温馨提示×

Hive中的内部表、外部表、分区表和分桶表的区别

发布时间:2021-09-01 15:05:04 来源:亿速云 阅读:243 作者:chen 栏目:大数据

本篇内容介绍了“Hive中的内部表、外部表、分区表和分桶表的区别”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!

在Hive数据仓库中,重要点就是Hive中的四个表。Hive 中的表分为内部表、外部表、分区表和分桶表。

内部表

默认创建的表都是所谓的内部表,有时也被称为管理表。因为这种表,Hive 会(或多或少地)控制着数据的生命周期。Hive  默认情况下会将这些表的数据存储在由配置项hive.metastore.warehouse.dir(例如,/user/hive/warehouse)所定义的目录的子目录下。当我们删除一个管理表时,Hive  也会删除这个表中数据。管理表不适合和其他工具共享数据。

具体的内部表创建命令

CREATE TABLE emp(     empno INT,     ename STRING,     job STRING,     mgr INT,     hiredate TIMESTAMP,     sal DECIMAL(7,2),     comm DECIMAL(7,2),     deptno INT)     ROW FORMAT DELIMITED FIELDS TERMINATED BY "\t"; -- 分隔符\t

外部表

外部表称之为EXTERNAL_TABLE;其实就是,在创建表时可以自己指定目录位置(LOCATION);如果删除外部表时,只会删除元数据不会删除表数据;

具体的外部表创建命令,比内部表多一个LOCATION而已。

CREATE EXTERNAL TABLE emp_external(   empno INT,   ename STRING,   job STRING,   mgr INT,   hiredate TIMESTAMP,   sal DECIMAL(7,2),   comm DECIMAL(7,2),   deptno INT)   ROW FORMAT DELIMITED FIELDS TERMINATED BY "\t"   LOCATION '/hive/emp_external';

「内部表和外部表的区别:」

  • 创建内部表时:会将数据移动到数据仓库指向的路径;

  • 创建外部表时:仅记录数据所在路径,不对数据的位置做出改变;

  • 删除内部表时:删除表元数据和数据;

  • 删除外部表时,删除元数据,不删除数据。

分区表

分区表实际上就是对应一个 HDFS 文件系统上的独立的文件夹,该文件夹下是该分区所有的数据文件。Hive  中的分区就是分目录,把一个大的数据集根据业务需要分割成小的数据集。在查询时通过 WHERE  子句中的表达式选择查询所需要的指定的分区,这样的查询效率会提高很多。

具体的分区表创建命令如下,比外部表多一个PARTITIONED。PARTITIONED英文意思就是分区的,需要指定表中的其中一个字段,这个就是根据该字段的不同,划分不同的文件夹。

CREATE EXTERNAL TABLE emp_partition(   empno INT,   ename STRING,   job STRING,   mgr INT,   hiredate TIMESTAMP,   sal DECIMAL(7,2),   comm DECIMAL(7,2)   )   PARTITIONED BY (deptno INT)   -- 按照部门编号进行分区   ROW FORMAT DELIMITED FIELDS TERMINATED BY "\t"   LOCATION '/hive/emp_partition';

分桶表

分区在HDFS上的表现形式是一个目录,分桶则是一个单独的文件。分桶则是指定分桶表的某一列,让该列数据按照哈希取模的方式随机、均匀地分发到各个桶文件中。

具体的分桶表创建命令如下,比分区表的不同在于CLUSTERED。CLUSTERED英文意思就是群集的。分桶操作和分区一样,需要根据某一列具体数据来进行哈希取模操作,故指定的分桶列必须基于表中的某一列(字段)

CREATE EXTERNAL TABLE emp_bucket(   empno INT,   ename STRING,   job STRING,   mgr INT,   hiredate TIMESTAMP,   sal DECIMAL(7,2),   comm DECIMAL(7,2),   deptno INT)   CLUSTERED BY(empno) SORTED BY(empno ASC) INTO 4 BUCKETS  --按照员工编号散列到四个 bucket 中   ROW FORMAT DELIMITED FIELDS TERMINATED BY "\t"   LOCATION '/hive/emp_bucket';

「分区表和分桶表的区别:」

Hive 数据表可以根据某些字段进行分区操作,细化数据管理,可以让部分查询更快。同时表和分区也可以进一步被划分为 Buckets,分桶表的原理和  MapReduce 编程中的 HashPartitioner 的原理类似;分区和分桶都是细化数据管理,但是分区表是手动添加区分,由于 Hive  是读模式,所以对添加进分区的数据不做模式校验,分桶表中的数据是按照某些分桶字段进行 hash 散列形成的多个文件,所以数据的准确性也高很多。

分桶表的建表有三种方式:直接建表,CREATE TABLE LIKE 和 CREATE TABLE AS SELECT

  • 注:不能直接向桶表中加载数据,需要使用insert语句插入数据,因此只要见到load data 到桶表的,基本是乱来的。分桶表的数据通常只能使用  CTAS(CREATE TABLE AS SELECT) 方式插入,因为 CTAS 操作会触发  MapReduce,因此分桶的时间是比较长的,因为要进行MapReduce操作。

根据上面命令,成功创建了内部表、外部表、分区表和分桶表。

Hive中的内部表、外部表、分区表和分桶表的区别

下面依次插入数据到四张表,emp.txt具体内容如下:

7369 SMITH CLERK 7902 1980-12-17 00:00:00 800.00  20 7499 ALLEN SALESMAN 7698 1981-02-20 00:00:00 1600.00 300.00 30 7521 WARD SALESMAN 7698 1981-02-22 00:00:00 1250.00 500.00 30 7566 JONES MANAGER 7839 1981-04-02 00:00:00 2975.00  20 7654 MARTIN SALESMAN 7698 1981-09-28 00:00:00 1250.00 1400.00 30 7698 BLAKE MANAGER 7839 1981-05-01 00:00:00 2850.00  30 7782 CLARK MANAGER 7839 1981-06-09 00:00:00 2450.00  10 7788 SCOTT ANALYST 7566 1987-04-19 00:00:00 1500.00  20 7839 KING PRESIDENT  1981-11-17 00:00:00 5000.00  10 7844 TURNER SALESMAN 7698 1981-09-08 00:00:00 1500.00 0.00 30 7876 ADAMS CLERK 7788 1987-05-23 00:00:00 1100.00  20 7900 JAMES CLERK 7698 1981-12-03 00:00:00 950.00  30 7902 FORD ANALYST 7566 1981-12-03 00:00:00 3000.00  20 7934 MILLER CLERK 7782 1982-01-23 00:00:00 1300.00  10

具体的插入数据命令如下所示:

## 内部表 load data local inpath "emp.txt" into table emp; ## 外部表 load data local inpath "emp.txt" into table emp_external; ## 分区表 LOAD DATA LOCAL INPATH "emp.txt" OVERWRITE INTO TABLE emp_partition PARTITION (deptno=10); LOAD DATA LOCAL INPATH "emp.txt" OVERWRITE INTO TABLE emp_partition PARTITION (deptno=20); LOAD DATA LOCAL INPATH "emp.txt" OVERWRITE INTO TABLE emp_partition PARTITION (deptno=30); ## 分桶表 -- 启用桶表 set hive.enforce.bucketing=true; -- 限制对桶表进行load操作 set hive.strict.checks.bucketing = true; INSERT INTO TABLE emp_bucket SELECT *  FROM emp;  --这里的 emp 表就是一张普通的雇员表

每次向桶表进行INSERT操作,其实都需要创建中间表。

Hive中的内部表、外部表、分区表和分桶表的区别

“Hive中的内部表、外部表、分区表和分桶表的区别”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站,小编将为大家输出更多高质量的实用文章!

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

主题地图