如何为 HDFS 数据创建外部 Hive 表
简介 本教程将指导你创建一个外部 Hive 表，以访问存储在 Hadoop 分布式文件系统（HDFS）中的数据。你将学习如何设置外部表并查询其中的数据，从而提供一种使用 Hive SQL 接口无缝处理 Hadoop 数据的方法。 Hive 与 HDFS 简介 什么是 Hive？ Hive作为构建于H
简介
本教程将指导你创建一个外部 Hive 表，以访问存储在 Hadoop 分布式文件系统（HDFS）中的数据。你将学习如何设置外部表并查询其中的数据，从而提供一种使用 Hive SQL 接口无缝处理 Hadoop 数据的方法。
Hive 与 HDFS 简介
什么是 Hive？
Hive作为构建于Hadoop之上的数据仓库基础架构，提供了与SQL相似的接口，用于对存储在Hadoop分布式文件系统（HDFS）中的数据进行查询与管理。它允许用户运用一种被称作HiveQL的类SQL语言编写查询，随后把这些查询转换为能够在Hadoop集群上得以执行的MapReduce作业。
什么是 HDFS？
HDFS（Hadoop 分布式文件系统）是 Hadoop 应用程序使用的主要数据存储系统。它旨在跨 Hadoop 集群中的多台机器可靠且高效地存储大型数据集。HDFS 为应用程序数据提供高吞吐量访问，适用于具有大型数据集的应用程序。
Hive 与 HDFS 的集成
Hive 与 HDFS 紧密集成，允许用户存储和查询存储在 HDFS 中的数据。Hive 使用 HDFS 作为其主要数据存储系统，并提供了一种创建映射到存储在 HDFS 中的数据的表的方法。
graph TD
A[Hive] --> B[HiveQL]
B --> C[MapReduce]
C --> D[HDFS]Hive 和 HDFS 的用例
Hive 和 HDFS 通常用于以下场景：
- 大数据分析：Hive 和 HDFS 用于存储和分析大型数据集，如网络日志、传感器数据和社交媒体数据。
- 数据仓库：Hive 提供了一个类似 SQL 的接口来查询和管理存储在 HDFS 中的数据，使其成为构建数据仓库的热门选择。
- 批处理：Hive 可用于对存储在 HDFS 中的数据执行批处理，例如生成报告、执行 ETL（提取、转换、加载）操作以及运行机器学习算法。
创建外部 Hive 表
理解外部 Hive 表
在 Hive 中，外部表是指向存储在外部位置（如 HDFS）的数据的表。与将数据存储在 Hive 元存储中的内部表不同，外部表只是提供一种访问存储在其他地方的数据的方式。
创建外部 Hive 表
要创建外部 Hive 表，你可以使用以下 SQL 语句：
CREATE EXTERNAL TABLE IF NOT EXISTS table_name (
col1 data_type,
col2 data_type,
...
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
STORED AS TEXTFILE
LOCATION '/path/to/hdfs/directory';让我们来剖析一下这条语句的不同部分：
- CODE_0：这将创建一个具有指定名称的新外部表，如果该表已存在则跳过创建。
- CODE_0：这定义了表的列及其数据类型。
- CODE_0：这指定外部位置的数据由特定字符分隔。
- CODE_0：这将字段分隔符设置为逗号。
- CODE_0：这告诉 Hive 数据以文本文件格式存储。
- CODE_0：这指定了数据存储的 HDFS 目录。
示例：创建外部 Hive 表
假设你在 HDFS 路径 CODE_0 中有一个 CSV 文件，你可以按如下方式创建外部 Hive 表：
CREATE EXTERNAL TABLE IF NOT EXISTS sales (
product STRING,
quantity INT,
price DOUBLE
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
STORED AS TEXTFILE
LOCATION '/user/hive/data/sales.csv';这将创建一个名为 CODE0 的外部 Hive 表，它有三列：CODE1、CODE2 和 CODE3。数据预计为 CSV 格式，字段由逗号分隔。
查询外部表中的数据
访问外部表中的数据
创建外部 Hive 表后，你可以像查询任何其他 Hive 表一样查询存储在相关 HDFS 目录中的数据。当你针对该表执行查询时，数据会自动从 HDFS 加载。
示例查询
假设你已按照上一节中的方式创建了一个名为 CODE_0 的外部 Hive 表。以下是一些你可以运行的示例查询：
```sql
-- 从 sales 表中选择所有行
SELECT * FROM sales;
-- 从 sales 表中选择特定列
SELECT product, quantity, price FROM sales;
-- 根据条件过滤数据
SELECT * FROM sales WHERE quantity > 10;
-- 对数据进行聚合操作
SELECT product, SUM(quantity) AS totalquantity, A VG(price) AS a vgprice
FROM sales
GROUP BY product;
```
这些查询将从与 CODE_0 表相关联的 HDFS 目录中获取数据，并将结果返回给用户。
外部表的优势
在 Hive 中使用外部表有几个优势：
- 数据独立性：外部表将数据与 Hive 元存储解耦，允许数据在不影响 Hive 表定义的情况下独立管理和修改。
- 灵活性：外部表可用于访问以各种格式（例如 CSV、Parquet、ORC）存储在不同位置（例如 HDFS、Amazon S3、Google Cloud Storage）的数据。
- 减少存储开销：由于数据不存储在 Hive 元存储中，与内部表相比，外部表所需的存储空间更少。
- 更轻松的数据摄取：外部表使数据摄取到 Hive 生态系统中变得更加容易，因为数据可以直接添加到 HDFS 目录中，而无需创建新的 Hive 表。
通过了解如何创建和查询外部 Hive 表，你可以有效地利用 Hive 和 HDFS 的功能来管理和分析你的大数据。
总结
在本教程里，我们重点聚焦Hadoop。你已经成功掌握了如何创建外部Hive表，以此来访问存储于HDFS中的数据。通过设置外部表，你如今能够运用熟悉的Hive SQL语法去查询和操作数据，而无需直接与底层的HDFS文件系统打交道。这种方式极大地简化了处理Hadoop数据的流程，让你能够充分发挥Hive生态系统的强大功能。
WPS Office是一款面向macOS用户的综合办公套件，将文字处理、电子表格、演示文稿、PDF工具、模板与云协作整合在同一应用中。它兼容常见Microsoft Office格式，支持Intel及Apple芯片Mac，基础功能可免费使用，
Shapr3D是一款面向工业设计、机械工程、建筑概念和三维打印工作流的CAD软件。Mac版采用Parasolid建模内核，支持草图约束、实体建模、工程图、可视化渲染及常见CAD格式交换，并可通过账户在多台设备之间同步项目。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Ableton Live 是面向音乐制作人与现场表演者的数字音频工作站，提供编曲视图、独具特色的现场视图、音频录制、MIDI创作、实时变速、乐器及效果器。Mac版原生支持Apple芯片，并可连接音频接口、MIDI控制器和第三方插件。
Adobe After Effects 是面向动态图形、影视特效与视频合成的专业创作软件。它提供关键帧动画、遮罩抠像、运动跟踪、三维空间、文字动画和表达式等工具，并可与 Premiere Pro、Photoshop、Illustrator
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Adobe Bridge 是面向摄影师、设计师及内容团队的免费数字资产管理工具，可集中预览照片、视频和 Adobe 项目文件，并利用评级、标签、关键词、元数据、筛选与收藏集完成分类检索。它还支持批量重命名、格式导出、相机导入及 Camera
Adobe Illustrator 是 Adobe 推出的专业矢量图形设计软件，适合在 Mac 上制作标志、图标、插画、包装、信息图及印刷版面。它以路径和锚点构建可无损缩放的图形，并提供钢笔、形状、文字、图像描摹、渐变、画板及生成式功能。
Adobe InDesign 是面向印刷品与数字出版物的专业版面设计软件，可在 Mac 上制作书籍、杂志、宣传册、海报、报告及交互式文档。它提供精细的文字样式、网格、母版、长文档管理和印前输出能力。
Adobe Lightroom Classic 是面向桌面摄影工作流的照片管理与后期处理软件，可将原始照片保存在本地硬盘，通过目录、关键词、评分和收藏夹高效整理图库，并提供 RAW 冲印、蒙版、镜头校正、批量同步及多格式导出等功能。
Adobe Media Encoder 是 Adobe 推出的专业音视频编码与转码工具，可通过队列、预设和监视文件夹批量完成格式转换、代理文件创建及多平台成片输出，并与 Premiere Pro、After Effects 等软件紧密协作。
Adobe Photoshop 是面向摄影师、设计师和内容创作者的专业图像处理软件，提供图层、蒙版、选区、修复、调色、文字排版、智能对象及生成式编辑等能力。Mac 版支持 Intel 与 Apple Silicon 处理器。
AutoCAD 是 Autodesk 推出的专业计算机辅助设计软件，Windows 版支持精确二维绘图、三维实体与曲面建模、图纸标注、布局发布和任务自动化，并包含多套行业专业化工具组合，适用于建筑、机械、电气、工程建设及制造设计人员。
SketchUp Pro 是面向建筑、室内、景观、施工和产品设计等专业场景的三维建模工具，提供桌面建模、LayOut 二维文档、模型资源库、扩展程序及云端协作能力。其操作逻辑直观，适合从概念推敲、空间规划到图纸表达和方案汇报的完整工作流程。
AutoCAD LT 是 Autodesk 推出的专业二维 CAD 软件，适合建筑师、工程师、施工人员和设计师完成精确绘图、标注及文档编制。它支持 DWG 工作流、智能块、图形比较、计数、表格和 AutoLISP 自动化，
Rhino 3D 是 McNeel 推出的专业三维建模工具，可创建、编辑和分析 NURBS 曲线曲面、实体、网格、SubD 与点云。Windows 版支持精确造型、工程制图、渲染、文件转换及 Grasshopper 参数化设计，
Autodesk Fusion 是面向产品设计与制造的云连接开发平台，在统一环境中整合三维 CAD、CAM、CAE、PCB、工程图、数据管理和团队协作功能，适合产品设计师、机械工程师、电子工程师及加工制造团队完成从概念建模、验证分析到生产交
Archicad 是 Graphisoft 面向建筑师、设计师、工程师及 BIM 团队开发的建筑信息模型平台。它把三维建筑建模、施工文档、数据管理、专业协调、实时协作和可视化集中在统一项目环境中，适合从概念方案到施工交付的完整建筑设计流程。
Vectorworks Architect 是面向建筑师、室内设计师和建筑顾问的综合设计与BIM平台，覆盖概念草图、二维制图、三维建模、施工文档、数据报表、可视化及开放式协作。它强调自由造型与数据化建筑对象并存，
Shapr3D 是一款基于 Siemens Parasolid 几何内核的专业三维CAD软件，可在 Windows 电脑和平板设备上完成草图绘制、实体建模、参数化修改、模型可视化及技术图纸制作。软件提供免费基础方案，
FreeCAD 是面向机械设计、产品开发、建筑建模和创客项目的免费开源参数化三维 CAD 工具。它可在 Windows 上完成约束草图、实体零件、装配、工程图、BIM、有限元分析及 CAM 等任务，
Twinmotion 是 Epic Games 推出的实时三维可视化工具，可导入常见 CAD、BIM 与三维模型，通过材质、环境、植被、灯光及动画资源快速构建场景，并输出图片、视频、全景图和交互演示。
BricsCAD 是以 DWG 为核心格式的专业 CAD 平台，可用于二维制图、三维建模、工程文档与设计协作。产品按 Lite、Pro、BIM、Mechanical 和 Ultimate 等层级提供不同工具，
Ableton Live 是面向音乐创作、录音、编曲、声音设计、混音与现场演出的数字音频工作站。它将适合即兴触发素材的 Session 视图与传统时间线编曲结合，并提供音频变速、MIDI工具、软件乐器、效果器和声音资源，