Hive 創建內部表時,會將數據移動到數據倉庫指向的路徑;若創建外部表,僅記錄數據所在的路徑,
不對數據的位置做任何改變。在刪除表的時候,內部表的元數據和數據會被一起刪除,
而外部表只刪除元數據,不刪除數據。這樣外部表相對來說更加安全些,數據組織也更加靈活,方便共享源數據。
需要注意的是傳統數據庫對錶數據驗證是 schema on write(寫時模式),而 Hive 在load時是不檢查數據是否
符合schema的,hive 遵循的是 schema on read(讀時模式),只有在讀的時候hive才檢查、解析具體的
數據字段、schema。
讀時模式的優勢是load data 非常迅速,因爲它不需要讀取數據進行解析,僅僅進行文件的複製或者移動。
寫時模式的優勢是提升了查詢性能,因爲預先解析之後可以對列建立索引,並壓縮,但這樣也會花費要多的加載時間。
下面來看下 Hive 如何創建內部表:
1 |
create table test(userid
string); |
2 |
LOAD DATA
INPATH '/tmp/result/20121213' INTO TABLE test
partition(ptDate= '20121213' ); |
01 |
hadoop
fs -ls /tmp/result/20121214 |
02 |
Found
2 items |
03 |
-rw-r --r--
3 june supergroup 1240 2012-12-26 17:15 /tmp/result/20121214/part-00000 |
04 |
-rw-r --r--
1 june supergroup 1240 2012-12-26 17:58 /tmp/result/20121214/part-00001 |
05 |
--
建表 |
06 |
create EXTERNAL table IF NOT EXISTS
test (userid string) partitioned by (ptDate
string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' ; |
07 |
--
建立分區表,利用分區表的特性加載多個目錄下的文件,並且分區字段可以作爲where條件,更爲重要的是 |
08 |
--
這種加載數據的方式是不會移動數據文件的,這點和 load data 不同,後者會移動數據文件至數據倉庫目錄。 |
09 |
alter table test add partition
(ptDate= '20121214' )
location '/tmp/result/20121214' ; |
10 |
--
注意目錄20121214最後不要畫蛇添足加 /*,我就是linux shell用多了,加了這玩意,調試了一下午。。。 |
注意:location後面跟的是目錄,不是文件,hive會把整個目錄下的文件都加載到表中:
1 |
create EXTERNAL table IF NOT EXISTS
userInfo (id int ,sex
string, age int , name string,
email string,sd string, ed string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' location '/hive/dw' ; |
否則,會報錯誤:
FAILED: Error in metadata: MetaException(message:Got exception: org.apache.hadoop.ipc.RemoteException java.io.FileNotFoundException: Parent path is not a directory: /hive/dw/record_2013-04-04.txt
最後提下還有一種方式是建表的時候就指定外部表的數據源路徑,
但這樣的壞處是隻能加載一個數據源了:
CREATE EXTERNAL TABLE sunwg_test09(id INT, name string)ROW FORMAT DELIMITED
FIELDS TERMINATED BY ‘\t’
LOCATION ‘/sunwg/test08′;
上面的語句創建了一張名字爲sunwg_test09的外表,該表有id和name兩個字段,
字段的分割符爲tab,文件的數據文件夾爲/sunwg/test08
select * from sunwg_test09;
可以查詢到sunwg_test09中的數據。
在當前用戶hive的根目錄下找不到sunwg_test09文件夾。
此時hive將該表的數據文件信息保存到metadata數據庫中。
mysql> select * from TBLS where TBL_NAME=’sunwg_test09′;
可以看到該表的類型爲EXTERNAL_TABLE。
mysql> select * from SDS where SD_ID=TBL_ID;
在表SDS中記錄了表sunwg_test09的數據文件路徑爲hdfs://hadoop00:9000/hjl/test08。
# hjl爲hive的數據庫名
實際上外表不光可以指定hdfs的目錄,本地的目錄也是可以的。
比如:
CREATE EXTERNAL TABLE test10(id INT, name string)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ‘\t’
LOCATION ‘file:////home/hjl/sunwg/’;
推薦閱讀:
hive中partition如何使用
http://p-x1984.iteye.com/blog/1156408
用正則表達式匹配w3c日誌,導入hive
http://essen.iteye.com/blog/1720491
hive中的外表EXTERNAL TABLE
HIVE 數據定義 DDL