这篇文章给大家分享的是有关Hive数据如何导入导出mysql的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

Hive定位：ETL（数据仓库）工具
将数据从来源端经过抽取（extract）、转换（transform）、加载（load）至目的端的工具,如像：kettle

批量插入/批量导入
LOADDATA[LOCAL] INPATH 'filepath'[OVERWRITE] INTOTABLEtablename [PARTITION(partcol1=val1, partcol2=val2 ...)]
注：filepath可以是hdfs路径或者是S3路径，如hdfs://namenode:9000/user/hive/project/data1
1.从本地文件导入到表
loaddatalocalinpath 'test.txt'intotabletest;
2.从hdfs导入到表
loaddatainpath '/home/test/add.txt'intotabletest;
3.从表查询中导入到表
insertintotabletestselectid, name, tel fromtest;
4.将查询数据导入到多个表
from source_table
insertintotabletestselectid, name, tel fromdest1_table selectsrc.* wheresrc.id< 100
insertintotabletestselectid, name, tel fromdest2_table selectsrc.* wheresrc.id< 100
insertintotabletestselectid, name, tel fromdest3_table selectsrc.* wheresrc.id< 100;
5.建表时导入
createtabletest4 asselectid, name, tel fromtest;
指定分隔符导出数据
insertoverwrite localdirectory'/home/hadoop/export_hive'
rowformatdelimited
fieldsterminatedby'\t'
select* fromtest;
删除/清空
1.删除table1中不符合条件的数据
insertoverwrite tabletable1
select* fromtable1 whereXXXX;
2.清空表
insertoverwrite tablet_table1
select* fromt_table1 where1=0;
3.截断表（注：不能截断外部表）
truncatetabletable_name;
4.删除hdfs对应的表数据达到清空表（表结构依然存在）
hdfs dfs -rmr /user/hive/warehouse/test

注：1和2本质是覆写表来实现清除数据
delete 与 update
在hive中默认不支持事务，因此默认不支持delete与update，如果需要支持必须在hive-site.xml中配置打开

库/表/索引/视图/分区/分桶

列出/创建/修改/删除/查看信息
1.列出所有数据库
showdatabases;
2.创建数据库
createdatabasetest;
3.删除
dropdatabasetest;

处于安全原因，直接drop有数据的数据库会报错，此时需要cascade关键字忽略报错删除
dropdatabaseifexiststestcascade;
4.查看数据库信息
describedatabasetest;

列出/创建/修改/删除/查看信息
1.列出所有表

当前数据库的所有表
showtables;

指定数据库的所有表
showtablesindb_name;

支持正则
showtables'.*s';
2.创建表
createtabletest
(idint,
a string
)
ROWFORMATDELIMITED行分割
FIELDSTERMINATEDBY‘,’ 字段分隔符
LINESTERMINATEDBY‘\n’ 行分隔符
STOREDASTEXTFILE;作为文本存储
创建基于正则切分行字段的表
add jar ../build/contrib/hive_contrib.jar;

CREATETABLEapachelog (
host STRING,
identitySTRING,
userSTRING,
timeSTRING,
request STRING,
statusSTRING,
sizeSTRING,
referer STRING,
agentSTRING)
ROWFORMATSERDE 'org.apache.hadoop.hive.contrib.serde2.RegexSerDe'
WITHSERDEPROPERTIES (
"input.regex"= "([^ ]*) ([^ ]*) ([^ ]*) (-|//[[^//]]*//]) ([^ /"]*|/"[^/"]*/") (-|[0-9]*) (-|[0-9]*)(?: ([^ /"]*|/"[^/"]*/") ([^ /"]*|/"[^/"]*/"))?",
"output.format.string"= "%1$s %2$s %3$s %4$s %5$s %6$s %7$s %8$s %9$s"
)
STOREDASTEXTFILE;
3.修改
加一个新列
ALTERTABLEtestADDCOLUMNS(new_col2 INTCOMMENT'a comment');

改表名
ALTERTABLEold_name RENAMETOnew_name;
4.删除
droptabletest;
5.查看信息

显示列信息
desctest;

显示详细表信息
descformatted test;

创建索引
CREATEINDEXindex_name
ONTABLEbase_table_name (col_name, ...)
AS'index.handler.class.name'

如：DROPINDEXindex_name ONtable_name

重建索引
ALTERINDEXindex_name ONtable_name [PARTITION(...)] REBUILD

如：alterindexindex1_index_test onindex_test rebuild;

删除索引
DROPINDEXindex_name ONtable_name

列出索引
showindexonindex_test;

CREATE VIEW [IF NOT EXISTS] view_name [ (column_name [COMMENT column_comment], ...) ][COMMENT view_comment][TBLPROPERTIES (property_name = property_value, ...)] AS SELECT

注：hive只支持逻辑视图，不支持物化视图
?增加视图
?如果没有提供表名，视图列的名字将由定义的SELECT表达式自动生成
?如果修改基本表的属性，视图中不会体现，无效查询将会失败
?视图是只读的，不能用LOAD/INSERT/ALTER
?删除视图 DROP VIEW view_name

列出/创建/修改/删除
1.列出一个表的所有分区
showpartitionstest;
2.创建分区表
createtabletest
(idint,
a string,
)
partitioned by(b string,cint)
ROWFORMATDELIMITED
FIELDSTERMINATEDBY‘,’
LINESTERMINATEDBY‘\n’
STOREDASTEXTFILE;
3.对现有表添加分区
ALTERTABLEtestADDIFNOTEXISTS
PARTITION(year= 2017) LOCATION ‘/hiveuser/hive/warehouse/data_zh.db/data_zh/2017.txt’;
4.删除分区
ALTERTABLEtestDROPIFEXISTSPARTITION(year=2017);
5.加载数据到分区表
LOADDATAINPATH ‘/data/2017.txt’ INTOTABLEtestPARTITION(year=2017);
6.未分区表数据导入分区表
insertoverwrite tablepart_table partition(YEAR,MONTH) select* fromno_part_table;
7.动态分区指令
sethive.exec.dynamic.partition=true;
sethive.exec.dynamic.partition.mode=nonstrict;
#sethive.enforce.bucketing = true;

开启动态分区后导入数据时可以省略指定分区的步骤
LOADDATAINPATH ‘/data/2017.txt’ INTOTABLEtestPARTITION(year);

CREATETABLEbucketed_user (idINT) nameSTRING)
CLUSTERED BY(id) INTO4BUCKETS;
对于每一个表（table）或者分区， Hive可以进一步组织成桶，也就是说桶是更为细粒度的数据范围划分。Hive也是 针对某一列进行桶的组织。Hive采用对列值哈希，然后除以桶的个数求余的方式决定该条记录存放在哪个桶当中。
把表（或者分区）组织成桶（Bucket）有两个理由：
（1）获得更高的查询处理效率。桶为表加上了额外的结构，Hive 在处理有些查询时能利用这个结构。具体而言，连接两个在（包含连接列的）相同列上划分了桶的表，可以使用 Map 端连接 （Map-side join）高效的实现。比如JOIN操作。对于JOIN操作两个表有一个相同的列，如果对这两个表都进行了桶操作。那么将保存相同列值的桶进行JOIN操作就可以，可以大大较少JOIN的数据量。
（2）使取样（sampling）更高效。在处理大规模数据集时，在开发和修改查询的阶段，如果能在数据集的一小部分数据上试运行查询，会带来很多方便。

感谢各位的阅读！关于“Hive数据如何导入导出mysql”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！