[一起学Hive]—Hive中的数据库(Database)和表(Table)
在前面的文章中，介绍了可以把Hive当成一个“数据库”，它也具备传统数据库的数据单元，数据库（Database/Schema）和表（Table）。
?
本文介绍一下Hive中的数据库（Database/Schema）和表（Table）的基础知识，由于篇幅原因，这里只是一些常用的、基础的。
?
二、Hive的数据库和表
?
先看一张草图：
?
Hive结构
?
从图上可以看出，Hive作为一个“数据库”，在结构上积极向传统数据库看齐，也分数据库（Schema），每个数据库下面有各自的表组成。
?
1.? Hive在HDFS上的默认存储路径
?
Hive的数据都是存储在HDFS上的，默认有一个根目录，在hive-site.xml中，由参数hive.metastore.warehouse.dir指定。默认值为/user/hive/warehouse.
?
2.? Hive中的数据库(Database)
?
- 进入Hive命令行，执行show databases;命令，可以列出hive中的所有数据库，默认有一个default数据库，进入Hive-Cli之后，即到default数据库下。
- 使用use databasename;可以切换到某个数据库下，同mysql；
?
hive> show databases; OK default lxw1234 usergroup_mdmp userservice_mdmp Time taken: 0.442 seconds, Fetched: 4 row(s) hive> use lxw1234; OK Time taken: 0.023 seconds hive>
?
?
- Hive中的数据库在HDFS上的存储路径为：
?
${hive.metastore.warehouse.dir}/databasename.db
?
比如，名为lxw1234的数据库存储路径为：
?
/user/hive/warehouse/lxw1234.db
?
- 创建Hive数据库
?
使用HDFS超级用户，进入Hive-Cli，语法为：
?
CREATE (DATABASE|SCHEMA) [IF NOT EXISTS] database_name [COMMENT database_comment] [LOCATION hdfs_path] [WITH DBPROPERTIES (property_name=property_value, ...)];
?
?
????????????? 比如，创建名为lxw1234的数据库：
CREATE DATABASE IF NOT EXISTS lxw1234 COMMENT ‘lxw的大数据田地-lxw1234.com‘ localtion ‘hdfs://namenode/user/lxw1234/lxw1234.db/‘;
????????????
创建时候可以指定数据库在HDFS上的存储位置。
注意：使用HDFS超级用户创建数据库后，该数据库在HDFS上的存储路径的属主为超级用户，如果该数据库是为某个或者某些用户使用的，则需要修改路径属主，或者在Hive中进行授权。
- 修改数据库
修改数据库属性：
ALTER (DATABASE|SCHEMA) database_name
SET DBPROPERTIES (property_name=property_value, …);
修改数据库属主：
ALTER (DATABASE|SCHEMA) database_name
SET OWNER [USER|ROLE] user_or_role;
- 删除数据库
DROP (DATABASE|SCHEMA) [IF EXISTS] database_name
[RESTRICT|CASCADE];
默认情况下，Hive不允许删除一个里面有表存在的数据库，如果想删除数据库，要么先将 数据库中的表全部删除，要么可以使用CASCADE关键字，使用该关键字后，Hive会自己将数据库下的表全部删除。RESTRICT关键字就是默认情 况，即如果有表存在，则不允许删除数据库。
3.? Hive中的表(Table)
3.1 查看所有的表
进入Hive-Cli，使用use databasename;切换到数据库之后，执行show tables; 即可查看该数据库下所有的表：
hive> show tables; OK lxw1 lxw1234 table1 t_site_log
?
3.2 表的存储路径
默认情况下，表的存储路径为：
${hive.metastore.warehouse.dir}/databasename.db/tablename/
可以使用desc formatted tablename;命令查看表的详细信息，其中包括了存储路径：
Location:?????????????? hdfs://cdh5/hivedata/warehouse/lxw1234.db/lxw1234
?
3.3 内部表和外部表
Hive中的表分为内部表(MANAGED_TABLE)和外部表(EXTERNAL_TABLE)。
- 内部表和外部表最大的区别
内部表DROP时候会删除HDFS上的数据;
外部表DROP时候不会删除HDFS上的数据;
- 内部表适用场景：
Hive中间表、结果表、一般不需要从外部（如本地文件、HDFS上load数据）的情况。
- 外部表适用场景：
源表，需要定期将外部数据映射到表中。
- 我们的使用场景：
每天将收集到的网站日志定期流入HDFS文本文件，一天一个目录；
在Hive中建立外部表作为源表，通过添加分区的方式，将每天HDFS上的原始日志映射到外部表的天分区中；
在外部表（原始日志表）的基础上做大量的统计分析，用到的中间表、结果表使用内部表存储，数据通过SELECT+INSERT进入内部表。
3.4 创建表
创建表的语法选项特别多，这里只列出常用的选项。
其他请参见Hive官方文档：
https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL#LanguageManualDDL-CreateTable
以一个例子来说吧：
CREATE EXTERNAL TABLE t_lxw1234 (
id INT,
ip STRING COMMENT ‘访问者IP’,
avg_view_depth DECIMAL(5,1),
bounce_rate DECIMAL(6,5)
) COMMENT ‘lxw的大数据田地-lxw1234.com’
PARTITIONED BY (day STRING)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ‘,’
STORED AS textfile
LOCATION ‘hdfs://cdh5/tmp/lxw1234/‘;
- 关键字EXTERNAL：
表示该表为外部表，如果不指定EXTERNAL关键字，则表示内部表
- 关键字COMMENT
为表和列添加注释
- 关键字PARTITIONED BY
表示该表为分区表，分区字段为day,类型为string
- 关键字ROW FORMAT DELIMITED
指定表的分隔符，通常后面要与以下关键字连用：
FIELDS TERMINATED BY ‘,’ //指定每行中字段分隔符为逗号
LINES TERMINATED BY ‘\n’ //指定行分隔符
COLLECTION ITEMS TERMINATED BY ‘,’ //指定集合中元素之间的分隔符
MAP KEYS TERMINATED BY ‘:’ //指定数据中Map类型的Key与Value之间的分隔符
举个例子：
create table score(name string, score map<string,int>)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ‘\t’
COLLECTION ITEMS TERMINATED BY ‘,’
MAP KEYS TERMINATED BY ‘:‘;
要加载的文本数据为：
biansutao ‘数学‘:80,’语文‘:89,’英语‘:95
jobs ‘语文‘:60,’数学‘:80,’英语‘:99
- 关键字STORED AS
指定表在HDFS上的文件存储格式，可选的文件存储格式有：
TEXTFILE //文本，默认值
SEQUENCEFILE // 二进制序列文件
RCFILE //列式存储格式文件 Hive0.6以后开始支持
ORC //列式存储格式文件，比RCFILE有更高的压缩比和读写效率，Hive0.11以后开始支持
PARQUET //列出存储格式文件，Hive0.13以后开始支持
- 关键词LOCATION
指定表在HDFS上的存储位置。
?
Hive相关文章（持续更新）：
hive优化之——控制hive任务中的map数和reduce数
原文：http://superlxw1234.iteye.com/blog/2216657