三、Hive DDL数据库操作

在 Apache Hive 中，数据库 (Database)，有时也被称为模式 (Schema)，是组织和管理 表及其他对象的基本命名空间单元。熟练掌握数据库层面的数据定义语言 (DDL) 操作，是构建清晰、有序的 Hive 数据仓库的第一步。本篇笔记将详细梳理 Hive 数据库的各种 DDL 语法及其应用实例。

一、创建数据库 (CREATE DATABASE / SCHEMA) ️

创建数据库是最基本的操作，它为你的数据表提供了一个逻辑容器。

• 1. 基本创建语法
  • 语法:

CREATE DATABASE [IF NOT EXISTS] database_name;

• 或使用 SCHEMA 关键字 (等效):

CREATE SCHEMA [IF NOT EXISTS] database_name;

• 说明:
  • IF NOT EXISTS:如果尝试创建一个已存在的数据库，加上此子句可以避免抛出错误，命令会静默地不执行任何操作。若不加且数据库已存在，则会报错。
  • database_name: 你为数据库设定的唯一名称。命名规则通常遵循字母、数字和下划线的组合，不建议使用特殊字符或 Hive 关键字。
• 示例:

-- 创建一个名为 hr_system 的数据库
CREATE DATABASE hr_system;

-- 尝试创建一个名为 sales_data 的数据库，如果它不存在
CREATE DATABASE IF NOT EXISTS sales_data;

-- 使用 SCHEMA 关键字创建
CREATE SCHEMA IF NOT EXISTS marketing_campaigns;

• 2. 创建数据库并添加注释 (COMMENT)
  为数据库添加注释是一个良好的实践，有助于理解数据库的用途。
  • 语法:

CREATE DATABASE [IF NOT EXISTS] database_name
COMMENT '这是一个描述性的注释';

• 示例:

CREATE DATABASE IF NOT EXISTS finance_department
COMMENT '存储所有财务相关数据的数据库';

• 3. 创建数据库并指定存储位置 (LOCATION)
  默认情况下，Hive 会在配置文件 (hive-site.xml 中的 hive.metastore.warehouse.dir 指定的数据仓库根目录) 下为每个数据库创建一个同名的子目录 (通常是 database_name.db) 来存放该数据库下所有表的数据。你可以通过 LOCATION 子句来覆盖这个默认行为，将数据库的数据文件存储在 HDFS 的特定路径下。
  • 语法:

CREATE DATABASE [IF NOT EXISTS] database_name
LOCATION 'hdfs_absolute_path';

• 说明:
  • hdfs_absolute_path: 必须是 HDFS 上的一个绝对路径。Hive 不会自动创建这个路径，你需要确保该路径已存在或者 Hive 用户有权限在该父目录下创建子目录。
• 示例:

-- 确保 HDFS 路径 /data/project_alpha/db_storage 存在或可被创建
CREATE DATABASE IF NOT EXISTS project_alpha_db
LOCATION '/data/project_alpha/db_storage';

• 注意: 指定 LOCATION 后，该数据库下新创建的表 (如果建表时不指定表级别的 LOCATION) 的数据会默认存放在这个数据库指定的路径下。

• 4. 创建数据库并设置属性 (WITH DBPROPERTIES)
  你可以为数据库关联一些自定义的键值对属性，这些属性存储在 Metastore 中，可以用于记录一些额外的信息。

  • 语法:

CREATE DATABASE [IF NOT EXISTS] database_name
WITH DBPROPERTIES (
    'property_name1' = 'property_value1',
    'property_name2' = 'property_value2',
    ...
);

• 示例:

CREATE DATABASE IF NOT EXISTS gaming_stats
WITH DBPROPERTIES (
    'owner' = 'GameDevTeam',
    'created_date' = '2023-10-28',
    'data_sensitivity' = 'medium'
);

• 5. 组合使用所有子句
  当然，你可以组合使用以上各种可选子句。
  • 示例:

CREATE DATABASE IF NOT EXISTS retail_analytics
COMMENT '零售业务分析数据库'
LOCATION '/dw/retail_data'
WITH DBPROPERTIES (
    'data_source' = 'Multiple POS Systems',
    'refresh_frequency' = 'daily'
);

二、查看和描述数据库

创建完数据库后，我们需要方法来查看和了解它们的信息。

• 1. 列出所有数据库 (SHOW DATABASES / SCHEMAS)
  • 语法:

SHOW DATABASES;

• 或使用 SCHEMAS (等效):

SHOW SCHEMAS;

• 作用: 显示当前 Hive Metastore 中存在的所有数据库的列表。
• 示例:

SHOW DATABASES;
-- 可能的输出:
-- default
-- finance_department
-- hr_system
-- marketing_campaigns
-- my_project_db
-- project_alpha_db
-- retail_analytics
-- sales_data
-- gaming_stats

• 2. 过滤数据库列表 (LIKE)
  你可以使用 LIKE 子句和通配符 (* 匹配任意字符序列，| 用于分隔多个模式) 来过滤显示的数据库名称。
  • 语法:

SHOW DATABASES LIKE 'pattern_with_wildcards';

• 示例:

-- 显示所有以 "sales" 开头的数据库
SHOW DATABASES LIKE 'sales*';

-- 显示名为 "hr_system" 或 "finance_department" 的数据库
SHOW DATABASES LIKE 'hr_system|finance_department';

• 3. 查看数据库详细信息 (DESCRIBE DATABASE / SCHEMA)
  获取某个特定数据库的详细描述。
  • 基本语法:

DESCRIBE DATABASE database_name;

• 或使用 SCHEMA (等效):

DESCRIBE SCHEMA database_name;

• 显示更详细信息 (EXTENDED): 使用 EXTENDED 关键字可以查看数据库的所有属性 (DBPROPERTIES)。

DESCRIBE DATABASE EXTENDED database_name;

• 示例:

DESCRIBE DATABASE retail_analytics;
-- 输出可能包含：
-- retail_analytics    hdfs://namenode_host/dw/retail_data    hadoop_user    USER    零售业务分析数据库

DESCRIBE DATABASE EXTENDED gaming_stats;
-- 输出可能包含：
-- gaming_stats    hdfs://namenode_host/user/hive/warehouse/gaming_stats.db    hive_user    USER        (owner=GameDevTeam, created_date=2023-10-28, data_sensitivity=medium)

三、切换和使用数据库 ➡️

在进行表操作之前，通常需要先指定要操作的当前数据库。

• 1. 切换当前数据库 (USE)
  • 语法:

USE database_name;

• 作用: 将当前 Hive 会话的默认数据库设置为 database_name。之后所有不显式指定数据库的表操作 (如 CREATE TABLE my_table ...) 都会在该数据库下执行。
• 示例:

USE retail_analytics;
-- 后续的 SHOW TABLES; CREATE TABLE some_table ...; 等命令都将在 retail_analytics 数据库上下文中执行

• 2. 查看当前数据库 (CURRENT_DATABASE())
  如果你不确定当前工作在哪个数据库下，可以使用这个内置函数。
  • 语法:

SELECT current_database();

• 示例:

SELECT current_database();
-- 输出可能为: retail_analytics (如果之前执行了 USE retail_analytics;)

四、修改数据库属性 (ALTER DATABASE / SCHEMA) ✏️

一旦数据库创建完成，你仍然可以修改它的一些属性，最常用的是修改 DBPROPERTIES。
注意：直接修改数据库的 LOCATION 或 COMMENT 通常不被直接支持或操作复杂/有风险，这些属性一般在创建时就确定好。

• 1. 修改数据库属性 (SET DBPROPERTIES)
  • 语法:

ALTER DATABASE database_name SET DBPROPERTIES (
    'property_name1' = 'new_value1',
    'property_name2' = 'new_value2',
    ...
);

• 或使用 SCHEMA (等效):

ALTER SCHEMA database_name SET DBPROPERTIES (...);

• 作用: 添加新的数据库属性，或者更新已有属性的值。
• 示例:

-- 为 gaming_stats 数据库更新 owner 并添加一个新属性 last_reviewed_by
ALTER DATABASE gaming_stats SET DBPROPERTIES (
    'owner' = 'UpdatedGameTeamLead',
    'last_reviewed_by' = 'DataQualityTeam'
);

-- 查看修改后的属性
DESCRIBE DATABASE EXTENDED gaming_stats;

五、删除数据库 (DROP DATABASE / SCHEMA) ️

删除数据库是一个需要非常谨慎的操作，因为它可能导致 大量数据和元数据的丢失。

• 1. 基本删除语法
  • 语法:

DROP DATABASE [IF EXISTS] database_name;

• 或使用 SCHEMA (等效):

DROP SCHEMA [IF EXISTS] database_name;

• 默认行为 (RESTRICT): 如果不加任何额外选项，DROP DATABASE 默认采用 RESTRICT 行为。这意味着如果数据库中包含任何表，删除操作会失败并报错，以防止意外删除有内容的数据库。
• 示例 (尝试删除一个可能非空的数据库):

-- 假设 temp_db 中有表，以下命令会失败
DROP DATABASE IF EXISTS temp_db;
-- ERROR: Error while processing statement: FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. Database temp_db is not empty. One or more tables exist.

• 2. 强制删除数据库及其内容 (CASCADE)
  如果你确定要删除数据库以及其中包含的所有表和数据 (对于内部表)，可以使用 CASCADE 选项。
  • 语法:

DROP DATABASE [IF EXISTS] database_name CASCADE;

• ⚠️ 警告：这是一个非常危险的操作！ 一旦执行，数据库及其所有内容 (包括内部表的HDFS数据) 都将被永久删除，且通常无法恢复。请务必三思而后行，并确认你真的要这样做。
• 示例:

-- 强制删除名为 staging_area 的数据库及其下的所有表和数据
DROP DATABASE IF EXISTS staging_area CASCADE;
-- 命令执行成功，staging_area 数据库及其内容消失

六、练习一下吧！✏️

1. 练习题 1: 创建一个名为 education_platform 的数据库，并为其添加注释 “用于存储在线教育平台的数据”。
2. 练习题 2: 创建一个名为 temporary_storage 的数据库，并将其数据存储位置指定到 HDFS 路径 /tmp/hive_temp_db。
3. 练习题 3: 为 education_platform 数据库添加一个属性 contact_person，值为 [email protected]。
4. 练习题 4: 列出所有以 edu 开头的数据库。
5. 练习题 5: 查看 temporary_storage 数据库的详细信息（包括属性，如果之前设置了的话）。
6. 练习题 6: 切换当前会话到 education_platform 数据库。
7. 练习题 7: 创建一个名为 archived_data 的数据库。稍后，尝试删除它（假设它是空的）。
8. 练习题 8: 假设 temporary_storage 数据库中意外地创建了一些表（我们这里不实际创建表，只是假设情况），现在需要彻底删除 temporary_storage 数据库及其所有潜在内容。写出对应的命令。

七、练习题答案 ✅

• 答案 1:

CREATE DATABASE education_platform
COMMENT '用于存储在线教育平台的数据';

• 答案 2:

-- 假设HDFS路径 /tmp/hive_temp_db 已存在或Hive用户有权限创建
CREATE DATABASE temporary_storage
LOCATION '/tmp/hive_temp_db';

• 答案 3:

ALTER DATABASE education_platform SET DBPROPERTIES ('contact_person' = '[email protected]');

• 答案 4:

SHOW DATABASES LIKE 'edu*';

• 答案 5:

DESCRIBE DATABASE EXTENDED temporary_storage;

• 答案 6:

USE education_platform;

• 答案 7:

CREATE DATABASE archived_data;
-- 稍后删除 (假设为空)
DROP DATABASE IF EXISTS archived_data;

• 答案 8:

-- 强制删除 temporary_storage 数据库及其所有内容
DROP DATABASE IF EXISTS temporary_storage CASCADE;