Hive表与外部表

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,

2	> name string,

3	> age int,

4	> tele string)

5	> ROW FORMAT DELIMITED

6	> FIELDS TERMINATED BY '\t'

7	> STORED AS TEXTFILE;

8

OK

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]

07

OK

08	Time taken: 3.289 seconds

09	hive> select * from wyp;

10

OK

11	1       wyp     25      13188888888888

12	2       test    30      13888888888888

13	3       zs      34      899314121

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 ;

2	Found 1 items

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：

1	hive> drop table wyp;

2	Moved: 'hdfs://mycluster/user/hive/warehouse/wyp' to

3	trash at: hdfs://mycluster/user/hdfs/.Trash/Current

4

OK

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(

2

> id int,

3	> name string,

4	> age int,

5	> tel string)

6	> location '/home/wyp/external';

7

OK

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]

7

OK

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;

2

OK

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;

2	Found 1 items

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）