Hive外部表详解以及案例演示

Hive是一个基于Hadoop的数据仓库工具，它提供了类似于SQL的查询语言HiveQL，可以将结化数据映射到Hadoop的分布式文件系统HDFS上。Hive支持部表和外部表，本攻略将详细介绍H外部表的概念、用法和案例演示。

1. 外部表的概念

外部表是指在Hive中定义的表，它的数据存储在HDFS上，但是表的元数据存储在Hive的元数据仓库中。与内部表不同，外部表的数据可以被其他程序或工具访问和修改，而不会影响到Hive中的元数据。外部表的定义语法与内部表相同，只需要在创建表时添加“EXTERNAL”关键字即可。

2. 外部表的用法

外部表的用法与内部表类似，可以使用HiveQL语言来查询和操作外部表。但是，需要注意以下几点：

删除外部表时，只会删除表的元数据，而不会删除HDFS上的数据。
在加载数据时，需要使用“LOAD DATA INPATH”命令来指定数据的路径，而不是使用“INSERT INTO”命令。
在查询数据时需要使用“SELECT * FROM”命令来查询数据，而不是使用“SELECT INTO”命令。

3. 外部表的案例演示

以下是两个使用外部表的案例演示：

案例1：创建外部表并加载数据

假设一个包含学生信息文本文件，文件名为“students.txt”，包含以下内容：

1,John,18
2,Mary,19
3om,20
4,Lucy,18

现在需要将这个文件加载到Hive中，并创建一个外部表来查询和操作这些数据。可以按照以下步骤进行：

将文件上传到HDFS上

hdfs dfs -put students.txt /user/h/students.txt

在上面的命令中，使用“hdfs dfs -put”命令将文件上传到HDFS上。

创建外部表

CREATE EXTERNAL TABLE students (
    id INT,
    name STRING,
    age INT
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
LINES TERMINATED BY '\n'
LOCATION '/user/hive/students.txt';

在上面的命令中，使用“CREATE EXTERNAL TABLE”命令来创建外部表，“ROW FORMAT DELIMITED”选项来指定行格式，“FIELDS TERMINATED BY”选项来指定字段分隔符，“LINES TERMINATED BY”选项来指定行分隔符，“LOCATION”选项来指定数据的路径。

查询

SELECT * FROM students;

在上面的命令中，使用“SELECT * FROM”命令来查询数据。

案例2：使用外部表进行数据分析

假设有一个包含销售数据的文本文件，文件名为“sales.txt”，包含以下内容：

2019--01,100
2019-01-02,200
2019-01-03,300
201901-04,400
2019-01-05,500

现在需要使用Hive来分析这些销售数据，并计算出每天的销售总额和平均销售额。可以按照以下步进行：

将文件上传到HDFS上

hdfs dfs -put sales.txt /user/hive/sales.txt

在上面的命令中，使用“hdfs dfs -put”命令将文件上传到HDFS上。

创建外部表

CREATE EXTERNAL TABLE sales (
    date STRING,
    amount INT
)
ROW DELIMITED
FIELDS TERMINATED BY ','
LINES TERMINATED BY '\n'
LOCATION '/user/hive/sales.txt';

计算销售总额和平均销售额

SELECT date, SUM(amount) AS total_sales, AVG(amount) AS avg_sales
FROM sales
GROUP BY date;

在上面的命令中，使用“SELECT”命令来查询数据，并使用“SUM”函数和“AVG”函数来计算销售总额和平均销售额。

总的来说，外部表是Hive中非常重要的一个概念，它可以将Hive与其他程序或工具进行无缝集成，实现更加灵活和效的数据处理和分析。在使用外部表时，需要注意一些细节问题，例如删除表时只删除元数据、加载数据时使用“LOAD DATA INPATH”令等。同时，外部表也可以用于各种数据分析场景，例如计算销售总额和平均销售额等。

本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：hive外部表详解以及案例演示 - Python技术站

hive外部表详解以及案例演示