一、概述
Hive是建立在Hadoop上的數據倉庫工具，它允許用戶通過類SQL的語法來查詢和管理數據。在Hive中，DDL（數據定義語言）和視圖操作是非常常見的。
1）表和視圖關系
表和視圖都是數據存儲的邏輯表示方式。它們之間有以下關系：
- 視圖可以基于一個或多個表創建，而表不可以基于其他表或視圖創建。因此，視圖是從一個或多個表的查詢結果中獲取數據的虛擬表，而表是實際存儲數據的物理表。
- 視圖通常用于簡化查詢或隱藏數據的復雜性，可以對基礎表進行查詢過濾、聚合或連接等操作，從而提供更易于理解的結果。而表則是實際存儲和管理數據的物理存儲單元。
- 視圖在定義時不會實際創建物理表，而是保存了一系列查詢語句。在查詢視圖時，Hive會執行這些查詢語句并返回結果。而表則是在定義時就創建了物理存儲單元，并在其中存儲了數據。
- 視圖可以簡化數據訪問，因為它可以隱藏底層表的復雜性和細節，讓用戶能夠更容易地對數據進行操作和分析。而表可以提供更加靈活和高效的數據存儲和訪問方式，因為它們直接存儲數據并允許對數據進行更廣泛的操作和管理。
總之，表和視圖都是數據存儲和管理的方式，它們有各自的優點和適用場景。在Hive中，用戶可以根據實際需要選擇使用表還是視圖來滿足不同的數據訪問和管理需求。
2）表與視圖的區別
在Hive中，表和視圖也是數據存儲的邏輯表示方式，但它們之間存在以下區別：
- 存儲方式：表是實際存儲數據的物理表格，而視圖不是存儲數據的實體，而是基于查詢結果生成的虛擬表格。
- 數據管理：表可以直接存儲和管理數據，而視圖只是從一個或多個表的查詢結果中生成的，它并不實際存儲數據。因此，對于大量數據的存儲和管理，使用表更為合適；而對于簡化查詢或隱藏數據的復雜性，使用視圖更為合適。
- 數據修改：對于表，用戶可以隨時對其中的數據進行修改、插入或刪除等操作。而對于視圖，用戶只能對其進行查詢，無法對其進行數據修改操作。
- 查詢效率：由于視圖僅僅是基于查詢語句生成的虛擬表格，因此查詢視圖時的效率比查詢表要低。尤其是當視圖基于多個表時，查詢效率會更低。
總之，在Hive中，表和視圖都有各自的優點和適用場景。用戶可以根據實際需求選擇使用哪種方式來存儲和管理數據，以及在查詢數據時使用哪種方式來提高效率和簡化操作。
二、環境準備
如果已經有了環境了，可以忽略，如果想快速部署環境可以參考我這篇文章：通過 docker-compose 快速部署 Hive 詳細教程
# 登錄容器
Docker exec -it hive-hiveserver2 bash
# 連接hive
beeline -u jdbc:hive2://hive-hiveserver2:10000 -n hadoop
三、Hive 數據類型
Hive支持原始數據類型和復雜類型，原始類型包括數值型，Boolean，字符串，時間戳。復雜類型包括數組，map，struct。
下面是Hive數據類型匯總：
四、DDL 操作
1）表的基本語法
在Hive中，你可以使用HiveQL語言來創建表。下面是一些創建表的基本語法：
CREATE [TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS] table_name
[(col_name data_type [column_constraint_specification] [COMMENT col_comment], ...)]
[COMMENT table_comment]
[PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)]
[CLUSTERED BY (col_name, col_name, ...) [SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS]
[SKEWED BY (col_name, col_name, ...) ON ((col_value, col_value, ...), (col_value, col_value, ...), ...) [STORED AS DIRECTORIES]]
[ROW FORMAT row_format]
[STORED AS file_format]
[LOCATION hdfs_path]
其中，[] 表示可選項，...表示省略的內容。
以下是一些常見的參數解釋：
- TEMPORARY：表示創建一個臨時表。臨時表在會話結束時自動刪除。
- EXTERNAL：表示創建一個外部表。外部表的數據不是存儲在Hive的數據倉庫中，而是存儲在Hadoop分布式文件系統中。
- IF NOT EXISTS：表示如果表已經存在，則不執行創建表操作。
- table_name：表示表的名稱。
- col_name：表示列的名稱。
- data_type：表示列的數據類型。
- column_constraint_specification：表示列的約束條件，比如 NOT NULL、UNIQUE等。
- COMMENT：表示列或表的注釋。
- PARTITIONED BY：表示表的分區列。
- CLUSTERED BY：表示表的分桶列。
- SORTED BY：表示分桶列的排序方式。
- num_buckets：表示分桶的數量。
- SKEWED BY：表示表的傾斜列。
- STORED AS：表示表的存儲格式，比如TEXTFILE、SEQUENCEFILE等。
### hive文件存儲格式包括以下幾類（STORED AS TEXTFILE）：
1.TEXTFILE：按行存儲的文本文件格式。默認為TEXTFILE。
2.SEQUENCEFILE：二進制序列文件格式，其中鍵和值都是可以序列化的任意類型。
3.PARQUET：列式存儲文件格式，支持讀取和寫入列式存儲的數據。
4.ORC：高效列式存儲文件格式，具有高壓縮率和高性能的特點。
5.AVRO：自描述數據序列化格式。
6.JSONFILE：按行存儲的JSON文件格式。
#其中TEXTFILE為默認格式，建表時不指定，默認為這個格式，導入數據時會直接把數據文件拷貝到hdfs上不進行處理。
- TBLPROPERTIES ：指定壓縮方式，默認情況下，Hive不會對文件進行壓縮。有以下幾種壓縮方式：
1.SNAppY：快速壓縮技術，具有較快的壓縮速度和較高的壓縮比。
2.GZIP：廣泛使用的壓縮算法，具有很高的壓縮比，但是較慢。
3.BZIP2：典型的通用文件壓縮算法，具有較高的壓縮比和較慢的壓縮速度。
4.LZO：快速Lempel-Ziv-Oberhumer壓縮算法，具有高壓縮比和快速的壓縮速度。
其中，Hive默認支持的壓縮方式只有GZIP、LZO和Snappy。如果要使用其他壓縮方式，需要在配置文件中手動添加。
例如，我們可以使用以下命令將一張表存儲為ORC文件格式，并使用Snappy壓縮：
CREATE TABLE mytable (
column1 INT,
column2 STRING
)
STORED AS ORC
TBLPROPERTIES ("orc.compress"="SNAPPY");
- LOCATION：表示表的數據存儲路徑。只有外部表才能使用 LOCATION 關鍵字來指定存儲路徑。
關于分區和分桶的介紹可以參考我這篇文章：【大數據】Hive 分區和分桶的區別及示例講解
2）列分隔符和行分隔符
在Hive中，ROW FORMAT DELIMITED 是用于指定表中數據的列分隔符和行分隔符的關鍵字，默認的列分隔符是制表符（Tab鍵），默認的行分隔符是換行符（n）。
通過指定這些分隔符，用戶可以將不同格式的數據導入到Hive表中，并在查詢表時正確地解析數據。使用 ROW FORMAT DELIMITED，用戶可以指定以下參數：
- FIELDS TERMINATED BY: 用于指定列分隔符。默認情況下，Hive使用制表符作為列分隔符。用戶可以使用該選項指定自定義的列分隔符，例如逗號、豎線等。
- ESCAPED BY: 用于指定轉義字符。如果數據中包含列分隔符或行分隔符，則可以使用該選項指定轉義字符，以確保這些字符被正確解析。
- LINES TERMINATED BY: 用于指定行分隔符。默認情況下，Hive使用換行符作為行分隔符。用戶可以使用該選項指定自定義的行分隔符，例如換行符、回車符等。
例如，以下是使用 ROW FORMAT DELIMITED 指定逗號作為列分隔符和換行符作為行分隔符來創建一個Hive表的示例：
CREATE TABLE mytable (
id INT,
name STRING,
age INT,
address STRING
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
LINES TERMINATED BY 'n';
3）添加表數據方式
1、INSERT 方式
在Hive中，可以使用 INSERT 語句來向表中添加數據。Hive支持多種數據來源和格式，包括文本文件、CSV文件、JSON文件等。內部表（管理表）的數據只能通過 INSERT INTO 命令進行插入，而不能直接修改原始數據。普通表在被刪除時，會將表中的數據一并刪除。
以下是使用 INSERT 語句向Hive表中添加數據的基本語法：
INSERT INTO TABLE tablename [PARTITION (partition_column = partition_value, ...)]
[ROW FORMAT row_format]
[STORED AS file_format]
SELECT ...;
- 其中，tablename是要添加數據的表的名稱，
- partition_column是要添加數據的表的分區列名稱，
- partition_value是要添加數據的表的分區列值，
- row_format是用于指定輸入數據格式的關鍵字，
- file_format是用于指定輸出數據格式的關鍵字，
- SELECT ...是用于指定要添加到表中的數據的查詢語句。
下面是向一個Hive表中添加數據的示例：
假設有一個Hive表mytable，其中包含四個字段：id、name、age和gender，用戶可以使用以下命令向該表中添加數據：
INSERT INTO mytable VALUES (1, 'Alice', 25, 'F'), (2, 'Bob', 30, 'M'), (3, 'Charlie', 35, 'M');
該命令將向mytable表中插入三行數據，每行數據包含四個字段。
用戶也可以從其他表或查詢結果中插入數據。例如，以下命令從另一個表yourtable中選擇一些數據插入到mytable中：
INSERT INTO mytable (id, name, age, gender)
SELECT id, name, age, gender
FROM yourtable
WHERE age > 25;
該命令將從yourtable表中選擇年齡大于25的數據，并將其插入到mytable表中。
【注意】向Hive表中添加數據時，數據格式和分隔符需要與表定義中的一致，否則會導致數據無法正確解析。可以使用 ROW FORMAT 和FIELDS TERMINATED BY等關鍵字來指定數據格式和分隔符。
2、LOAD DATA方式
使用LOAD DATA語句可以將本地或HDFS上的數據加載到Hive表中。具體語法和示例請見下面的示例：
LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partition_column = partition_value, ...)]
[ROW FORMAT row_format]
[FIELDS TERMINATED BY field_delim]
[LINES TERMINATED BY line_delim]
[STORED AS file_format];
- 其中，filepath是要加載的數據文件路徑，
- tablename是要加載數據的表的名稱，
- partition_column是要加載數據的表的分區列名稱，
- partition_value是要加載數據的表的分區列值，
- row_format是用于指定輸入數據格式的關鍵字，
- field_delim是用于指定字段分隔符的字符，
- line_delim是用于指定行分隔符的字符，
- file_format是用于指定輸出數據格式的關鍵字。
【注意】
- 如果使用了 LOCAL 關鍵字，則表示從本地文件系統加載數據，否則從HDFS加載數據。
- 如果使用了 OVERWRITE 關鍵字，則表示將數據加載到表中時會覆蓋原有數據。
例如，以下命令從本地文件系統加載數據文件到一個Hive表中：
# 導入本地文件系統文件數據到表，LOCAL
LOAD DATA LOCAL INPATH '/path/to/datafile' INTO TABLE mytable;
3、外部表方式
在Hive中，可以創建外部表，這樣可以將數據存儲在HDFS或本地文件系統中，并且不會影響到原始數據文件。
- 創建外部表：使用 CREATE EXTERNAL TABLE 語句創建外部表，同時指定外部表的表結構和數據存儲位置。例如：
CREATE EXTERNAL TABLE mytable (col1 INT, col2 STRING)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
LOCATION '/path/to/datafile';
其中，mytable 是外部表的名稱，col1 和 col2 是表的兩個列，ROW FORMAT 和 FIELDS TERMINATED BY 關鍵字指定了數據格式和分隔符，LOCATION 關鍵字指定了數據存儲位置，可以是HDFS或本地文件系統路徑。
- 將數據文件復制到指定位置：將數據文件復制到指定的數據存儲位置，例如將數據文件復制到'/path/to/datafile'目錄下。
- 查詢數據：使用 SELECT 語句查詢數據。Hive會自動讀取外部表的數據文件并將其解析為表格數據，然后返回查詢結果。例如：
SELECT * FROM mytable;
【注意】：
- 創建外部表時，表結構和數據存儲位置需要與實際數據文件一致，否則查詢結果可能會不正確。
- 同時，使用外部表方式導入數據時，Hive不會移動或修改數據文件，因此需要手動將數據文件復制到指定位置，并保證數據文件的完整性。
需要注意的是，向Hive表中添加數據時，數據格式和分隔符需要與表定義中的一致，否則會導致數據無法正確解析。可以使用 ROW FORMAT 和FIELDS TERMINATED BY等關鍵字來指定數據格式和分隔符。
4）DDL 常見操作
1、創建表
使用 CREATE TABLE 語句來創建表。
語法：
CREATE TABLE table_name (col1 data_type, col2 data_type, ...)
示例：
CREATE TABLE employee (id INT, name STRING, age INT, salary FLOAT);
# 添加數據，不建議使用INSERT 效率很低，一般使用LOAD DATA方式導入數據
INSERT INTO employee VALUES (1, 'Alice', 25, 5000.00), (2, 'Bob', 30, 6000.00), (3, 'Charlie', 35, 7000.00);
# 導入數據（HDFS）
LOAD DATA INPATH '/path/to/input/data' INTO TABLE employee;
2、修改表
使用 ALTER TABLE 語句來修改表結構。
語法：
ALTER TABLE table_name ADD COLUMN col_name data_type
ALTER TABLE table_name DROP COLUMN col_name
ALTER TABLE table_name RENAME TO new_table_name
示例：
ALTER TABLE employee ADD COLUMN gender STRING;
3、刪除表
使用 DROP TABLE 語句來刪除表。
語法：
DROP TABLE table_name
示例：
DROP TABLE employee
4、創建分區表
用 CREATE TABLE ... PARTITIONED BY 語句來創建分區表。
語法：
CREATE TABLE table_name (col1 data_type, col2 data_type, ...)
PARTITIONED BY (partition_col1 data_type, partition_col2 data_type, ...)
示例：
CREATE TABLE employee_partitioned (id INT, name STRING, age INT, salary FLOAT)
PARTITIONED BY (gender STRING);
5、創建外部表
用 CREATE EXTERNAL TABLE 語句來創建外部表。
語法：
CREATE EXTERNAL TABLE table_name (col1 data_type, col2 data_type, ...)
LOCATION '/path/to/table'
示例：
CREATE EXTERNAL TABLE employee_external (id INT, name STRING, age INT, salary FLOAT)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
LOCATION '/user/hive/warehouse/employee_external';
五、視圖操作
1）創建視圖
用 CREATE VIEW 語句來創建視圖。
語法：
CREATE VIEW view_name AS SELECT col1, col2, ... FROM table_name
示例：
CREATE VIEW employee_view AS SELECT id, name, age FROM employee WHERE age > 25;
2）修改視圖
用 ALTER VIEW 語句來修改視圖。
語法：
ALTER VIEW view_name AS SELECT col1, col2, ... FROM table_name WHERE condition
示例：
ALTER VIEW employee_view AS SELECT id, name, age, salary FROM employee WHERE age > 25;
3）刪除視圖
用 DROP VIEW 語句來修改視圖。
語法：
DROP VIEW view_name
示例：
DROP VIEW employee_view;
4）查看視圖定義
用 DESCRIBE VIEW 語句來查看視圖定義。
語法：
DESCRIBE VIEW view_name
示例：
DESCRIBE VIEW employee_view;
總之，Hive中的DDL操作和視圖操作可以幫助用戶定義和管理表、視圖等數據結構，從而更加靈活和高效地管理和查詢數據。用戶可以根據實際需求選擇使用哪種操作方式，以達到更好的數據管理和操作效果。
關于Hive DDL 操作與視圖操作講解就先到這里了，有任何疑問歡迎給我留言，后續會持續更新相關文章，也可關注我的公眾號號【大數據與云原生技術分享】加群交流或私信咨詢問題等等~
