hive 学习笔记——表的入门操作和命令

1、受控表（managed table）包括内部表、分区表、桶表；

1.1、分区表

创建分区表：

create table banji(id INT,name STRING) partitioned by(grade INT) row format delimited fields terminated by '	';
create table member(id INT,name STRING) partitioned by(year INT,month INT) row format delimited fields terminated by '	';

为分区表加载数据

load data local inpath 'student1' into table banji partition(grade=1);
load data local inpath 'student1' into table banji partition(year=2014,month=1);

*分区字段在文件中是没有的，但是查询是显示出来的，分区字段是作为虚拟列存在的

分区不是越多越好，需要对分区数量进行限制（分区过多，会产生过多的小文件）

分区字段：查询比较频繁，并且不会有很多枚举值的字段适合作为分区字段

1.2、桶表（bucket table）

桶就是那个模的数字

优点：每个桶的数据量差不多，在进行表连接查询的的时候方便

缺点：按业务字段查的时候没效果

应用场景：抽样、表连接

创建桶表

create table bucket(id INT,name STRING) clustered by(id) into 3 buckets;

启用桶表

SET hive.enforce.bucketing=true;

添加数据

insert overwrite table bucket select id ,name from banji;

*不能用load方式，load方式是简单的复制进hive表，insert的时候，会通过mr处理分桶

2、非受控表指外部表

删除表的时候只删除了表定义，不会对HDFS中的数据进行删除

创建外部表

create external table ext_table(c1 STRING,c2 STRING) row format delimited fields terminated by ' ' location '/ext_data';

3、命令行工具

3.1、set命令可以设置变量也可以显示变量

3.2、设置启动初始化命令

*hive启动时会默认执行home下的.hiverc文件，该文件位于home目录下

set hive.cli.print.current.db=true ;
#打印当前数据库名
set hive.cli.print.header=true;
#打印标题行
set hive.querylog.location=logpath;
#设置hive的查询日志保存地址

3.2、在不进入hive的命令行的情况下执行hvie命令

hive -e "hive命令"
hive -e "">>aaa
#结果追加到aaa文件中
hive -S -e "">>bbb
#输出较少日志

3.3、指定hive执行日志存放地址

hive --hiveconf hive.querylog.location=logpath

3.4、执行文件中的hive脚本

hive -f file

在hive命令行时执行：

source file