hive location更新&hive元数据表详解

ZhaoYingChao882023-09-15 14:16

1.hive location更新方式

一、通过修改表DDL：

alter table table_name set location 'hdfs://nm:8020/table_path'

二、直接修改hive 的meta info:

update `DBS` set `DB_LOCATION_URI` = replace(DB_LOCATION_URI,"oldpath","newpath")
 
update SDS  set location =replace(location,'oldpath,'newpath')

2. hive命令操作方式

hive分为内部表和外部表，两种表修改路径方式不一样。

内部表

设置新的路径

alter table tb_table1 set location 'hdfs://cluster/hive/warehouse/test.db/tb_table2

移动表的文件

hdfs dfs -mv /hive/warehouse/test.db/tb_table1 /hive/warehouse/test.db/tb_table2

外部表

因为外部表删除表并不会删除文件，所以可以先删除表

drop table table1;

移动文件到新位置

hdfs dfs -mv /hive/warehouse/test.db/tb_table1 /hive/warehouse/test.db/tb_table2

新建新表, 并且指定路径为新地址

create external table table2 (....) location '/hive/warehouse/test.db/table2'

恢复元数据

msck repair table table2;

3.1 存储Hive版本的元数据表（VERSION）

该表比较简单，但很重要。

|------------|--------------------|---------------------|
| VER_ID | SCHEMA_VERSION | VERSION_COMMENT |
| ID主键 | Hive版本 | 版本说明 |
| 1 | 0.13.0 | Set by MetaStore |

如果该表出现问题，根本进入不了Hive-Cli。

比如该表不存在，当启动Hive-Cli时候，就会报错"Table 'hive.version' doesn't exist"。

3.2 Hive数据库相关的元数据表（DBS、DATABASE_PARAMS）

  • DBS

该表存储Hive中所有数据库的基本信息，字段如下：

|---------------------|-----------|------------------------------------------------|
| 元数据表字段 | 说明 | 示例数据 |
| DB_ID | 数据库ID | 2 |
| DESC | 数据库描述 | 测试库 |
| DB_LOCATION_URI | 数据库HDFS路径 | hdfs://namenode/user/hive/warehouse/lxw1234.db |
| NAME | 数据库名 | lxw1234 |
| OWNER_NAME | 数据库所有者用户名 | lxw1234 |
| OWNER_TYPE | 所有者角色 | USER |

  • DATABASE_PARAMS

该表存储数据库的相关参数，在CREATE DATABASE时候用

WITH DBPROPERTIES (property_name=property_value, ...)指定的参数。

|-----------------|--------|-----------|
| 元数据表字段 | 说明 | 示例数据 |
| DB_ID | 数据库ID | 2 |
| PARAM_KEY | 参数名 | createdby |
| PARAM_VALUE | 参数值 | lxw1234 |

DBS和DATABASE_PARAMS这两张表通过DB_ID字段关联。

3.3 Hive表和视图相关的元数据表

主要有TBLS、TABLE_PARAMS、TBL_PRIVS，这三张表通过TBL_ID关联。

  • TBLS

该表中存储Hive表、视图、索引表的基本信息。

|------------------------|------------|---------------------------------------------------------------------------------|
| 元数据表字段 | 说明 | 示例数据 |
| TBL_ID | 表ID | 1 |
| CREATE_TIME | 创建时间 | 1436317071 |
| DB_ID | 数据库ID | 2，对应DBS中的DB_ID |
| LAST_ACCESS_TIME | 上次访问时间 | 1436317071 |
| OWNER | 所有者 | liuxiaowen |
| RETENTION | 保留字段 | 0 |
| SD_ID | 序列化配置信息 | 86，对应SDS表中的SD_ID |
| TBL_NAME | 表名 | lxw1234 |
| TBL_TYPE | 表类型 | MANAGED_TABLE、EXTERNAL_TABLE、INDEX_TABLE、VIRTUAL_VIEW |
| VIEW_EXPANDED_TEXT | 视图的详细HQL语句 | select `lxw1234`.`pt`, `lxw1234`.`pcid` from `liuxiaowen`.`lxw1234` |
| VIEW_ORIGINAL_TEXT | 视图的原始HQL语句 | select * from lxw1234 |

  • TABLE_PARAMS

该表存储表/视图的属性信息。

|-----------------|--------|----------------------------|
| 元数据表字段 | 说明 | 示例数据 |
| TBL_ID | 表ID | 1 |
| PARAM_KEY | 属性名 | totalSize、numRows、EXTERNAL |
| PARAM_VALUE | 属性值 | 970107336、21231028、TRUE |

  • TBL_PRIVS

该表存储表/视图的授权信息

|--------------------|---------|--------------------|
| 元数据表字段 | 说明 | 示例数据 |
| TBL_GRANT_ID | 授权ID | 1 |
| CREATE_TIME | 授权时间 | 1436320455 |
| GRANT_OPTION | | 0 |
| GRANTOR | 授权执行用户 | liuxiaowen |
| GRANTOR_TYPE | 授权者类型 | USER |
| PRINCIPAL_NAME | 被授权用户 | username |
| PRINCIPAL_TYPE | 被授权用户类型 | USER |
| TBL_PRIV | 权限 | Select、Alter |
| TBL_ID | 表ID | 22，对应TBLS表中的TBL_ID |

3.4 Hive文件存储信息相关的元数据表

主要涉及SDS、SD_PARAMS、SERDES、SERDE_PARAMS

由于HDFS支持的文件格式很多，而建Hive表时候也可以指定各种文件格式，Hive在将HQL解析成MapReduce时候，需要知道去哪里，使用哪种格式去读写HDFS文件，而这些信息就保存在这几张表中。

  • SDS

该表保存文件存储的基本信息，如INPUT_FORMAT、OUTPUT_FORMAT、是否压缩等。

TBLS表中的SD_ID与该表关联，可以获取Hive表的存储信息。

|-------------------------------|----------|------------------------------------------------------------|
| 元数据表字段 | 说明 | 示例数据 |
| SD_ID | 存储信息ID | 1 |
| CD_ID | 字段信息ID | 21，对应CDS表 |
| INPUT_FORMAT | 文件输入格式 | org.apache.hadoop.mapred.TextInputFormat |
| IS_COMPRESSED | 是否压缩 | 0 |
| IS_STOREDASSUBDIRECTORIES | 是否以子目录存储 | 0 |
| LOCATION | HDFS路径 | hdfs://namenode/hivedata/warehouse/ut.db/t_lxw |
| NUM_BUCKETS | 分桶数量 | 5 |
| OUTPUT_FORMAT | 文件输出格式 | org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat |
| SERDE_ID | 序列化类ID | 3，对应SERDES表 |

  • SD_PARAMS

该表存储Hive存储的属性信息，在创建表时候使用

STORED BY 'storage.handler.class.name' [WITH SERDEPROPERTIES (...)指定。

|-----------------|--------|----------|
| 元数据表字段 | 说明 | 示例数据 |
| SD_ID | 存储配置ID | 1 |
| PARAM_KEY | 存储属性名 | |
| PARAM_VALUE | 存储属性值 | |

  • SERDES

该表存储序列化使用的类信息

|--------------|----------|----------------------------------------------------|
| 元数据表字段 | 说明 | 示例数据 |
| SERDE_ID | 序列化类配置ID | 1 |
| NAME | 序列化类别名 | |
| SLIB | 序列化类 | org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe |

  • SERDE_PARAMS

该表存储序列化的一些属性、格式信息,比如：行、列分隔符

|-----------------|----------|-------------|
| 元数据表字段 | 说明 | 示例数据 |
| SERDE_ID | 序列化类配置ID | 1 |
| PARAM_KEY | 属性名 | field.delim |
| PARAM_VALUE | 属性值 | , |

3.5 Hive表字段相关的元数据表

主要涉及COLUMNS_V2

  • COLUMNS_V2

该表存储表对应的字段信息。

|-----------------|--------|----------|
| 元数据表字段 | 说明 | 示例数据 |
| CD_ID | 字段信息ID | 1 |
| COMMENT | 字段注释 | |
| COLUMN_NAME | 字段名 | pt |
| TYPE_NAME | 字段类型 | string |
| INTEGER_IDX | 字段顺序 | 2 |

3.6 Hive表分区相关的元数据表

主要涉及PARTITIONS、PARTITION_KEYS、PARTITION_KEY_VALS、PARTITION_PARAMS

  • PARTITIONS

该表存储表分区的基本信息。

|----------------------|----------|---------------|
| 元数据表字段 | 说明 | 示例数据 |
| PART_ID | 分区ID | 1 |
| CREATE_TIME | 分区创建时间 | |
| LAST_ACCESS_TIME | 最后一次访问时间 | |
| PART_NAME | 分区名 | pt=2015-06-12 |
| SD_ID | 分区存储ID | 21 |
| TBL_ID | 表ID | 2 |

  • PARTITION_KEYS

该表存储分区的字段信息。

|------------------|--------|----------|
| 元数据表字段 | 说明 | 示例数据 |
| TBL_ID | 表ID | 2 |
| PKEY_COMMENT | 分区字段说明 | |
| PKEY_NAME | 分区字段名 | pt |
| PKEY_TYPE | 分区字段类型 | string |
| INTEGER_IDX | 分区字段顺序 | 1 |

  • PARTITION_KEY_VALS

该表存储分区字段值。

|------------------|---------|------------|
| 元数据表字段 | 说明 | 示例数据 |
| PART_ID | 分区ID | 2 |
| PART_KEY_VAL | 分区字段值 | 2015-06-12 |
| INTEGER_IDX | 分区字段值顺序 | 0 |

  • PARTITION_PARAMS

该表存储分区的属性信息。

|-----------------|--------|------------------|
| 元数据表字段 | 说明 | 示例数据 |
| PART_ID | 分区ID | 2 |
| PARAM_KEY | 分区属性名 | numFiles、numRows |
| PARAM_VALUE | 分区属性值 | 15、502195 |

3.7 其他不常用的元数据表

  • DB_PRIVS

数据库权限信息表。通过GRANT语句对数据库授权后，将会在这里存储。

  • IDXS

索引表，存储Hive索引相关的元数据

  • INDEX_PARAMS

索引相关的属性信息。

  • TAB_COL_STATS

表字段的统计信息。使用ANALYZE语句对表字段分析后记录在这里。

  • TBL_COL_PRIVS

表字段的授权信息

  • PART_PRIVS

分区的授权信息

  • PART_COL_STATS

分区字段的统计信息。

  • PART_COL_PRIVS

分区字段的权限信息。

  • FUNCS

用户注册的函数信息

  • FUNC_RU

用户注册函数的资源信息

3.8 示例

建表语句：

CREATE TABLE lxw1234 (
 cookieid STRING,
 url STRING,
 ua STRING,
 ip STRING,
 createtime STRING
) 
COMMENT 'This is the page view table' 
partitioned BY (day STRING,site STRING) 
ROW FORMAT DELIMITED 
FIELDS TERMINATED BY ',' 
stored AS ORC;

建表执行之后，元数据中以下表的数据会有所变化：

  • TBLS

生成了表lxw1234的基本信息

SELECT * FROM TBLS WHERE TBL_NAME = 'lxw1234';

|------------------------|---------------|
| 元数据表字段 | 数据 |
| TBL_ID | 41509 |
| CREATE_TIME | 1436324659 |
| DB_ID | 11 |
| LAST_ACCESS_TIME | 0 |
| OWNER | liuxiaowen |
| RETENTION | 0 |
| SD_ID | 91740 |
| TBL_NAME | lxw1234 |
| TBL_TYPE | MANAGED_TABLE |
| VIEW_EXPANDED_TEXT | NULL |
| VIEW_ORIGINAL_TEXT | NULL |

  • TABLE_PARAMS

select * from TABLE_PARAMS WHERE TBL_ID=41509

|------------|-----------------------|-----------------------------|
| TBL_ID | PARAM_KEY | PARAM_VALUE |
| 41509 | comment | This is the page view table |
| 41509 | transient_lastDdlTime | 1436324659 |

  • SDS

SELECT * FROM SDS WHERE SD_ID = 91740

|-------------------------------|----------------------------------------------------------|
| 元数据表字段 | 数据 |
| SD_ID | 91740 |
| CD_ID | 41564 |
| INPUT_FORMAT | org.apache.hadoop.hive.ql.io.orc.OrcInputFormat |
| IS_COMPRESSED | 0 |
| IS_STOREDASSUBDIRECTORIES | 0 |
| LOCATION | hdfs://namenode/hivedata/warehouse/liuxiaowen.db/lxw1234 |
| NUM_BUCKETS | -1 |
| OUTPUT_FORMAT | org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat |
| SERDE_ID | 91740 |

  • SERDES

select * from SERDES WHERE SERDE_ID = 91740

|--------------|-------------------------------------------|
| 元数据表字段 | 数据 |
| SERDE_ID | 91740 |
| NAME | |
| SLIB | org.apache.hadoop.hive.ql.io.orc.OrcSerde |

  • SERDE_PARAMS

select * from SERDE_PARAMS WHERE SERDE_ID=91740

|--------------|----------------------|-----------------|
| SERDE_ID | PARAM_KEY | PARAM_VALUE |
| 91740 | field.delim | , |
| 91740 | serialization.format | , |

  • COLUMNS_V2

select * from COLUMNS_V2 WHERE CD_ID=41564 ORDER BY INTEGER_IDX

|-----------|-------------|-----------------|---------------|-----------------|
| CD_ID | COMMENT | COLUMN_NAME | TYPE_NAME | INTEGER_IDX |
| 41564 | | cookieid | string | 0 |
| 41564 | | url | string | 1 |
| 41564 | | ua | string | 2 |
| 41564 | | ip | string | 3 |
| 41564 | | createtime | string | 4 |

  • PARTITION_KEYS

select * from PARTITION_KEYS WHERE TBL_ID=41509

|------------|------------------|---------------|---------------|-----------------|
| TBL_ID | PKEY_COMMENT | PKEY_NAME | PKEY_TYPE | INTEGER_IDX |
| 41509 | | day | string | 0 |
| 41509 | | site | string | 1 |

再插入数据：

INSERT OVERWRITE TABLE lxw1234 PARTITION (day = '2015-07-08', site = 'test.com') 
SELECT 
'cookie1' AS cookieid,
'http://test.com' AS url,
'firefox' AS ua,
'127.0.0.1' AS ip,
'2015-07-08 11:00:01' AS createtime 
FROM dual 
limit 1;

插入数据执行完之后，以下表的元数据发生变化：

  • PARTITIONS

select * from `PARTITIONS` WHERE TBL_ID=41509

|-------------|-----------------|----------------------|---------------------------------|-----------|------------|
| PART_ID | CREATE_TIME | LAST_ACCESS_TIME | PART_NAME | SD_ID | TBL_ID |
| 54472 | 1436325812 | 0 | day=2015-07-08/site=lxw1234.com | 91746 | 41509 |

  • SDS

select * from SDS WHERE SD_ID=91746

注意：这里的存储和表的存储是不同的，因为每个分区也会有一个SD

|-------------------------------|------------------------------------------------------------------------------------------|
| 元数据表字段 | 数据 |
| SD_ID | 91746 |
| CD_ID | 41564 |
| INPUT_FORMAT | org.apache.hadoop.hive.ql.io.orc.OrcInputFormat |
| IS_COMPRESSED | 0 |
| IS_STOREDASSUBDIRECTORIES | 0 |
| LOCATION | hdfs://namenode/hivedata/warehouse/liuxiaowen.db/lxw1234/day=2015-07-08/site=lxw1234.com |
| NUM_BUCKETS | -1 |
| OUTPUT_FORMAT | org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat |
| SERDE_ID | 91746 |

  • PARTITION_KEY_VALS

select * from PARTITION_KEY_VALS where PART_ID=54472

|-------------|------------------|-----------------|
| PART_ID | PART_KEY_VAL | INTEGER_IDX |
| 54472 | 2015-07-08 | 0 |
| 54472 | lxw1234.com | 1 |

  • PARTITION_PARAMS

select * from PARTITION_PARAMS where PART_ID = 54472

|-------------|-----------------------|-----------------|
| PART_ID | PARAM_KEY | PARAM_VALUE |
| 54472 | COLUMN_STATS_ACCURATE | true |
| 54472 | numFiles | 1 |
| 54472 | numRows | 1 |
| 54472 | rawDataSize | 408 |
| 54472 | totalSize | 703 |
| 54472 | transient_lastDdlTime | 1436325813 |

在分区的属性里面，生成的该分区的统计信息（Statistics）。

参考：https://www.cnblogs.com/qingyunzong/p/8710356.html

相关推荐
SafePloy安策28 分钟前
ES信息防泄漏：策略与实践
大数据·elasticsearch·开源
学术搬运工34 分钟前
【珠海科技学院主办，暨南大学协办 | IEEE出版 | EI检索稳定 】2024年健康大数据与智能医疗国际会议（ICHIH 2024）
大数据·图像处理·人工智能·科技·机器学习·自然语言处理
Matrix702 小时前
HBase理论_背景特点及数据单元及与Hive对比
大数据·数据库·hbase
B站计算机毕业设计超人3 小时前
计算机毕业设计Python+大模型农产品价格预测 ARIMA自回归模型 农产品可视化 农产品爬虫 机器学习 深度学习 大数据毕业设计 Django Flask
大数据·爬虫·python·深度学习·机器学习·课程设计·数据可视化
Carl_奕然3 小时前
【大数据算法】MapReduce算法概述之：MapReduce基础模型
大数据·算法·mapreduce
Elastic 中国社区官方博客4 小时前
Elasticsearch 8.16：适用于生产的混合对话搜索和创新的向量数据量化，其性能优于乘积量化 (PQ)
大数据·数据库·人工智能·elasticsearch·搜索引擎·ai·全文检索
飞翔的佩奇4 小时前
ElasticSearch：使用dsl语句同时查询出最近2小时、最近1天、最近7天、最近30天的数量
大数据·elasticsearch·搜索引擎·dsl
2301_769006784 小时前
19名专家被通报批评！国家科技重大专项评审违规！
大数据·人工智能·科技·sci·期刊·ssci
Yz98766 小时前
Kafka面试题
大数据·分布式·zookeeper·kafka·big data
爱搞技术的猫猫9 小时前
实现API接口的自动化
大数据·运维·数据库·性能优化·自动化·产品经理·1024程序员节
热门推荐
01软件工程从理论到实践客观题汇总(头歌第一章至第八章)02【HarmonyOS】HUAWEI DevEco Studio 下载地址汇总03组基轨迹建模 GBTM的介绍与实现（Stata 或 R）04VSCode插件 —— Cody AI （免费AI助手！）05全面解析：构建基于深度学习的安全帽检测系统（UI界面+YOLO代码+数据集）06Windows10安装PCL1.14.0及点云配准07【QuikGraph】C#调用第三方库实现迪杰斯特拉(Dijkstra)算法功能08Ubuntu 20.04使用Livox mid 360 测试 FAST_LIO09基于YOLOv10深度学习的CT扫描图像肾结石智能检测系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标检测10文件或文件夹名称中有空格如何批量去除