Hive基础（10）：元数据（一）Hive的元数据表结构详解

https://blog.csdn.net/yu0_zhang0/article/details/80697913

1 概述

我们知道Apache Hive 是构建在Apache Hadoop之上的数据仓库。有助于对大型的数据集进行读、写和管理。这也是官网介绍的第一句话，虽然简短但是却能提炼出很多东西，大家可以去细细品味下。该篇博客不做过多讲述。本文我们介绍Hive的原数据表，他默认是存储再derby中的，但是我们一般会修改会mysql。作者使用的也是mysql进行的管理。

2 Hive元数据表结构

  • hive-site.xml
<property>
  <name>javax.jdo.option.ConnectionURL</name>
  <value>jdbc:mysql://localhost:3306/basic01?createDatabaseIfNotExist=true</value>
</property>
<property>
    <name>javax.jdo.option.ConnectionDriverName</name>
    <value>com.mysql.jdbc.Driver</value>
</property>
  • 通过mysql查看basic01数据库
show tables;
+---------------------------+
| Tables_in_basic01         |
+---------------------------+
| bucketing_cols            |
| cds                       |
| columns_v2                |
| database_params           |
| dbs                       |
| func_ru                   |
| funcs                     |
| global_privs              |
| idxs                      |
| index_params              |
| part_col_privs            |
| part_col_stats            |
| part_privs                |
| partition_key_vals        |
| partition_keys            |
| partition_params          |
| partitions                |
| roles                     |
| sd_params                 |
| sds                       |
| sequence_table            |
| serde_params              |
| serdes                    |
| skewed_col_names          |
| skewed_col_value_loc_map  |
| skewed_string_list        |
| skewed_string_list_values |
| skewed_values             |
| sort_cols                 |
| tab_col_stats             |
| table_params              |
| tbl_col_privs             |
| tbl_privs                 |
| tbls                      |
| version                   |
+---------------------------+

下面我们就一个一个讲解看看其中到底是什么关系。

2.1 version（存储Hive版本的元数据表）

VER_IDSCHEMA_VERSIONVERSION_COMMENT
ID主键 Hive版本 版本说明
1 0.12.0 Set by MetaStore hadoop@192.168.137.130

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”。

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

    • select * from dbs
      该表存储Hive中所有数据库的基本信息，字段如下：
数据库ID数据库描述数据库HDFS路径数据库名数据库所有者用户名所有者角色
DB_ID DESC DB_LOCATION_URI NAME OWNER_NAME OWNER_TYPE
1 Default Hive database hdfs://192.168.137.130:9000/user/hive/warehouse default public ROLE
6 NULL hdfs://192.168.137.130:9000/user/hive/warehouse/hive.db hive hadoop USER
  • select * from 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ID 2
PARAM_KEY 参数名 createdby
PARAM_VALUE 参数值 lxw1234

2.3 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。

  • select * from tbls;
    该表中存储Hive表、视图、索引表的基本信息。
表ID创建时间数据库ID上次访问时间所有者保留字段序列化配置信息（ 对应SDS表中的SD_ID）表名表类型视图的详细HQL语句视图的原始HQL语句
TBL_ID CREATE_TIME DB_ID LAST_ACCESS_TIME OWNER RETENTION SD_ID TBL_NAME TBL_TYPE VIEW_EXPANDED_TEXT VIEW_ORIGINAL_TEXT
1 1519944170 6 0 hadoop 0 1 page_views MANAGED_TABLE NULL NULL
2 1519944313 6 0 hadoop 0 2 page_views_bzip2 MANAGED_TABLE NULL NULL
3 1519944819 6 0 hadoop 0 3 page_views_snappy MANAGED_TABLE NULL NULL
    • select * from table_params;
      该表存储表/视图的属性信息。
表ID（对应TBLS的tbl_id）属性名属性值
TBL_ID PARAM_KEY PARAM_VALUE
1 COLUMN_STATS_ACCURATE true
1 numFiles 1
1 numRows 0
1 rawDataSize 0
1 totalSize 19014993
1 transient_lastDdlTime 1519944212
2 COLUMN_STATS_ACCURATE true
2 numFiles 1
2 numRows 100000
2 rawDataSize 18914993
2 totalSize 3814674
2 transient_lastDdlTime 1519944314
  • TBL_PRIVS
    该表存储表/视图的授权信息

2.4 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。

    • select * from sds;
      文件存储的基本信息：
存储信息ID（对应tbls表中的SD_ID ）字段信息ID（对应column_v2 的CD_ID）文件输入格式是否压缩是否以子目录存储HDFS路径分桶数量文件输出格式序列化类ID
SD_ID CD_ID INPUT_FORMAT IS_COMPRESSED IS_STOREDASSUBDIRECTORIES LOCATION NUM_BUCKETS OUTPUT_FORMAT SERDE_ID
1 1 org.apache.hadoop.mapred.TextInputFormat     hdfs://192.168.137.130:9000/user/hive/warehouse/hive.db/page_views -1 org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat 1
2 2 org.apache.hadoop.mapred.TextInputFormat     hdfs://192.168.137.130:9000/user/hive/warehouse/hive.db/page_views_bzip2 -1 org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat 2
3 3 org.apache.hadoop.mapred.TextInputFormat     hdfs://192.168.137.130:9000/user/hive/warehouse/hive.db/page_views_snappy -1 org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat 3
21 21 org.apache.hadoop.mapred.TextInputFormat     hdfs://192.168.137.130:9000/user/hive/warehouse/hive.db/tt -1 org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat 21
22 22 org.apache.hadoop.mapred.SequenceFileInputFormat     hdfs://192.168.137.130:9000/user/hive/warehouse/hive.db/page_views_seq -1 org.apache.hadoop.hive.ql.io.HiveSequenceFileOutputFormat 22
23 23 org.apache.hadoop.hive.ql.io.RCFileInputFormat     hdfs://192.168.137.130:9000/user/hive/warehouse/hive.db/page_views_rcfile -1 org.apache.hadoop.hive.ql.io.RCFileOutputFormat 23
24 24 org.apache.hadoop.hive.ql.io.orc.OrcInputFormat     hdfs://192.168.137.130:9000/user/hive/warehouse/hive.db/page_views_orc_zlib -1 org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat 24
27 27 com.hadoop.mapred.DeprecatedLzoTextInputFormat     hdfs://192.168.137.130:9000/user/hive/warehouse/hive.db/page_views_lzo_index -1 org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat 27

    • 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。

    • select * from serdes;
      该表存储序列化使用的类信息

序列化类配置ID（对应SDS的 SERDE_ID）序列化类别名序列化类
SERDE_ID NAME SLIB
1 NULL org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe
2 NULL org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe
3 NULL org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe
21 NULL org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe
22 NULL org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe
23 NULL org.apache.hadoop.hive.serde2.columnar.ColumnarSerDe
24 NULL org.apache.hadoop.hive.ql.io.orc.OrcSerde
  • select * from 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
序列化类配置ID（对应SDS的 SERDE_ID）属性名属性值
SERDE_ID PARAM_KEY PARAM_VALUE
1 field.delim  
1 serialization.format  
2 field.delim  
2 serialization.format  
3 field.delim  
3 serialization.format  
21 field.delim  

2.5 Hive表字段相关的元数据表

  • select * from columns_v2;
    表的字段信息
字段信息ID（对应SDS 表CD_ID）字段注释字段名字段类型字段顺序
CD_ID COMMENT COLUMN_NAME TYPE_NAME INTEGER_IDX
1 NULL city_id string 6
1 NULL end_user_id string 5
1 NULL ip string 4
1 NULL referer string 3
1 NULL session_id string 2
1 NULL track_time string 0
1 NULL url string 1
2 NULL city_id string 6
2 NULL end_user_id string 5
2 NULL ip string 4
2 NULL referer string 3
2 NULL session_id string 2
2 NULL track_time string 0
2 NULL url string 1

2.6 Hive表分区相关的元数据表

主要涉及PARTITIONS、PARTITION_KEYS、PARTITION_KEY_VALS、PARTITION_PARAMS

  • select * from partitions ;
    分区的基本信息
分区ID分区创建时间最后一次访问时间分区名分区存储ID表ID
PART_ID CREATE_TIME LAST_ACCESS_TIME PART_NAME SD_ID TBL_ID
1 1506226696   pt=2015-06-12 21 2
  • select * from partition_keys;
    分区的字段信息
元数据表字段说明示例数据
TBL_ID 表ID 2
PKEY_COMMENT 分区字段说明  
PKEY_NAME 分区字段名 pt
PKEY_TYPE 分区字段类型 string
INTEGER_IDX 分区字段顺序 1
  • select * from 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ID 2
PART_KEY_VAL 分区字段值 2015-06-12
INTEGER_IDX 分区字段值顺序 0
  • select * from 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ID 2
PARAM_KEY 分区属性名 numFiles、numRows、rawDataSize、totalSize、transient_lastDdlTime
PARAM_VALUE 分区属性值 15、502195

2.7 其他不常用的元数据表

表明作用
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

最后我们总结下他们之间的关系图：

本文来自博客园，作者：秋华，转载请注明原文链接：https://www.cnblogs.com/qiu-hua/p/14085938.html

【推广】 免费学中医，健康全家人
原文地址：https://www.cnblogs.com/qiu-hua/p/14085938.html