今天我们要探讨的话题是Hive的里面的表与外部表两个概念,以及如何在Hive里面创建表和外部表,它们之间有什么区别等话题。在本博客的《Hive的数据存储模式》文章里面我们谈到了Hive的数据存储模式,里面简单的说到Hive中表以及外部表的简单概念,相信很多读者对这些概念还不是很了解,今天就给大家科普一下,希望对大家有所帮助。
相信很多用户都用过关系型数据库,我们可以在关系型数据库里面创建表(create table),这里要讨论的表和关系型数据库中的表在概念上很类似。我们可以用下面的语句在Hive里面创建一个表:
1 |
hive> create table wyp(id int , |
6 |
> FIELDS TERMINATED BY '\t' |
9 |
Time taken: 0.759 seconds |
这样我们就在Hive里面创建了一张普通的表,现在我们给这个表导入数据:
01 |
hive> load data local inpath '/home/wyp/data/wyp.txt' into table wyp; |
02 |
Copying data from file:/home/wyp/data/wyp.txt |
03 |
Copying file: file:/home/hdfs/wyp.txt |
04 |
Loading data to table default .wyp |
05 |
Table default .wyp stats: [num_partitions: 0 , num_files: 1 , |
06 |
num_rows: 0 , total_size: 67 , raw_data_size: 0 ] |
08 |
Time taken: 3.289 seconds |
09 |
hive> select * from wyp; |
11 |
1 wyp 25 13188888888888 |
12 |
2 test 30 13888888888888 |
14 |
Time taken: 0.41 seconds, Fetched: 3 row(s) |
注意:/home/wyp/data/路径是Linux本地文件系统路径;而/home/hdfs/是HDFS文件系统上面的路径!从上面的输出我们可以看到数据是先从本地的/home/wyp/data/文件夹下复制到HDFS上的/home/hdfs/wyp.txt(这个是Hive中的配置导致的)文件中!最后Hive将从HDFS上把数据移动到wyp表中!移到表中的数据到底存放在HDFS的什么地方?其实在Hive的${HIVE_HOME}/conf/hive-site.xml配置文件的hive.metastore.warehouse.dir属性指向的就是Hive表数据存放的路径(在我的店电脑里面配置是/user/hive/warehouse),而Hive每创建一个表都会在hive.metastore.warehouse.dir指向的目录下以表名创建一个文件夹,所有属于这个表的数据都存放在这个文件夹里面。所以,刚刚导入到wyp表的数据都存放在/user/hive/warehouse/wyp/文件夹中,我们可以去看看:
1 |
hive> dfs -ls /user/hive/warehouse/wyp ; |
3 |
-rw-r--r-- 3 wyp supergroup 67 2014 - 01 - 14 22 : 23 /user/hive/warehouse/wyp/wyp.txt |
看到没,上面的命令就是显示HDFS上的/user/hive/warehouse/wyp中的所有内容。如果需要删除wyp表,可以用下面的命令:
5 |
Time taken: 2.503 seconds |
从上面的输出Moved: 'hdfs://mycluster/user/hive/warehouse/wyp' to trash at: hdfs://mycluster/user/hdfs/.Trash/Current我们可以得知,原来属于wyp表的数据被移到hdfs://mycluster/user/hdfs/.Trash/Current文件夹中(如果你的Hadoop没有取用垃圾箱机制,那么drop table wyp命令将会把属于wyp表的所有数据全部删除!),其实就是删掉了属于wyp表的数据。记住这些,因为这些和外部表有很大的不同。同时,属于表wyp的元数据也全部删除了!
我们再来创建一个外部表:
1 |
hive> create external table exter_table( |
6 |
> location '/home/wyp/external' ; |
8 |
Time taken: 0.098 seconds |
仔细观察一下创建表和外部表的区别,仔细的同学们一个会发现创建外部表多了external关键字说明以及location '/home/wyp/external'。是的,你说对了!如果你需要创建外部表,需要在创建表的时候加上external关键字,同时指定外部表存放数据的路径(当然,你也可以不指定外部表的存放路径,这样Hive将在HDFS上的/user/hive/warehouse/文件夹下以外部表的表名创建一个文件夹,并将属于这个表的数据存放在这里):
1 |
hive> load data local inpath '/home/wyp/data/wyp.txt' into table exter_table; |
2 |
Copying data from file:/home/wyp/data/wyp.txt |
3 |
Copying file: file:/home/hdfs/wyp.txt |
4 |
Loading data to table default .exter_table |
5 |
Table default .exter_table stats: [num_partitions: 0 , num_files: |
6 |
1 , num_rows: 0 , total_size: 67 , raw_data_size: 0 ] |
8 |
Time taken: 0.456 seconds |
和上面的导入数据到表一样,将本地的数据导入到外部表,数据也是从本地文件系统复制到HDFS中/home/hdfs/wyp.txt文件中,但是,最后数据不是移动到外部表的/user/hive/warehouse/exter_table文件夹中(除非你创建表的时候没有指定数据的存放路径)!大家可以去HDFS上看看!对于外部表,数据是被移动到创建表时指定的目录(本例是存放在/home/wyp/external文件夹中)!如果你要删除外部表,看看下面的操作:
1 |
hive> drop table exter_table; |
3 |
Time taken: 0.093 seconds |
和上面删除Hive的表对比可以发现,没有输出将数据从一个地方移到任一个地方!那是不是删除外部表的的时候数据直接被删除掉呢?答案不是这样的:
1 |
hive> dfs -ls /home/wyp/external; |
3 |
-rw-r--r-- 3 wyp supergroup 67 2014 - 01 - 14 23 : 21 /home/wyp/external/wyp.txt |
你会发现删除外部表的时候,数据并没有被删除,这是和删除表的数据完全不一样的!
最后归纳一下Hive中表与外部表的区别:
1、在导入数据到外部表,数据并没有移动到自己的数据仓库目录下,也就是说外部表中的数据并不是由它自己来管理的!而表则不一样;
2、在删除表的时候,Hive将会把属于表的元数据和数据全部删掉;而删除外部表的时候,Hive仅仅删除外部表的元数据,数据是不会删除的!
那么,应该如何选择使用哪种表呢?在大多数情况没有太多的区别,因此选择只是个人喜好的问题。但是作为一个经验,如果所有处理都需要由Hive完成,那么你应该创建表,否则使用外部表!
(今天就到这吧,已经深夜23:32了,程序员的生活很苦逼的!)
本博客文章除特别声明,全部都是原创!
尊重原创,转载请注明: 转载自过往记忆(http://www.iteblog.com/)
本文链接: 【Hive表与外部表】(http://www.iteblog.com/archives/899)