Hive的几种常见的数据导入方式
这里介绍四种:
(1)、从本地文件系统中导入数据到Hive表;
(2)、从HDFS上导入数据到Hive表;
(3)、从别的表中查询出相应的数据并导入到Hive表中;
(4)、在创建表的时候通过从别的表中查询出相应的记录并插入到所创建的表中。
一、从本地文件系统中导入数据到Hive表
先在Hive里面创建好表,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
这个表很简单,只有四个字段,具体含义我就不解释了。本地文件系统里面有个/home/wyp/wyp.txt文件,内容如下:
1. [wyp@master ~]$ cat wyp.txt
2. 1 wyp 25 13188888888888
3. 2 test 30 13888888888888
4. 3 zs 34 899314121
wyp.txt文件中的数据列之间是使用\t分割的,可以通过下面的语句将这个文件里面的数据导入到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
这样就将wyp.txt里面的内容导入到wyp表里面去了,可以到wyp表的数据目录下查看,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
需要注意的是:
和我们熟悉的关系型数据库不一样,Hive现在还不支持在insert语句里面直接给出一组记录的文字形式,也就是说,Hive并不支持INSERT INTO …. VALUES形式的语句。
二、HDFS上导入数据到Hive表
从本地文件系统中将数据导入到Hive表的过程中,其实是先将数据临时复制到HDFS的一个目录下(典型的情况是复制到上传用户的HDFS home目录下,比如/home/wyp/),然后再将数据从那个临时目录下移动(注意,这里说的是移动,不是复制!)到对应的Hive表的数据目录里面。既然如此,那么Hive肯定支持将数据直接从HDFS上的一个目录移动到相应Hive表的数据目录下,假设有下面这个文件/home/wyp/add.txt,具体的操作如下:
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
上面是需要插入数据的内容,这个文件是存放在HDFS上/home/wyp目录(和一中提到的不同,一中提到的文件是存放在本地文件系统上)里面,我们可以通过下面的命令将这个文件里面的内容导入到Hive表中,具体操作如下:
1. hive> load data inpath '/home/wyp/add.txt' into tablewyp;
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)
从上面的执行结果我们可以看到,数据的确导入到wyp表中了!请注意load data inpath ‘/home/wyp/add.txt’ intotable wyp;里面是没有local这个单词的,这个是和一中的区别。
三、从别的表中查询出相应的数据并导入到Hive表中
假设Hive中有test表,其建表语句如下所示:
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 second
大体和wyp表的建表语句类似,只不过test表里面用age作为了分区字段。对于分区,这里在做解释一下:
分区:在Hive中,表的每一个分区对应表下的相应目录,所有分区的数据都是存储在对应的目录中。比如wyp表有dt和city两个分区,则对应dt=20131218,city=BJ对应表的目录为/user/hive/warehouse/dt=20131218/city=BJ,所有属于这个分区的数据都存放在这个目录中。
下面语句就是将wyp表中的查询结果并插入到test表中:
1. hive> insert into table test
2. > partition (age='25')
3. > select id, name, tel
4. > from wyp;
5. #####################################################################
6. 这里输出了一堆Mapreduce任务信息,这里省略
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)
这里做一下说明:
我们知道我们传统数据块的形式insertinto table values(字段1,字段2),这种形式hive是不支持的。