😘温馨提示，本文仅描述了部分Hive建库建表语句，如需要深入学习，请进入CSDN与部分大佬们学习深造
Hive的入门语句
一、Hive的建库语句
1.语法结构如下👇👇👇
create database <name>
comment <database exegesis> -- 可添加关于这个库的注释
location <hdfs Path>; -- 可以指定这个库保存在HDFS的位置
一般建库不指定location时会默认将表的位置放在【hive-site.xml】中已定义过的目录下
2.普通的创建库的方式【后以建dsj库为例】
create database dsj;
3. 具有判断库是否存在的语句
create database if not exists dsj;
4.不仅判断库是否存在，并加入注释
create database if not exists dsj comment '这是存放大数据相关数据的库';
二、查看库的基本语句
1.查看所有Hive库
show databases;
2.查看库的详细信息
show database extended dsj;
3.使用正则的方式查看库
show databases like 'd*';
4.查看目前正在使用的库
select current_database();
5.查看已被创建的表的创建语句
show create database dsj;
三、删除库的基本语句
1.语法结构如下👇👇👇
drop database <Database Name>;
2. 普通的删库语句
drop database dsj;
3.具有判断的删库语句
drop database if exists dsj;
4.如果内部有表的特殊删库语句【具有风险！！！此语句会将连库和表一并删除】
drop database if exists dsj cascade;
drop database dsj cascade;
四、切换库
1. 只有一个语句👇👇👇
use <Database Name>; --与使用库的语句一致
五、创建表的基本语句
1.语法结构如下👇👇👇
create <external> table <if not exists> <Table Name>
(
<column Name> <Type> <comment> --这里写字段名和类型以及注释
)
<partitioned> <by> <[PartitionName] [Partition_Type] [comment]> --这里写动态分区的分区名，类型以及注释
<row> <format> <delimited | AVRO> --以字符格式分隔 或 以序列化的数据格式
<stored> <as> <textfile | orc | parquet> --保存为文本文件及其他格式
<location> <hdfs_path>;
对应的资料
1. PARQUET 格式
PARQUET 是一种开源的列式存储格式，广泛用于大数据处理系统，如Apache Hive、Apache Spark、Apache Drill等。它是基于Apache Arrow项目开发的，适用于处理半结构化或嵌套数据，支持多种数据类型。
特点：
列式存储：数据按列而不是按行存储，这使得针对特定列的查询更加高效，因为只需读取所需的列而不是整个行。
高压缩率：由于列中通常包含重复数据，PARQUET能够非常有效地进行压缩，从而减少存储空间。
支持嵌套数据：PARQUET格式能够高效地存储复杂的数据结构，如嵌套的JSON或Avro对象。
跨平台：支持多种数据处理框架，如Hive、Presto、Impala等。
自描述性：PARQUET文件内嵌了元数据，包含了数据的模式信息，可以方便地进行数据的读取和解析。
使用场景：
适合大数据分析、数据仓库以及机器学习等需要快速读取特定列的场景。
当处理数据包含多层嵌套结构（如JSON）的情况时，PARQUET是理想选择。
示例：
sql复制代码
CREATE TABLE example_parquet ( id INT, name STRING, age INT ) STORED AS PARQUET;2. ORC 格式
ORC (Optimized Row Columnar) 是Hadoop生态系统中的一种高效的列式存储格式，最初由Apache Hive项目开发。它与PARQUET类似，也支持高效的数据压缩和快速读取，但在某些方面提供了更优化的性能，尤其是在使用Hive时。
特点：
列式存储：数据按列而不是按行存储，适合快速查询特定列。
高度优化的压缩：ORC格式采用了高级的压缩技术，通常能比PARQUET格式提供更高的压缩率。
支持轻量级的元数据存储：ORC文件包含了大量的元数据（例如列的最小值、最大值、数据类型等），使得查询时能够跳过不必要的数据块，进一步提高查询性能。
查询性能优化：ORC支持“轻量级扫描”，通过存储更精确的统计信息来加速查询，尤其适合大规模数据扫描的场景。
Hive集成：ORC是Hive默认的存储格式，因此在使用Hive时，ORC格式通常表现更好。
使用场景：
主要用于Hive环境，尤其是数据仓库的场景，能够提供极高的压缩比和查询性能。
数据量庞大的分析场景，尤其是对于只需要查询特定列的聚合操作，ORC的优势尤为明显。
示例：
sql复制代码
CREATE TABLE example_orc ( id INT, name STRING, age INT ) STORED AS ORC;对比：PARQUET vs ORC
特性
PARQUET
ORC
存储类型
列式存储
列式存储
压缩比
支持高效压缩，但压缩比通常稍低
提供更高的压缩比
查询性能
对于复杂查询和多种数据类型查询较好
在Hive中查询性能更优化，特别是聚合查询
数据类型支持
支持各种复杂数据类型，尤其适合嵌套数据
主要优化针对结构化数据，复杂类型支持较弱
跨平台支持
广泛支持，如Hive、Presto、Spark等
主要与Hive紧密集成，但也支持其他平台
使用场景
适合多种数据处理平台，尤其是嵌套数据
适合Hive环境和大规模的批量数据处理
总结：
PARQUET：更适合多平台支持和复杂数据类型的存储，尤其适合嵌套的JSON数据。
ORC：在Hive环境中表现更优，适合大数据批量处理、优化查询和高效的压缩。
2.创建一个基本的内部表
create table dsj
(
group INT, --组别
name STRING, --组员名字
role STRING --职责
)
row format delimited fields terminated by ','; --以逗号做分隔
3.创建一个基本的外部表
create external table if not exists dsj
(
group INT, --组别
name STRING, --组员名字
role STRING --职责
)
row format delimited fileds terminated by ',' --以逗号做分隔
location '/hive/dsj/file'; --设置保存的路径
4.创建一个基本的分区表
create external table if not exists dsj
(
group INT, --组别
name STRING, --组员名字
role STRING --职责
)
row format delimited fileds terminated by ',' --以逗号做分隔
partitioned by (class STRING) --设置分区为class(班级)
location '/hive/dsj/file'; --设置保存的路径
六、查看表的基本语句
1. 查看当前库的表
show tables;
2.查看未使用时的库中的表
show tables in dsj; --这里的dsj是库名
3.查看库中以指定格式的表
show tables like 'd*';
4.查看表信息
desc dsj;
5.查看表的详细信息【不友好的格式】
desc extended dsj;
6.查看表的详细信息【友好的格式】
desc formatted dsj;
7.查看分区信息
show partitions dsj;
8.查看已建表的建表语句
show create table