hive導(dǎo)入數(shù)據(jù)的四種方式介紹

本篇內(nèi)容主要講解“hive導(dǎo)入數(shù)據(jù)的四種方式介紹”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實(shí)用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“hive導(dǎo)入數(shù)據(jù)的四種方式介紹”吧!

Hive的幾種常見的數(shù)據(jù)導(dǎo)入方式
這里介紹四種：
（1）、從本地文件系統(tǒng)中導(dǎo)入數(shù)據(jù)到Hive表；
（2）、從HDFS上導(dǎo)入數(shù)據(jù)到Hive表；
（3）、從別的表中查詢出相應(yīng)的數(shù)據(jù)并導(dǎo)入到Hive表中；
（4）、在創(chuàng)建表的時(shí)候通過從別的表中查詢出相應(yīng)的記錄并插入到所創(chuàng)建的表中。

一、從本地文件系統(tǒng)中導(dǎo)入數(shù)據(jù)到Hive表

先在Hive里面創(chuàng)建好表，如下：

1. hive> create table wyp
   

2.     > (id int, name string,
   

3.     > age int, tel string)
   

4.     > ROW FORMAT DELIMITED
   

5.     > FIELDS TERMINATED BY '\t'
   

6.     > STORED AS TEXTFILE;
   

7. OK
   

8. Time taken: 2.832 seconds

復(fù)制代碼

這個(gè)表很簡單，只有四個(gè)字段，具體含義我就不解釋了。本地文件系統(tǒng)里面有個(gè)/home/wyp/wyp.txt文件，內(nèi)容如下：

1. [wyp@master ~]$ cat wyp.txt
   

2. 1       wyp     25      13188888888888
   

3. 2       test    30      13888888888888
   

4. 3       zs      34      899314121

復(fù)制代碼

wyp.txt文件中的數(shù)據(jù)列之間是使用\t分割的，可以通過下面的語句將這個(gè)文件里面的數(shù)據(jù)導(dǎo)入到wyp表里面，操作如下：

1. hive> load data local inpath 'wyp.txt' into table wyp;
   

2. Copying data from file:/home/wyp/wyp.txt
   

3. Copying file: file:/home/wyp/wyp.txt
   

4. Loading data to table default.wyp
   

5. Table default.wyp stats:
   

6. [num_partitions: 0, num_files: 1, num_rows: 0, total_size: 67]
   

7. OK
   

8. Time taken: 5.967 seconds

復(fù)制代碼

這樣就將wyp.txt里面的內(nèi)容導(dǎo)入到wyp表里面去了，可以到wyp表的數(shù)據(jù)目錄下查看，如下命令：

1. hive> dfs -ls /user/hive/warehouse/wyp ;
   

2. Found 1 items
   

3. -rw-r--r--3 wyp supergroup 67 2014-02-19 18:23 /hive/warehouse/wyp/wyp.txt

復(fù)制代碼

需要注意的是：

和我們熟悉的關(guān)系型數(shù)據(jù)庫不一樣，Hive現(xiàn)在還不支持在insert語句里面直接給出一組記錄的文字形式，也就是說，Hive并不支持INSERT INTO …. VALUES形式的語句。

二、HDFS上導(dǎo)入數(shù)據(jù)到Hive表

　　從本地文件系統(tǒng)中將數(shù)據(jù)導(dǎo)入到Hive表的過程中，其實(shí)是先將數(shù)據(jù)臨時(shí)復(fù)制到HDFS的一個(gè)目錄下（典型的情況是復(fù)制到上傳用戶的HDFS home目錄下,比如/home/wyp/），然后再將數(shù)據(jù)從那個(gè)臨時(shí)目錄下移動(dòng)（注意，這里說的是移動(dòng)，不是復(fù)制?。┑綄?yīng)的Hive表的數(shù)據(jù)目錄里面。既然如此，那么Hive肯定支持將數(shù)據(jù)直接從HDFS上的一個(gè)目錄移動(dòng)到相應(yīng)Hive表的數(shù)據(jù)目錄下，假設(shè)有下面這個(gè)文件/home/wyp/add.txt，具體的操作如下：

1. [wyp@master /home/q/hadoop-2.2.0]$ bin/hadoop fs -cat /home/wyp/add.txt
   

2. 5       wyp1    23      131212121212
   

3. 6       wyp2    24      134535353535
   

4. 7       wyp3    25      132453535353
   

5. 8       wyp4    26      154243434355

復(fù)制代碼

上面是需要插入數(shù)據(jù)的內(nèi)容，這個(gè)文件是存放在HDFS上/home/wyp目錄（和一中提到的不同，一中提到的文件是存放在本地文件系統(tǒng)上）里面，我們可以通過下面的命令將這個(gè)文件里面的內(nèi)容導(dǎo)入到Hive表中，具體操作如下：

1. hive> load data inpath '/home/wyp/add.txt' into table wyp;
   

2. Loading data to table default.wyp
   

3. Table default.wyp stats:
   

4. [num_partitions: 0, num_files: 2, num_rows: 0, total_size: 215]
   

5. OK
   

6. Time taken: 0.47 seconds
   

7. 
   

8. hive> select * from wyp;
   

9. OK
   

10. 5       wyp1    23      131212121212
    

11. 6       wyp2    24      134535353535
    

12. 7       wyp3    25      132453535353
    

13. 8       wyp4    26      154243434355
    

14. 1       wyp     25      13188888888888
    

15. 2       test    30      13888888888888
    

16. 3       zs      34      899314121
    

17. Time taken: 0.096 seconds, Fetched: 7 row(s)

復(fù)制代碼

從上面的執(zhí)行結(jié)果我們可以看到，數(shù)據(jù)的確導(dǎo)入到wyp表中了！請注意load data inpath ‘/home/wyp/add.txt’ into table wyp;里面是沒有l(wèi)ocal這個(gè)單詞的，這個(gè)是和一中的區(qū)別。

三、從別的表中查詢出相應(yīng)的數(shù)據(jù)并導(dǎo)入到Hive表中

假設(shè)Hive中有test表，其建表語句如下所示：

1. hive> create table test(
   

2.     > id int, name string
   

3.     > ,tel string)
   

4.     > partitioned by
   

5.     > (age int)
   

6.     > ROW FORMAT DELIMITED
   

7.     > FIELDS TERMINATED BY '\t'
   

8.     > STORED AS TEXTFILE;
   

9. OK
   

10. Time taken: 0.261 seconds

復(fù)制代碼

大體和wyp表的建表語句類似，只不過test表里面用age作為了分區(qū)字段。對于分區(qū)，這里在做解釋一下：

分區(qū)：在Hive中，表的每一個(gè)分區(qū)對應(yīng)表下的相應(yīng)目錄，所有分區(qū)的數(shù)據(jù)都是存儲在對應(yīng)的目錄中。比如wyp表有dt和city兩個(gè)分區(qū)，則對應(yīng)dt=20131218,city=BJ對應(yīng)表的目錄為/user/hive/warehouse/dt=20131218/city=BJ，所有屬于這個(gè)分區(qū)的數(shù)據(jù)都存放在這個(gè)目錄中。

下面語句就是將wyp表中的查詢結(jié)果并插入到test表中：

1. hive> insert into table test
   

2.     > partition (age='25')
   

3.     > select id, name, tel
   

4.     > from wyp;
   

5. #####################################################################
   

6.            這里輸出了一堆Mapreduce任務(wù)信息，這里省略
   

7. #####################################################################
   

8. Total MapReduce CPU Time Spent: 1 seconds 310 msec
   

9. OK
   

10. Time taken: 19.125 seconds
    

11. 
    

12. hive> select * from test;
    

13. OK
    

14. 5       wyp1    131212121212    25
    

15. 6       wyp2    134535353535    25
    

16. 7       wyp3    132453535353    25
    

17. 8       wyp4    154243434355    25
    

18. 1       wyp     13188888888888  25
    

19. 2       test    13888888888888  25
    

20. 3       zs      899314121       25
    

21. Time taken: 0.126 seconds, Fetched: 7 row(s)

復(fù)制代碼

這里做一下說明：
我們知道我們傳統(tǒng)數(shù)據(jù)塊的形式insert into table values（字段1，字段2），這種形式hive是不支持的。

通過上面的輸出，我們可以看到從wyp表中查詢出來的東西已經(jīng)成功插入到test表中去了！如果目標(biāo)表（test）中不存在分區(qū)字段，可以去掉partition (age=’25′)語句。當(dāng)然，我們也可以在select語句里面通過使用分區(qū)值來動(dòng)態(tài)指明分區(qū)：

1. hive> set hive.exec.dynamic.partition.mode=nonstrict;
   

2. hive> insert into table test
   

3.     > partition (age)
   

4.     > select id, name,
   

5.     > tel, age
   

6.     > from wyp;
   

7. #####################################################################
   

8.            這里輸出了一堆Mapreduce任務(wù)信息，這里省略
   

9. #####################################################################
   

10. Total MapReduce CPU Time Spent: 1 seconds 510 msec
    

11. OK
    

12. Time taken: 17.712 seconds
    

13. 
    

14. 
    

15. hive> select * from test;
    

16. OK
    

17. 5       wyp1    131212121212    23
    

18. 6       wyp2    134535353535    24
    

19. 7       wyp3    132453535353    25
    

20. 1       wyp     13188888888888  25
    

21. 8       wyp4    154243434355    26
    

22. 2       test    13888888888888  30
    

23. 3       zs      899314121       34
    

24. Time taken: 0.399 seconds, Fetched: 7 row(s)

復(fù)制代碼

這種方法叫做動(dòng)態(tài)分區(qū)插入，但是Hive中默認(rèn)是關(guān)閉的，所以在使用前需要先把hive.exec.dynamic.partition.mode設(shè)置為nonstrict。當(dāng)然，Hive也支持insert overwrite方式來插入數(shù)據(jù)，從字面我們就可以看出，overwrite是覆蓋的意思，是的，執(zhí)行完這條語句的時(shí)候，相應(yīng)數(shù)據(jù)目錄下的數(shù)據(jù)將會(huì)被覆蓋！而insert into則不會(huì)，注意兩者之間的區(qū)別。例子如下：

1. hive> insert overwrite table test
   

2.     > PARTITION (age)
   

3.     > select id, name, tel, age
   

4.     > from wyp;

復(fù)制代碼

更可喜的是，Hive還支持多表插入，什么意思呢？在Hive中，我們可以把insert語句倒過來，把from放在最前面，它的執(zhí)行效果和放在后面是一樣的，如下：

1. hive> show create table test3;
   

2. OK
   

3. CREATE  TABLE test3(
   

4.   id int,
   

5.   name string)
   

6. Time taken: 0.277 seconds, Fetched: 18 row(s)
   

7. 
   

8. hive> from wyp
   

9.     > insert into table test
   

10.     > partition(age)
    

11.     > select id, name, tel, age
    

12.     > insert into table test3
    

13.     > select id, name
    

14.     > where age>25;
    

15. 
    

16. hive> select * from test3;
    

17. OK
    

18. 8       wyp4
    

19. 2       test
    

20. 3       zs
    

21. Time taken: 4.308 seconds, Fetched: 3 row(s)

復(fù)制代碼

可以在同一個(gè)查詢中使用多個(gè)insert子句，這樣的好處是我們只需要掃描一遍源表就可以生成多個(gè)不相交的輸出。這個(gè)很酷吧！

四、在創(chuàng)建表的時(shí)候通過從別的表中查詢出相應(yīng)的記錄并插入到所創(chuàng)建的表中

在實(shí)際情況中，表的輸出結(jié)果可能太多，不適于顯示在控制臺上，這時(shí)候，將Hive的查詢輸出結(jié)果直接存在一個(gè)新的表中是非常方便的，我們稱這種情況為CTAS（create table .. as select）如下：

1. hive> create table test4
   

2.     > as
   

3.     > select id, name, tel
   

4.     > from wyp;
   

5. 
   

6. hive> select * from test4;
   

7. OK
   

8. 5       wyp1    131212121212
   

9. 6       wyp2    134535353535
   

10. 7       wyp3    132453535353
    

11. 8       wyp4    154243434355
    

12. 1       wyp     13188888888888
    

13. 2       test    13888888888888
    

14. 3       zs      899314121
    

15. Time taken: 0.089 seconds, Fetched: 7 row(s)

復(fù)制代碼

數(shù)據(jù)就插入到test4表中去了，CTAS操作是原子的，因此如果select查詢由于某種原因而失敗，新表是不會(huì)創(chuàng)建的！

到此，相信大家對“hive導(dǎo)入數(shù)據(jù)的四種方式介紹”有了更深的了解，不妨來實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！