下面是本課程概覽：

（1）hive系列之簡介，安裝，beeline和hiveserver2

（2）hive系列之基本操作

（3）hive系列之udf

（4）hive系列之二級分區和動態分區

（5）hive系列之分桶表

（6）hive系列之常用函數

（7）hive系列之系統講解開窗函數

（8）hive系列之存儲格式及常用壓縮格式

（9）hive系列之數據倉庫建模理論

（10）hive系列之數據倉庫建模-維度表和事實表

（11）hive系列之數據倉庫建模-退化維度和緩慢變化維

（12）hive系列之常用企業性能優化1

（13）hive系列之常用企業性能優化2

（14）hive系列之常用企業性能優化3

今天是第二講，Hive 的基本操作

今天的內容比較多，也比較枯燥，盡可能對著操作一遍，加深認識

01

數據庫相關

1.創建數據庫

create database db_hive;

create database if not exists db_hive;

2.創建數據庫到指定目錄下

create database if not exists db_hive_03 location '/user/wangkai/hive/warehouse/db_hive03.db';

3.顯示當前所有的數據庫

show databases;

4.查看數據庫描述

desc database db_hive;

5.刪除數據庫就不說了，很危險

02

數據類型

1、基本類型

這里著重說一下 TIMESTAMP

TIMESTAMP 類型的主要作用是在數據比較的效率上比較高

TIMESTAMP 類型 ，其對應的格式為：yyyy-MM-dd HH:MM:SS，從文件中導入時，必須滿足這個格式的才能導入，否則顯示為null

比如現在建一個表

create table dw.t_date (

t1 date,

t2 timestamp

)

comment '日期測試表'

row format delimited

fields terminated by ',';

創建文件提交到 hdfs 上

文件內容：

2019-09-01,2019-09-01 11:12:00

2019-08-01,2019-09-01 12:00

加載到表中

LOAD DATA INPATH '/tmp/datetest/date.txt' into TABLE dw.t_date;

最終t2不滿足格式，所以顯示了null

Hive 中比較常用的時間相關的udf ：

unix_timestamp() 返回當前的時間戳

unix_timestamp('2019-09-01 11:10:10') 返回指定日期的時間戳

from_unixtime(1567307471) 返回 yyyy-MM-dd HH:MM:SS 格式的字符串

2、復雜類型

ARRAY、Map、struct、union，這些復雜類型是由基礎類型構成的

(1) Array

表示數組，是具有相同類型的變量的集合，這些變量稱為數組的元素，每個元素都有下標，從0開始

如下，我們建一張 person 表，名字、工作地點、愛好

create table dw.person(

name string,

work_locations array<string>,

other_info map<string,string>,

other_info2 struct<one:string,two:int>

)

row format delimited

fields terminated by ','

collection items terminated by '|'

map keys terminated by ':';

字段的分隔符是 ,

集合（數組和map）元素的分隔符是 |

map或者struct 的 鍵值對分隔符是 :

測試數據如下：

導入到表中

查詢第一個工作地點：

select name,work_locations[0] from dw.person;

（2） Map

是一組鍵值對元組集合，使用數組表示法，map['first'] 可以獲取值

比如上面的表中，查詢性別

select name,other_info['sex'] from dw.person;

（3）Struct

是不同類型元素的集合，可以用 點 描述符來取元素

select name,other_info2.one from dw.person;

03

內部表、外部表、分區表

1、內部表和外部表的區別

（1）未被 external 修飾的是內部表，被 external 關鍵字修飾的是外部表

（2）內部表由 Hive 自身管理，外部表由 HDFS 管理（也就是數據在別的目錄下，但元數據還是由 Hive 管理的）

（3）內部表數據的存儲位置是：hive.metastore.warehouse.dir（默認是：/user/hive/warehouse），外部表數據的存儲位置由自己制定

（4）刪除內部表會直接刪除元數據和存儲在表下面的數據，而刪除外部表只會刪除元數據，HDFS 上的數據并不會被刪除

2、分區表

為了對表進行合理的管理，以及提高查詢的效率，Hive 可以將表組織成分區，一個分區實際上就是一個目錄，一個表可以在多個維度上創建分區，分區之間的關系，就是目錄樹的關系。

就是在系統上創建文件夾，把分類數據放在不同的文件夾下，加快查詢速度。

比如創建日期和公司兩個分區，那么就可以指定查詢某個月某個公司的數據，而不同全表掃描

3、實戰

（1）內部表

上面建的dw.person 就是內部表，hive 會在 hdfs 文件上創建一個目錄，刪除表的時候，目錄下的數據也會被刪除

（2）外部表

使用關鍵字 external

create external table dw.t_test2 (

c1 string,

c2 string

)

如果沒有指定位置，hive 會生成一個目錄，如果指定了位置，那么不會創建目錄

create external table dw.t_test3 (

c1 string,

c2 string

)

location '/tmp/person';

刪除表，并不會刪除 hdfs 文件的

（3）分區表

create table dw.t_test4 (

c1 string,

c2 string

)

partitioned by (appId string)

新增分區

alter table dw.t_test4 add partition(appId='app');

會在hdfs上新增一個目錄

（4）外部分區表

顧名思義，即是外部表，又是分區表

create external table dw.t_test5 (

c1 string,

c2 string

)

partitioned by (appId string);

給外部分區表添加記錄

alter table dw.t_test4 add partition(appId='app') location '/tmp/test1';

04

其他建表方式

1.用查詢出來的數據建表

create table IF NOT EXISTS dw.log_20170629_2

AS select ip,user from dw.log_20170629;

2.僅僅創建已有表的表結構

create table IF NOT EXISTS dw.log_20170630

like dw.log_20170629;

05

加載和導出數據

1.加載數據

（1）這個命令是從本地拷貝文件到集群上，如果文件存在，則會重命名新增一份文件

load data local inpath '/opt/datas/student.txt' into table dw.student;

（2）加載數據并覆蓋原有數據，會刪除原有文件，再拷貝

load data local inpath '/opt/datas/student.txt' overwrite into table dw.student;

（3）加載數據到分區表

load data local inpath '/home/hadoop/data/emp.txt' into table dw.emp_partition partition (month='201509');

（4）加載hdfs數據，從hdfs移動數據到集群上

load data inpath '/opt/datas/student.txt' into table dw.student;

2.導出數據

（1）導出文件到本地目錄

insert overwrite local directory '/home/hadoop/data/hive_exp_emp2'

ROW FORMAT DELIMITED FIELDS TERMINATED BY 't'

select * from default.emp;

（2）hive命令

bin/hive -e "select * from default.emp;" > /opt/datas/exp_res.txt

（3）導出到hdfs中

insert overwrite directory '/user/wangkai/hive/hive_exp_emp'

ROW FORMAT DELIMITED FIELDS TERMINATED BY 't' COLLECTION ITEMS TERMINATED BY 'n'

下一篇是 hive 的 udf ，持續關注 kk大數據 噢

總結

以上是生活随笔為你收集整理的hive 导出json格式 文件_Hive 系列 之 基本操作合集的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。