hive 的数据操作

向表中装载数据
(1)LOAD DATA

LOAD DATA LOCAL INPATH '/usr/x/employees.txt'
OVERWRITE INTO TABLE employees
PARTITION (country = 'US', state = 'CA');

对于分区表，如果分区目录不存在，则会先创建分区目录，然后再将数据拷贝过去，对于非分区表，则应省略PARTITION语句。
OVERWRITE关键字表示覆盖表内已存在的数据。
通常情况下，路径指定为一个目录，hive会将目录下所有文件都拷贝到目标表的路径下，文件名保持不变。
LOCAL指定路径为本地文件系统，数据会被拷贝到目标位置。省略的话，路径是分布式文件系统中的路径，数据是转移到目标位置。
hive不会验证数据是否和表结构一致，但会验证文件格式是否和表结构定义一直。
(2)通过查询语句

INSERT OVERWRITE TABLE employees
PARTITION (country = 'US', state = 'OR')
SELECT * FROM staged_employees se 
WHERE se.cnty = 'US' AND se.st = 'OR';

这里使用OVERWRITE之前分区的数据都会被覆盖。使用INTO的话，将以追加的方式写入数据。

FROM staged_employees se
INSERT OVERWRITE TABLE employees
    PARTITION (country = 'US', state = 'OR')
    SELECT * WHERE se.cnty = 'US' AND se.st = 'OR'
INSERT OVERWRITE TABLE employees
    PARTITION (country = 'US', state = 'CA')
    SELECT* WHERE se.cnty = 'US' AND se.st = 'CA'
INSERT OVERWRITE TABLE employees
    PARTITION (country = 'US', state = 'IL')
    SELECT * WHERE se.cnty = 'US' AND se.st = 'IL';

(3) 单个查询语句中创建表并加载数据

CREATE TABLE ca_employees
AS SELECT name, salary, address 
FROM employees
WHERE se.state = 'CA';

hive没有行级别的更新和删除(后来添加了INSERT，这种方式是先创建一哥中间表加载数据，再把数据拷贝到目标表)。
也可以考虑使用sqoop将数据装载入hive中。

导出数据
建议使用sqoop。

本作品采用《CC 协议》，转载必须注明作者和本文链接