原文：http://blog.javachen.com/2014/06/09/hive-data-manipulation-language.html
关于 Hive DML 语法，你可以参考 apache 官方文档的说明: Hive Data Manipulation Language 。
apache的hive版本现在应该是 0.13.0，而我使用的 hadoop 版本是 CDH5.0.1，其对应的 hive 版本是 0.12.0。故只能参考apache官方文档来看 cdh5.0.1 实现了哪些特性。
因为 hive 版本会持续升级，故本篇文章不一定会和最新版本保持一致。
1. 准备测试数据
首先创建普通表：
create
table
test
(
id
int
,
name
string
)
ROW
FORMAT
DELIMITED
FIELDS
TERMINATED
BY
','
STORED
AS
TEXTFILE
;
创建分区表：
CREATE
EXTERNAL
TABLE
test_p
(
id
int
,
name
string
)
partitioned
by
(
date
STRING
)
ROW
FORMAT
DELIMITED
FIELDS
TERMINATED
BY
'
\,
'
LINES
TERMINATED
BY
'
\n
'
STORED
AS
TEXTFILE
;
准备数据文件：
[/tmp]# cat test.txt 1,a 2,b 3,c 4,d
2.加载数据
语法如下：
LOAD
DATA
[
LOCAL
]
INPATH
'filepath'
[
OVERWRITE
]
INTO
TABLE
tablename
[
PARTITION
(
partcol1
=
val1
,
partcol2
=
val2
...)]
说明：
- filepath 可能是：
- 一个相对路径
-
一个绝对路径，例如：
/root/project/data1 -
一个url地址，可选的可以带上授权信息，例如：
hdfs://namenode:9000/user/hive/project/data1 - 目标可能是一个表或者分区，如果该表是分区，则必须制定分区列。
- filepath 可以是一个文件也可以是目录
-
如果指定了
LOCAL，则： -
load命令会在本地查找 filepath。如果 filepath 是相对路径，则相对于当前路径，也可以指定一个 url 或者本地文件，例如：file:///user/hive/project/data1 -
如果没有指定
LOCAL，则hive会使用全路径的url，url 中如果没有制定 schema，则默认使用fs.default.name的值；如果该路径不是绝对路径，则会相对于/user/<username> -
如果使用
OVERWRITE，则会删除原来的数据，然后导入新的数据，否则，就是追加数据。
需要注意的：
-
filepath中不能包括子目录 -
如果没有指定
LOCAL，则filepath指向目标表或者分区所在的文件系统。 - 如果需要压缩，则参考 CompressedStorage
2.1 测试
2.1.1 加载本地文件
a) 加载到普通表中
hive
>
load
data
local
inpath
'/tmp/test.txt'
into
table
test
;
Copying
data
from
file
:
/
tmp
/
test
.
txt
Copying
file
:
file
:
/
tmp
/
test
.
txt
Loading
data
to
table
default
.
test
Table
default
.
test
stats
:
[
num_partitions
:
0
,
num_files
:
1
,
num_rows
:
0
,
total_size
:
16
,
raw_data_size
:
0
]
OK
Time
taken
:
0
.
572
seconds
查看hdfs上的数据：
$ hadoop fs -ls /user/hive/warehouse/test
Found 1 items
-rwxrwxrwt 3 hive hadoop 16 2014-06-09 18:36 /user/hive/warehouse/test/test.txt
查看表中数据：
hive
>
select
*
from
test
;
OK
1
a
2
b
3
c
4
d
Time
taken
:
0
.
562
seconds
,
Fetched
:
4
row
(
s
)
b) 加载文件到分区表
通常是直接使用 load 命令加载：
LOAD DATA LOCAL INPATH "/tmp/test.txt" INTO TABLE test_p PARTITION (date=20140722)
注意：如果没有加上
overwrite关键字，则加载相同文件最后会存在多个文件
还有一种方法是：创建分区目录，手动上传文件，最后再添加新的分区，代码如下：
hadoop fs -mkdir /user/hive/warehouse/test/date=20140320
ALTER TABLE test_p ADD IF NOT EXISTS PARTITION (date=20140320);
hive hadoop fs -rm /user/hive/warehouse/test/date=20140320/test.txt
hadoop fs -put /tmp/test.txt /user/hive/warehouse/test/date=20140320
同样，你也可以查看 hdfs 和表中的数据。
2.1.2 加载hdfs上的文件
拷贝 test.txt 为test_1.txt 并将其上传到
/user/hive/warehouse
:
$ cp test.txt test_1.txt
$ sudo -u hive hadoop fs -put test_1.txt /user/hive/warehouse
然后将
/user/hive/warehouse/test_1.txt
导入到test表中：
hive
>
load
data
inpath
'/user/hive/warehouse/test_1.txt'
into
table
test
;
Loading
data
to
table
default
.
test
Table
default
.
test
stats
:
[
num_partitions
:
0
,
num_files
:
1
,
num_rows
:
0
,
total_size
:
16
,
raw_data_size
:
0
]
OK
Time
taken
:
2
.
941
seconds
查看hdfs上的数据：
$ hadoop fs -ls /user/hive/warehouse/test
Found 2 items
-rwxr-xr-x 3 hive hadoop 16 2014-06-09 18:48 /user/hive/warehouse/test/test.txt
-rwxr-xr-x 3 hive hadoop 16 2014-06-09 18:45 /user/hive/warehouse/test/test_1.txt
查看表中数据：
hive
>
select
*
from
test
;
OK
1
a
2
b
3
c
4
d
1
a
2
b
3
c
4
d
Time
taken
:
0
.
302
seconds
,
Fetched
:
8
row
(
s
)
3. 插入数据
标准语法：
INSERT
OVERWRITE
TABLE
tablename1
[
PARTITION
(
partcol1
=
val1
,
partcol2
=
val2
...)
[
IF
NOT
EXISTS
]]
select_statement1
FROM
from_statement
;
INSERT
INTO
TABLE
tablename1
[
PARTITION
(
partcol1
=
val1
,
partcol2
=
val2
...)]
select_statement1
FROM
from_statement
;
扩展语法（多个insert）：
FROM
from_statement
INSERT
OVERWRITE
TABLE
tablename1
[
PARTITION
(
partcol1
=
val1
,
partcol2
=
val2
...)
[
IF
NOT
EXISTS
]]
select_statement1
[
INSERT
OVERWRITE
TABLE
tablename2
[
PARTITION
...
[
IF
NOT
EXISTS
]]
select_statement2
]
[
INSERT
INTO
TABLE
tablename2
[
PARTITION
...]
select_statement2
]
...;
FROM
from_statement
INSERT
INTO
TABLE
tablename1
[
PARTITION
(
partcol1
=
val1
,
partcol2
=
val2
...)]
select_statement1
[
INSERT
INTO
TABLE
tablename2
[
PARTITION
...]
select_statement2
]
[
INSERT
OVERWRITE
TABLE
tablename2
[
PARTITION
...
[
IF
NOT
EXISTS
]]
select_statement2
]
...;
扩展语法（动态分区insert）：
INSERT
OVERWRITE
TABLE
tablename
PARTITION
(
partcol1
[
=
val1
],
partcol2
[
=
val2
]
...)
select_statement
FROM
from_statement
;
INSERT
INTO
TABLE
tablename
PARTITION
(
partcol1
[
=
val1
],
partcol2
[
=
val2
]
...)
select_statement
FROM
from_statement
;
说明：
- INSERT OVERWRITE 会覆盖存在的数据
- 输出的格式和序列化类取决于表的元数据
- hive 0.13.0 之后，select语句可以使用 CTEs 表达式，语法请参考 SELECT syntax ，示例见 Common Table Expression
Dynamic Partition Inserts
dynamic partition inserts在hive 0.6.0中引入。相关的配置参数有：
hive.exec.dynamic.partition
hive.exec.dynamic.partition.mode
hive.exec.max.dynamic.partitions.pernode
hive.exec.max.dynamic.partitions
hive.exec.max.created.files
hive.error.on.empty.partition
一个示例：
FROM
page_view_stg
pvs
INSERT
OVERWRITE
TABLE
page_view
PARTITION
(
dt
=
'2008-06-08'
,
country
)
SELECT
pvs
.
viewTime
,
pvs
.
userid
,
pvs
.
page_url
,
pvs
.
referrer_url
,
null
,
null
,
pvs
.
ip
,
pvs
.
cnt
4. 导出数据
标准语法：
INSERT OVERWRITE [LOCAL] DIRECTORY directory1
[ROW FORMAT row_format] [STORED AS file_format] (Note: Only available starting with Hive 0.11.0)
SELECT ... FROM ...
扩展语法（多个insert）：
``````
FROM from_statement
INSERT OVERWRITE [LOCAL] DIRECTORY directory1 select_statement1
[INSERT OVERWRITE [LOCAL] DIRECTORY directory2 select_statement2] …
```
row_format相关语法：
DELIMITED
[
FIELDS
TERMINATED
BY
char
[
ESCAPED
BY
char
]]
[
COLLECTION
ITEMS
TERMINATED
BY
char
]
[
MAP
KEYS
TERMINATED
BY
char
]
[
LINES
TERMINATED
BY
char
]
[
NULL
DEFINED
AS
char
](
Note
:
Only
available
starting
with
Hive
0
.
13
)
说明：
- Directory 可以是一个全路径的 url。
-
如果指定
LOCAL，则会将数据写到本地文件系统。 -
输出的数据序列化为 text 格式，分隔符为
^A，行于行之间通过换行符连接。如果存在不是基本类型的列，则这些列将被序列化为 JSON 格式。 -
在 Hive 0.11.0 可以输出字段的分隔符，之前版本的默认为
^A。
4.1 测试;
4.1.1 导出到本地文件系统
hive> insert overwrite local directory '/tmp/test' select * from test;
Total MapReduce jobs = 1
Launching Job 1 out of 1
Number of reduce tasks is set to 0 since there's no reduce operator
Starting Job = job_1402248601715_0016, Tracking URL = http://cdh1:8088/proxy/application_1402248601715_0016/
Kill Command = /usr/lib/hadoop/bin/hadoop job -kill job_1402248601715_0016
Hadoop job information for Stage-1: number of mappers: 1; number of reducers: 0
2014-06-09 19:25:12,896 Stage-1 map = 0%, reduce = 0%
2014-06-09 19:25:20,380 Stage-1 map = 100%, reduce = 0%, Cumulative CPU 0.99 sec
2014-06-09 19:25:21,433 Stage-1 map = 100%, reduce = 0%, Cumulative CPU 0.99 sec
MapReduce Total cumulative CPU time: 990 msec
Ended Job = job_1402248601715_0016
Copying data to local directory /tmp/test
Copying data to local directory /tmp/test
MapReduce Jobs Launched:
Job 0: Map: 1 Cumulative CPU: 0.99 sec HDFS Read: 305 HDFS Write: 32 SUCCESS
Total MapReduce CPU Time Spent: 990 msec
OK
Time taken: 18.438 seconds
导出后的数据预览如下：
[/tmp]# vim test/000000_0
1^Aa
2^Ab
3^Ac
4^Ad
1^Aa
2^Ab
3^Ac
4^Ad
可以看到数据中的列与列之间的分隔符是
^A
(ascii码是
\00001
)，如果想修改分隔符，可以做如下修改：
hive
>
insert
overwrite
local
directory
'/tmp/test'
row
format
delimited
fields
terminated
by
','
select
*
from
test
;
再来查看数据：
vim test/000000_3
1,a
2,b
3,c
4,d
1,a
2,b
3,c
4,d
4.1.2 导出到 HDFS 中
hive> insert overwrite directory '/user/hive/tmp' select * from test;
注意：
和导出文件到本地文件系统的HQL少一个local，数据的存放路径不一样了。
4.1.3 导出到Hive的另一个表中
在实际情况中，表的输出结果可能太多，不适于显示在控制台上，这时候，将Hive的查询输出结果直接存在一个新的表中是非常方便的，我们称这种情况为CTAS（
create table .. as select
）如下：
hive> create table test2 as select * from test;
本文链接地址： http://blog.javachen.com/2014/06/09/hive-data-manipulation-language.html
本文基于 署名2.5中国大陆许可协议 发布，欢迎转载、演绎或用于商业目的，但是必须保留本文署名和文章链接。 如您有任何疑问或者授权方面的协商，请邮件联系我。
