当前位置:首页 > 开发 > 开源软件 > 正文

[一起学Hive]之十四-Hive的元数据表结构详解

发表于: 2015-07-08   作者:superlxw1234   来源:转载   浏览:
摘要: 关键字:Hive元数据、Hive元数据表结构   之前在 “[一起学Hive]之一–Hive概述,Hive是什么”中介绍过,Hive自己维护了一套元数据,用户通过HQL查询时候,Hive首先需要结合元数据,将HQL翻译成MapReduce去执行。 本文介绍一下Hive元数据中重要的一些表结构及用途,以Hive0.13为例。   文章最后面,会以一个示例来全面了解一下,

关键字:Hive元数据、Hive元数据表结构

 

之前在 “[一起学Hive]之一–Hive概述,Hive是什么”中介绍过,Hive自己维护了一套元数据,用户通过HQL查询时候,Hive首先需要结合元数据,将HQL翻译成MapReduce去执行。

本文介绍一下Hive元数据中重要的一些表结构及用途,以Hive0.13为例。

 

文章最后面,会以一个示例来全面了解一下,Hive的元数据是怎么生成和存储的。

 

13.1 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”。

13.2 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。

 

13.3 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

 

13.4 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 ,

 

13.5 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

 

13.6 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

 

13.6 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

 

13.6 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 = 'lxw1234.com')
SELECT
'cookie1' AS cookieid,
'http://lxw1234.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)。

关于Hive的统计信息(Statistics),后面将会介绍。

 

Hive相关文章(持续更新)

一起学Hive系列

—-Hive概述,Hive是什么

—-Hive函数大全-完整版

—-Hive中的数据库(Database)和表(Table)

—-Hive的安装配置

—-Hive的视图和分区

—-Hive的动态分区

—-向Hive表中加载数据

—-使用Hive命令行

—-Hive的查询语句SELECT

—-Hive中Join的原理和机制

—-Hive中Join的类型和用法

—-Hive SQL的优化

—-Hive整合HBase,操作HBase表

Hive分析函数系列

Hive索引

hive优化之——控制hive任务中的map数和reduce数

 

 

[一起学Hive]之十四-Hive的元数据表结构详解

  • 0

    开心

    开心

  • 0

    板砖

    板砖

  • 0

    感动

    感动

  • 0

    有用

    有用

  • 0

    疑问

    疑问

  • 0

    难过

    难过

  • 0

    无聊

    无聊

  • 0

    震惊

    震惊

编辑推荐
关键词:Hive MapJoin、Hive Common Join、Hive Reduce Join、Hive Join 九、Hive中Join的原理和机
关键字:Hive WEB接口、Hive HWI Hive提供给用户的交互接口一般有三种:Hive命令行(Hive Command Li
关键字:Hive WEB接口、Hive HWI Hive提供给用户的交互接口一般有三种:Hive命令行(Hive Command Li
关键词:Hive MapJoin、Hive Common Join、Hive Reduce Join、Hive Join 九、Hive中Join的原理和机
1. Hive是什么 Hive是基于Hadoop的数据仓库解决方案。由于Hadoop本身在数据存储和计算方面有很好的
1. Hive是什么 Hive是基于Hadoop的数据仓库解决方案。由于Hadoop本身在数据存储和计算方面有很好的
关键字:Hive数据取样、Hive Sampling、Hive TABLESAMPLE. 在Hive中提供了数据取样(SAMPLING)的功
在前面的文章中,介绍了可以把Hive当成一个“数据库”,它也具备传统数据库的数据单元,数据库(Dat
在前面的文章中,介绍了可以把Hive当成一个“数据库”,它也具备传统数据库的数据单元,数据库(Dat
emp表的数据来自oracle的emp表中,windows中使用plsql导出的数据文件为emp.csv,使用hdfs dfs -put
版权所有 IT知识库 CopyRight © 2009-2015 IT知识库 IT610.com , All Rights Reserved. 京ICP备09083238号