDFS支持的文件格式很多，而建Hive表时候也可以指定各种文件格式，Hive在将HQL解析成MapReduce时候，需要知道去哪里，使用哪种格式去读写HDFS文件，而这些信息就保存在这几张表中。

• SDS

该表保存文件存储的基本信息，如INPUT_FORMAT、OUTPUT_FORMAT、是否压缩等。

TBLS表中的SD_ID与该表关联，可以获取Hive表的存储信息。

元数据表字段说明示例数据SD_ID存储信息ID1CD_ID字段信息ID21，对应CDS表INPUT_FORMAT文件输入格式org.apache.hadoop.mapred.TextInputFormatIS_COMPRESSED是否压缩0IS_STOREDASSUBDIRECTORIES是否以子目录存储0LOCATIONHDFS路径hdfs://namenode/hivedata/warehouse/ut.db/t_lxwNUM_BUCKETS分桶数量5OUTPUT_FORMAT文件输出格式org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormatSERDE_ID序列化类ID3，对应SERDES表

 

• SD_PARAMS

该表存储Hive存储的属性信息，在创建表时候使用

STORED BY ‘storage.handler.class.name’ [WITH SERDEPROPERTIES (…)指定。

元数据表字段说明示例数据SD_ID存储配置ID1PARAM_KEY存储属性名
PARAM_VALUE存储属性值

• SERDES

该表存储序列化使用的类信息

元数据表字段说明示例数据SERDE_ID序列化类配置ID1NAME序列化类别名
SLIB序列化类org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe

 

• SERDE_PARAMS

该表存储序列化的一些属性、格式信息,比如：行、列分隔符

元数据表字段说明示例数据SERDE_ID序列化类配置ID1PARAM_KEY属性名field.delimPARAM_VALUE属性值,

 

13.5 Hive表字段相关的元数据表

主要涉及COLUMNS_V2

• COLUMNS_V2

该表存储表对应的字段信息。

元数据表字段说明示例数据CD_ID字段信息ID1COMMENT字段注释
COLUMN_NAME字段名ptTYPE_NAME字段类型stringINTEGER_IDX字段顺序2

 

13.6 Hive表分区相关的元数据表

主要涉及PARTITIONS、PARTITION_KEYS、PARTITION_KEY_VALS、PARTITION_PARAMS

• PARTITIONS

该表存储表分区的基本信息。

元数据表字段说明示例数据PART_ID分区ID1CREATE_TIME分区创建时间
LAST_ACCESS_TIME最后一次访问时间
PART_NAME分区名pt=2015-06-12SD_ID分区存储ID21TBL_ID表ID2

• PARTITION_KEYS

该表存储分区的字段信息。

元数据表字段说明示例数据TBL_ID表ID2PKEY_COMMENT分区字段说明
PKEY_NAME分区字段名ptPKEY_TYPE分区字段类型stringINTEGER_IDX分区字段顺序1

 

• PARTITION_KEY_VALS

该表存储分区字段值。

元数据表字段说明示例数据PART_ID分区ID2PART_KEY_VAL分区字段值2015-06-12INTEGER_IDX分区字段值顺序0

 

• PARTITION_PARAMS

该表存储分区的属性信息。

元数据表字段说明示例数据PART_ID分区ID2PARAM_KEY分区属性名numFiles、numRowsPARAM_VALUE分区属性值15、502195

 

13.6 其他不常用的元数据表

• DB_PRIVS

数据库权限信息表。通过GRANT语句对数据库授权后，将会在这里存储。

• IDXS

索引表，存储Hive索引相关的元数据

• INDEX_PARAMS

索引相关的属性信息。

• TAB_COL_STATS

表字段的统计信息。使用ANALYZE语句对表字段分析后记录在这里。

• TBL_COL_PRIVS

表字段的授权信息

• PART_PRIVS

分区的授权信息

• PART_COL_STATS

分区字段的统计信息。

• PART_COL_PRIVS

分区字段的权限信息。

• FUNCS

用户注册的函数信息

• FUNC_RU

用户注册函数的资源信息

 

13.6 示例

建表语句：

1. CREATE TABLE lxw1234 (
2. cookieid STRING,
3. url STRING,
4. ua STRING,
5. ip STRING,
6. createtime STRING
7. )
8. COMMENT 'This is the page view table'
9. partitioned BY (day STRING,site STRING)
10. ROW FORMAT DELIMITED
11. FIELDS TERMINATED BY ','
12. stored AS ORC;

建表执行之后，元数据中以下表的数据会有所变化：

• TBLS

生成了表lxw1234的基本信息

SELECT * FROM TBLS WHERE TBL_NAME = ‘lxw1234’;

元数据表字段数据TBL_ID41509CREATE_TIME1436324659DB_ID11LAST_ACCESS_TIME0OWNERliuxiaowenRETENTION0SD_ID91740TBL_NAMElxw1234TBL_TYPEMANAGED_TABLEVIEW_EXPANDED_TEXTNULLVIEW_ORIGINAL_TEXTNULL

 

• TABLE_PARAMS

select  *  from  TABLE_PARAMS  WHERE  TBL_ID=41509

TBL_IDPARAM_KEYPARAM_VALUE41509commentThis is the page view table41509transient_lastDdlTime1436324659

 

• SDS

SELECT * FROM SDS WHERE SD_ID = 91740

元数据表字段数据SD_ID91740CD_ID41564INPUT_FORMATorg.apache.hadoop.hive.ql.io.orc.OrcInputFormatIS_COMPRESSED0IS_STOREDASSUBDIRECTORIES0LOCATIONhdfs://namenode/hivedata/warehouse/liuxiaowen.db/lxw1234NUM_BUCKETS-1OUTPUT_FORMATorg.apache.hadoop.hive.ql.io.orc.OrcOutputFormatSERDE_ID91740

• SERDES

select * from SERDES WHERE SERDE_ID = 91740

元数据表字段数据SERDE_ID91740NAME
SLIBorg.apache.hadoop.hive.ql.io.orc.OrcSerde

 

• SERDE_PARAMS

select * from  SERDE_PARAMS  WHERE  SERDE_ID=91740

 

SERDE_IDPARAM_KEYPARAM_VALUE91740field.delim,91740serialization.format,

 

• COLUMNS_V2

select * from COLUMNS_V2 WHERE CD_ID=41564 ORDER BY INTEGER_IDX

CD_IDCOMMENTCOLUMN_NAMETYPE_NAMEINTEGER_IDX41564
cookieidstring041564
urlstring141564
uastring241564
ipstring341564
createtimestring4

 

• PARTITION_KEYS

select * from  PARTITION_KEYS  WHERE  TBL_ID=41509

TBL_IDPKEY_COMMENTPKEY_NAMEPKEY_TYPEINTEGER_IDX41509
daystring041509
sitestring1

再插入数据：

1. INSERT OVERWRITE TABLE lxw1234 PARTITION (day = '2015-07-08', site = 'lxw1234.com')
2. SELECT
3. 'cookie1' AS cookieid,
4. 'http://lxw1234.com' AS url,
5. 'firefox' AS ua,
6. '127.0.0.1' AS ip,
7. '2015-07-08 11:00:01' AS createtime
8. FROM dual
9. limit 1;
10.  

插入数据执行完之后，以下表的元数据发生变化：

 

• PARTITIONS

select * from  `PARTITIONS`  WHERE  TBL_ID=41509

PART_IDCREATE_TIMELAST_ACCESS_TIMEPART_NAMESD_IDTBL_ID5447214363258120day=2015-07-08/site=lxw1234.com9174641509

• SDS

select *  from  SDS  WHERE  SD_ID=91746

注意：这里的存储和表的存储是不同的，因为每个分区也会有一个SD

元数据表字段数据SD_ID91746CD_ID41564INPUT_FORMATorg.apache.hadoop.hive.ql.io.orc.OrcInputFormatIS_COMPRESSED0IS_STOREDASSUBDIRECTORIES0LOCATIONhdfs://namenode/hivedata/warehouse/liuxiaowen.db/lxw1234/day=2015-07-08/site=lxw1234.comNUM_BUCKETS-1OUTPUT_FORMATorg.apache.hadoop.hive.ql.io.orc.OrcOutputFormatSERDE_ID91746

 

• PARTITION_KEY_VALS

select  *  from  PARTITION_KEY_VALS  where  PART_ID=54472

PART_IDPART_KEY_VALINTEGER_IDX544722015-07-08054472lxw1234.com1

 

• PARTITION_PARAMS

select * from PARTITION_PARAMS where PART_ID = 54472

PART_IDPARAM_KEYPARAM_VALUE54472COLUMN_STATS_ACCURATEtrue54472numFiles154472numRows154472rawDataSize40854472totalSize70354472transient_lastDdlTime1436325813

 

在分区的属性里面，生成的该分区的统计信息（Statistics）。

关于Hive的统计信息（Statistics），后面将会介绍。