4.2 Hive SQL

一、Hive SQL语言：DDL建库、建表

1、 Hive SQL之数据库与建库

Hive数据模型总览

SQL中DDL语法的作用

• 数据定义语言 (Data Definition Language, DDL)，是SQL语言集中对数据库内部的对象结构进行创建，删除，修改等的操作语言，这些数据库对象包括database、table等。
• DDL核心语法由CREATE、ALTER与DROP三个所组成。DDL并不涉及表内部数据的操作。

Hive中DDL语法的使用

• Hive SQL（HQL）与标准SQL的语法大同小异，基本相通；
• 基于Hive的设计、使用特点，HQL中create语法（尤其create table）将是学习掌握Hive DDL语法的重中之重。
• 建表是否成功直接影响数据文件是否映射成功，进而影响后续是否可以基于SQL分析数据。通俗点说，没有表，表没有数据，你用Hive分析什么呢？

数据库database

• 在Hive中，默认的数据库叫做default，存储数据位置位于HDFS的/user/hive/warehouse下。
• 用户自己创建的数据库存储位置是/user/hive/warehouse/database_name.db下。

create database

• create database用于创建新的数据库
  COMMENT：数据库的注释说明语句
  LOCATION：指定数据库在HDFS存储位置，默认/user/hive/warehouse/dbname.db
  WITH DBPROPERTIES：用于指定一些数据库的属性配置

CREATE (DATABASE|SCHEMA) [IF NOT EXISTS] database_name
[COMMENT database_comment]
[LOCATION hdfs_path]
[WITH DBPROPERTIES (property_name=property_value, ...)];

• 例子：创建数据库itcast
  注意：如果需要使用location指定路径的时候，最好指向的是一个新创建的空文件夹。

create database if not exists itcast
comment "this is my first db"
with dbproperties ('createdBy'='Allen');

use database

• 选择特定的数据库
  切换当前会话使用哪一个数据库进行操作
  

drop database

• 删除数据库
  默认行为是RESTRICT，这意味着仅在数据库为空时才删除它。
  要删除带有表的数据库（不为空的数据库），我们可以使用CASCADE。

DROP (DATABASE|SCHEMA) [IF EXISTS] database_name [RESTRICT|CASCADE];

2、Hive SQL之表与建表

Hive数据模型总览

表Table

• 一个数据库通常包含一个或多个表。每个表由一个名字标识（例如“客户”或者“订单”）。
• 表包含带有数据的记录（行）。

建表语法树（基础）

CREATE TABLE [IF NOT EXISTS] [db_name.]table_name
(col_name data_type [COMMENT col_comment], ... )
[COMMENT table_comment]
[ROW FORMAT DELIMITED …];

注意事项

• 蓝色字体是建表语法的关键字，用于指定某些功能。
• [ ]中括号的语法表示可选。
• 建表语句中的语法顺序要和语法树中顺序保持一致。
• 最低限度必须包括的语法为：

CREATE TABLE [IF NOT EXISTS] [db_name.]table_name
(col_name data_type [COMMENT col_comment], ... )
[COMMENT table_comment]
[ROW FORMAT DELIMITED …];

CREATE TABLE table_name (col_name data_type);

（1）数据类型

• Hive数据类型指的是表中列的字段类型；
• 整体分为两类：原生数据类型（primitive data type）和复杂数据类型（complex data type）。
• 最常用的数据类型是字符串String和数字类型Int。
  

（2）分隔符指定语法

• ROW FORMAT DELIMITED语法用于指定字段之间等相关的分隔符，这样Hive才能正确的读取解析数据。
• 或者说只有分隔符指定正确，解析数据成功，我们才能在表中看到数据

CREATE TABLE [IF NOT EXISTS] [db_name.]table_name
[(col_name data_type [COMMENT col_comment], ... ]
[COMMENT table_comment]
[ROW FORMAT DELIMITED …];

• LazySimpleSerDe是Hive默认的，包含4种子语法，分别用于指定字段之间、集合元素之间、map映射 kv之间、换行的分隔符号。
• 在建表的时候可以根据数据的特点灵活搭配使用。
  

Hive默认分隔符

• Hive建表时如果没有row format语法指定分隔符，则采用默认分隔符；
• 默认的分割符是’\001’，是一种特殊的字符，使用的是ASCII编码的值，键盘是打不出来的。
  
• 在vim编辑器中，连续按下Ctrl+v/Ctrl+a即可输入’\001’ ，显示^A
  
• 在一些文本编辑器中将以SOH的形式显示：
  

练习一、数据类型、分隔符练习

文件archer.txt中记录了手游《王者荣耀》射手的相关信息，包括生命、物防、物攻等属性信息，其中
字段之间分隔符为制表符\t,要求在Hive中建表映射成功该文件。

（1/3）数据文件

• 字段含义：id、name（英雄名称）、hp_max（最大生命）、mp_max（最大法力）、attack_max（最高物攻）、defense_max（最大物防）、attack_range（攻击范围）、role_main（主要定位）、role_assist（次要定位）。
• 分析一下：字段都是基本类型，字段的顺序需要注意一下。
• 字段之间的分隔符是制表符，需要使用row format语法进行指定
  
  （2/3）建表语句

--创建数据库并切换使用
create database if not exists itheima;
use itheima;
--ddl create table
create table t_archer(
id int comment "ID",
name string comment "英雄名称",
hp_max int comment "最大生命",
mp_max int comment "最大法力",
attack_max int comment "最高物攻",
defense_max int comment "最大物防",
attack_range string comment "攻击范围",
role_main string comment "主要定位",
role_assist string comment "次要定位"
) comment "王者荣耀射手信息"
row format delimited
fields terminated by "\t";

（2/3）建表语句

• 建表成功之后，在Hive的默认存储路径下就生成了表对应的文件夹；
• 把archer.txt文件上传到对应的表文件夹下。

#在node机器上进行操作
cd ~
mkdir hivedata
cd hivedata/
#把文件从课程资料中首先上传到node1 linux系统上
#执行命令把文件上传到HDFS表所对应的目录下
hadoop fs -put archer.txt /user/hive/warehouse/itheima.db/t_archer

（3/3）结果验证

• 执行查询操作，可以看出数据已经映射成功。
• 核心语法：row format delimited fields terminated by 指定字段之间的分隔符。
  

练习二、默认分隔符使用

文件team_ace_player.txt中记录了手游《王者荣耀》主要战队内最受欢迎的王牌选手信息，字段之间
使用的是\001作为分隔符,要求在Hive中建表映射成功该文件。

（1/3）数据文件

• 字段：id、team_name（战队名称）、ace_player_name（王牌选手名字）
• 分析一下：数据都是原生数据类型，且字段之间分隔符是\001，因此在建表的时候可以省去row format语句，因为hive默认的分隔符就是\001。
  
  （2/3）建表语句

create table t_team_ace_player (
id int,
team_name string,
ace_player_name string
);

• 表成功后，把team_ace_player.txt文件上传到对应的表文件夹下。

#在node机器上进行操作
cd ~
cd hivedata/
#把文件从课程资料中首先上传到node1 linux系统上
#执行命令把文件上传到HDFS表所对应的目录下
hadoop fs -put team_ace_player.txt
/user/hive/warehouse/itheima.db/t_team_ace_player

（3/3）结果验证

• 执行查询操作，可以看出数据已经映射成功。
• 想一想：字段以\001分隔建表时很方便，那么采集、清洗数据时对数据格式追求有什么启发？你青睐于什么分隔符？

二、Hive Show语法

1、show语法功能

• Show相关的语句可以帮助用户查询相关信息。
• 比如我们最常使用的查询当前数据库下有哪些表 show tables.

2、常用show语句

--1、显示所有数据库 SCHEMAS和DATABASES的用法 功能一样
show databases;
show schemas;
--2、显示当前数据库所有表
show tables;
SHOW TABLES [IN database_name]; --指定某个数据库
--3、查询显示一张表的元数据信息
desc formatted t_team_ace_player;

参考

资料来源于《黑马程序员-大数据Hadoop入门》