创建数据库与创建数据库表
创建数据库操作
create database if not exists myhive;
use myhive;
说明：hive的表存放位置模式是由hive-site.xml当中的一个属性指定的
<name>hive.metastore.warehouse.dir</name>
<value>/user/hive/warehouse</value>创建数据库并指定hdfs存储位置
//location指向的是hdfs /根目录
create database myhive2 location '/myhive2';修改数据库
可以使用alter database 命令来修改数据库的一些属性。
但是数据库的元数据信息是不可更改的，包括数据库的名称以及数据库所在的位置修改数据库的创建日期
alter database myhive2 set dbproperties('createtime'='20880611');查看数据库详细信息
查看数据库基本信息
desc database myhive2;查看数据库更多详细信息
desc database extended myhive2;
删除数据库
删除一个空数据库，如果数据库下面有数据表，那么就会报错
drop database myhive2;强制删除数据库，包含数据库下面的表一起删除
drop database myhive cascade; 不要执行（危险动作）创建数据库表操作
创建数据库表语法
CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name
[(col_name data_type [COMMENT col_comment], …)]
[COMMENT table_comment]
[PARTITIONED BY (col_name data_type [COMMENT col_comment], …)]
[CLUSTERED BY (col_name, col_name, …)
[SORTED BY (col_name [ASC|DESC], …)] INTO num_buckets BUCKETS]
[ROW FORMAT row_format]
[STORED AS file_format]
[LOCATION hdfs_path]
说明：
1、CREATE TABLE 创建一个指定名字的表。如果相同名字的表已经存在，则抛出异常；用户可以用 IF NOT EXISTS 选项来忽略这个异常。
2、EXTERNAL关键字可以让用户创建一个外部表，在建表的同时指定一个指向实际数据的路径（LOCATION），Hive 创建内部表时，会将数据移动到数据仓库指向的路径；
若创建外部表，仅记录数据所在的路径，不对数据的位置做任何改变。在删除表的时候，内部表的元数据和数据会被一起删除，而外部表只删除元数据，不删除数据。
3、LIKE 允许用户复制现有的表结构，但是不复制数据。
4、ROW FORMAT DELIMITED [FIELDS TERMINATED BY char] [COLLECTION ITEMS TERMINATED BY char] [MAP KEYS TERMINATED BY char] [LINES TERMINATED BY char] | SERDE serde_name [WITH SERDEPROPERTIES (property_name=property_value, property_name=property_value, …)]
用户在建表的时候可以自定义 SerDe 或者使用自带的 SerDe。如果没有指定 ROW FORMAT 或者 ROW FORMAT DELIMITED，将会使用自带的 SerDe。在建表的时候，用户还需要为表指定列，用户在指定表的列的同时也会指定自定义的 SerDe，Hive通过 SerDe 确定表的具体的列的数据。
5、STORED AS
SEQUENCEFILE|TEXTFILE|RCFILE
如果文件数据是纯文本，可以使用 STORED AS TEXTFILE。如果数据需要压缩，使用 STORED AS SEQUENCEFILE。
6、CLUSTERED BY
对于每一个表（table）或者分区， Hive可以进一步组织成桶，也就是说桶是更为细粒度的数据范围划分。Hive也是 针对某一列进行桶的组织。==Hive采用对列值哈希，然后除以桶的个数求余的方式决定该条记录存放在哪个桶当中。 ==
把表（或者分区）组织成桶（Bucket）有两个理由：
（1）获得更高的查询处理效率。桶为表加上了额外的结构，Hive 在处理有些查询时能利用这个结构。具体而言，连接两个在（包含连接列的）相同列上划分了桶的表，可以使用 Map 端连接 （Map-side join）高效的实现。比如JOIN操作。对于JOIN操作两个表有一个相同的列，如果对这两个表都进行了桶操作。那么将保存相同列值的桶进行JOIN操作就可以，可以大大较少JOIN的数据量。
（2）使取样（sampling）更高效。在处理大规模数据集时，在开发和修改查询的阶段，如果能在数据集的一小部分数据上试运行查询，会带来很多方便。
内部表与外部表的区别
建表语句
内部表
create table [IF NOT EXISTS] 表名；
外部表
create EXTERNAL table [IF NOT EXISTS] 表名；内部表在删除表时，表的元数据与数据同时被删除。
外部表在删除表时，表的元数据被删除，数据不删除。
指定导入表的数据列与列的分隔符
ROW FORMAT DELIMITED FIELDS TERMINATED BY char （char 分隔符）
STORED AS 数据上传到HDFS以什么格式进行存储
（SEQUENCEFILE | TEXTFILE | RCFILE）Hive支持的数据类型
分类 | 类型 | 描述 | 字面量示例 |
原始类型 | BOOLEAN | true/false | TRUE |
TINYINT | 1字节的有符号整数 -128~127 | 1Y | |
SMALLINT | 2个字节的有符号整数，-32768~32767 | 1S | |
INT | 4个字节的带符号整数 | 1 | |
BIGINT | 8字节带符号整数 | 1L | |
FLOAT | 4字节单精度浮点数1.0 | ||
DOUBLE | 8字节双精度浮点数 | 1.0 | |
DEICIMAL | 任意精度的带符号小数 | 1.0 | |
STRING | 字符串，变长 | “a”,’b’ | |
VARCHAR | 变长字符串 | “a”,’b’ | |
CHAR | 固定长度字符串 | “a”,’b’ | |
BINARY | 字节数组 | 无法表示 | |
TIMESTAMP | 时间戳，毫秒值精度 | 122327493795 | |
DATE | 日期 | ‘2016-03-29’ | |
INTERVAL | 时间频率间隔 | ||
复杂类型 | ARRAY | 有序的的同类型的集合 | array(1,2) |
MAP | key-value,key必须为原始类型，value可以任意类型 | map(‘a’,1,’b’,2) | |
STRUCT | 字段集合,类型可以不同 | struct(‘1’,1,1.0), named_stract(‘col1’,’1’,’col2’,1,’clo3’,1.0) | |
UNION | 在有限取值范围内的一个值 | create_union(1,’a’,63) |
创建表并指定字段之间的分隔符
create table if not exists stu2(id int ,name string) row format delimited fields terminated by '\t' stored as textfile location '/user/stu2';
insert into stu2 values (1,"zhangsan");
insert into stu2 values (2,"lisi");
insert into stu2 values (3,"wangwu");
根据查询结果创建表
create table stu3 as select * from stu2;
根据已经存在的表结构创建表
create table stu4 like stu2;
查询表的类型
desc formatted stu2;
外部表
外部表说明：
外部表因为是指定其他的hdfs路径的数据加载到表当中来，所以hive表会认为自己不完全独占这份数据，所以删除hive表的时候，数据仍然存放在hdfs当中，不会删掉
管理表和外部表的使用场景：
每天将收集到的网站日志定期流入HDFS文本文件。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。
操作案例
分别创建老师与学生表外部表，并向表中加载数据
创建老师表：
create external table techer (t_id string,t_name string)
row format delimited fields terminated by '\t';创建学生表：
create external table student (s_id string,s_name string,s_birth string , s_sex string )
row format delimited fields terminated by '\t';
从本地文件系统向表中加载数据：
student.csv
01 赵雷 1990-01-01 男
02 钱电 1990-12-21 男
03 孙风 1990-05-20 男
04 李云 1990-08-06 男
05 周梅 1991-12-01 女
06 吴兰 1992-03-01 女
07 郑竹 1989-07-01 女
08 王菊 1990-01-20 女
load data local inpath '/export/servers/hivedatas/student.csv' into table student;加载数据并覆盖已有数据
student.csv
01 赵雷 1990-01-01 男
02 钱电 1990-12-21 男
03 孙风 1990-05-20 男
04 李云 1990-08-06 男
05 周梅 1991-12-01 女
06 吴兰 1992-03-01 女
07 郑竹 1989-07-01 女
08 王菊 1990-01-20 女
load data local inpath '/export/servers/hivedatas/student.csv' overwrite into table student;从hdfs文件系统向表中加载数据（需要提前将数据上传到hdfs文件系统，其实就是一个移动文件的操作）
techer.csv
01 张三
02 李四
03 王五
cd /export/servers/hivedatas
hdfs dfs -mkdir -p /hivedatas
hdfs dfs -put techer.csv /hivedatas/
load data inpath '/hivedatas/techer.csv' into table techer;如果删掉techer表，hdfs的数据仍然存在，并且重新创建表之后，表中就直接存在数据了,因为我们的techer表使用的是外部表，drop table之后，表当中的数据依然保留在hdfs上面了
分区表：
在大数据中，最常用的一种思想就是分治，我们可以把大的文件切割划分成一个个的小的文件，这样每次操作一个小的文件就会很容易了，同样的道理，在hive当中也是支持这种思想的，就是我们可以把大的数据，按照每天，或者每小时进行切分成一个个的小的文件，这样去操作小的文件就会容易得多了
创建分区表语法
create table score(s_id string,c_id string, s_score int) partitioned by (month string)
row format delimited fields terminated by '\t';创建一个表带多个分区
create table score2 (s_id string,c_id string, s_score int) partitioned by
(year string,month string,day string)
row format delimited fields terminated by '\t';加载数据到分区表中
load data local inpath '/export/servers/hivedatas/score.csv' into table score
partition (month='201806');加载数据到一个多分区的表中去
load data local inpath '/export/servers/hivedatas/score.csv' into
table score2 partition(year='2018',month='06',day='01');多分区联合查询使用union all来实现
select * from score where month = '201806' union
all select * from score where month = '201806';查看分区
show partitions score;添加一个分区
alter table score add partition(month='201805');同时添加多个分区
alter table score add partition(month='201804')
partition(month = '201803');注意：添加分区之后就可以在hdfs文件系统当中看到表下面多了一个文件夹
删除分区
alter table score drop partition(month = '201806');外部分区表综合练习：
需求描述：现在有一个文件score.csv文件，存放在集群的这个目录下/scoredatas/month=201806，这个文件每天都会生成，存放到对应的日期文件夹下面去，文件别人也需要公用，不能移动。需求，创建hive对应的表，并将数据加载到表中，进行数据统计分析，且删除表之后，数据不能删除
需求实现:
数据准备
score.csv
01 01 80
01 02 90
01 03 99
02 01 70
02 02 60
02 03 80
03 01 80
03 02 80
03 03 80
04 01 50
04 02 30
04 03 20
05 01 76
05 02 87
06 01 31
06 03 34
07 02 89
07 03 98
hdfs dfs -mkdir -p /scoredatas/month=201806
hdfs dfs -put score.csv /scoredatas/month=201806/创建外部分区表，并指定文件数据存放目录
create external table score4(s_id string, c_id string,s_score int) partitioned
by (month string)
row format delimited fields terminated by '\t' location '/scoredatas';进行表的修复,就是建立表与数据文件之间的一个关系映射
msck repair table score4;修复成功之后即可看到数据已经全部加载到表当中去了
select * from score4;第二种实现方式，上传数据之后手动添加分区即可
数据准备：
hdfs dfs -mkdir -p /scoredatas/month=201805
hdfs dfs -put score.csv /scoredatas/month=201805修改表，进行手动添加方式
alter table score4 add partition(month='201805');分桶表
将数据按照指定的字段进行分成多个桶中去，说白了就是将数据按照字段进行划分，可以将数据按照字段划分到多个文件当中去
开启hive的桶表功能
set hive.enforce.bucketing=true;设置reduce的个数
set mapreduce.job.reduces=3;创建桶表
create table course (c_id string,c_name string,t_id string)
clustered by(c_id)
into 3 buckets row format delimited fields terminated by '\t';桶表的数据加载，只能通过insert overwrite。hdfs dfs -put文件或者通过load data无法加载
创建普通表，并通过insert overwrite的方式将普通表的数据通过查询的方式加载到桶表当中去
创建普通表：
create table course_common (c_id string,c_name string,t_id string)
row format delimited fields terminated by '\t';普通表中加载数据
load data local inpath '/export/servers/hivedatas/course.csv'
into table course_common;通过insert overwrite给桶表中加载数据
insert overwrite table course select * from
course_common cluster by(c_id);修改表
表重命名
基本语法：
alter table old_table_name rename to new_table_name;把表score4修改成score5
alter table score4 rename to score5;增加/修改列信息
（1）查询表结构
desc score5;（2）添加列
alter table score5 add columns (mycol string, mysco string);（3）查询表结构
desc score5;（4）更新列
alter table score5 change column mysco mysconew int;（5）查询表结构
desc score5;删除表
drop table score5;
