hive操作数据表之DML操作

发表于 2021-04-11 更新于 2026-07-17 分类于 hive Waline：阅读次数：本文字数： 2.7k 阅读时长 ≈ 2 分钟

Hive DML 操作：建库、建表、改表、删表，一套 SQL 全搞定

Hive 的 DML 操作跟 MySQL 很像，但有几个关键区别：

建表时要指定分隔符（不像 MySQL 已经定义好了）
有内表和外表之分（删表时删不删数据，取决于类型）
支持分区和分桶（大数据场景下的优化手段）

数据库操作：建库、切库、删库

数据库是表的容器，用来隔离不同业务的数据。

查看已有数据库：

show databases;

创建数据库：

CREATE DATABASE IF NOT EXISTS study_hive
COMMENT '学习 Hive 用的库'
LOCATION '/user/hive/warehouse/study_hive.db';

IF NOT EXISTS：库存在就不重复创建，不报错
LOCATION：指定库在 HDFS 上的存放位置（不指定的话默认在 /user/hive/warehouse/ 下）

切换数据库：

USE study_hive;

之后命令行提示符会变成 hive (study_hive)>，表示当前在这个库里操作。

查看数据库详情：

DESC DATABASE study_hive;
-- 输出：库名、注释、HDFS 路径、所有者

删除数据库：

-- 删空库（库里没有表）
DROP DATABASE IF EXISTS study_hive_empty;

-- 删非空库（库里还有表，强制删除）
DROP DATABASE study_hive CASCADE;

CASCADE 会连库带表一起删，操作不可逆，慎用。

创建表：核心是”列定义 + 分隔符 + 存储格式”

建表是 Hive 最常用的操作。语法跟 MySQL 类似，但多了分隔符和存储格式的配置。

基本模板：

CREATE [EXTERNAL] TABLE 表名 (
  列名1 类型 COMMENT '注释',
  列名2 类型 COMMENT '注释'
)
[PARTITIONED BY (分区列 类型)]
[ROW FORMAT DELIMITED FIELDS TERMINATED BY '分隔符']
[STORED AS 存储格式]
[LOCATION 'HDFS路径'];

一个完整的例子：

CREATE TABLE IF NOT EXISTS user_info (
  id INT COMMENT '用户ID',
  name STRING COMMENT '姓名',
  age INT COMMENT '年龄',
  city STRING COMMENT '城市'
)
COMMENT '用户信息表'
ROW FORMAT DELIMITED
  FIELDS TERMINATED BY ','      -- 列之间用逗号分隔
  LINES TERMINATED BY '\n'      -- 行之间用换行
STORED AS TEXTFILE              -- 存成文本文件
LOCATION '/user/hive/warehouse/study_hive.db/user_info';

建表时的两个关键选择：

选择	选项	说明
内表 vs 外表	`EXTERNAL` 关键字	外表删表不删数据，内表删表删数据
存储格式	`TEXTFILE` / `PARQUET` / `ORC`	文本格式方便看，列式存储查询快

内部表 vs 外部表：删表时删不删数据？

这是 Hive 新手最容易搞混的概念。

	内部表（默认）	外部表（加 `EXTERNAL`）
创建方式	`CREATE TABLE ...`	`CREATE EXTERNAL TABLE ...`
数据归谁管	Hive 管	用户自己管
删除表时	删元数据 + 删数据	只删元数据，数据还在 HDFS 上
适用场景	临时表、中间表	原始数据、共享数据

什么时候用外表？

数据是别的系统生成的（比如 Flume 采集的日志），Hive 只是拿来查，删表时不能把数据删了。

什么时候用内表？

数据是 Hive 自己产生的（ETL 结果、临时表），删表时数据也不想要了。

查看表是内表还是外表：

DESC FORMATTED user_info;
-- 看 Table Type 那一行：MANAGED_TABLE = 内部表，EXTERNAL_TABLE = 外部表

查看表信息

查看当前库有哪些表：

SHOW TABLES;

查看表结构（列定义）：

DESC user_info;
-- 输出列名、类型、注释

查看表的完整信息（存储格式、路径、内外表等）：

DESC FORMATTED user_info;
-- 输出包括：表类型、存储格式、HDFS 路径、列信息等

修改表：改表名、加列、改列

1. 改表名：

ALTER TABLE user_info RENAME TO user_detail;

2. 加列：

ALTER TABLE user_detail ADD COLUMNS (
  gender STRING COMMENT '性别',
  register_date STRING COMMENT '注册日期'
);

3. 改列名/类型：

-- 把 id 改成 user_id
ALTER TABLE user_detail CHANGE COLUMN id user_id INT COMMENT '用户ID';

注意： 改列名不会自动改数据，新旧列名对应关系要清楚。加列后老数据的该列为 NULL，不影响历史数据。

4. 删列（不直接支持）：

Hive 没有 DROP COLUMN 语法，想删列要用 REPLACE COLUMNS 覆盖：

ALTER TABLE user_detail REPLACE COLUMNS (
  user_id INT,
  name STRING
);
-- 只剩两列，其他列被"删"掉了

REPLACE COLUMNS 会改变表的元数据，但不会动 HDFS 上的数据文件。如果数据文件还有”被删列”的数据，读表时会忽略。

删除表：DROP TABLE

DROP TABLE IF EXISTS user_detail;

如果是内部表：删元数据 + 删 HDFS 数据
如果是外部表：只删元数据，HDFS 数据还在

删表前先用 DESC FORMATTED 看一眼类型，确认是内表还是外表，别把数据意外删了。

常用数据加载方式

建完表后要往里放数据，最常用的两种方式：

方式1：从本地文件加载

LOAD DATA LOCAL INPATH '/home/hadoop/data/user.csv'
OVERWRITE INTO TABLE user_info;

LOCAL：文件在本地（不加则从 HDFS 加载）
OVERWRITE：覆盖已有数据（不加则追加）

方式2：从另一张表插入

INSERT OVERWRITE TABLE user_info
SELECT id, name, age, city FROM raw_user;