Hive Create Table: Internal, Modificar y Eliminar con ejemplos

⚡ Resumen inteligente

Crear, alterar y soltarping Las tablas en Apache Hive utilizan un lenguaje DDL de estilo SQL familiar, pero el resultado depende de si la tabla es interna, propiedad de Hive, o externa, que simplemente describe archivos.

  • 🧱 CREAR TABLA: Una sola instrucción define las columnas, el formato de fila y, opcionalmente, la ubicación de almacenamiento de una tabla de Hive.
  • 🏷️ ALTERAR TABLA: RENAME cambia el nombre de la tabla, y ADD COLUMNS o CHANGE COLUMN editan el esquema sin recargar los datos.
  • 🗑️ ELIMINAR TABLA: Necesarioping una tabla interna elimina tanto el esquema como los datos, mientras que dropping Una tabla externa elimina únicamente los metadatos.
  • 🔒 Es propiedad de: Una tabla interna o gestionada reside en el directorio del almacén de datos y Hive controla todo su ciclo de vida.
  • 🔗 Se hace referencia a: Una tabla externa apunta a archivos que otras herramientas también leen, por lo que esos archivos sobreviven a la pérdida.
  • 🔎 Verifique el tipo: DESCRIBE FORMATTED informa MANAGED_TABLE o EXTERNAL_TABLE, lo que elimina cualquier conjetura antes de una eliminación.

Comandos de Hive para crear, modificar y eliminar tablas con ejemplos.

Operaciones de tabla como creación, modificación y eliminaciónping En este tutorial se pueden observar las tablas de Hive. Cada operación se muestra primero como una sesión en vivo y luego como una instrucción reutilizable.

Cómo crear, modificar y eliminar una tabla en Hive.

En la siguiente captura de pantalla, estamos creando una tabla con columnas y modificando el nombre de la tabla.

  1. Creando la tabla guru_sample con dos nombres de columna como “empid” y “empname”.
  2. Mostrando las tablas presentes en la base de datos guru99.
  3. guru_sample se muestra debajo de las tablas
  4. Modificando la tabla “guru_sample” como “guru_sampleNew”
  5. Nuevamente, cuando ejecute el comando "show", se mostrará el nuevo nombre guru_sampleNew.

La sesión que se muestra a continuación realiza los cinco pasos en orden en el colmena> La solicitud, y las dos llamadas a SHOW TABLES antes y después del cambio de nombre hacen que el efecto sea visible.

La sesión de Hive crea guru_sample y lo renombra a guru_sampleNew.

Necesarioping tabla guru_sampleNew:

Una sola instrucción DROP TABLE elimina la tabla renombrada, y Hive responde con OK.

Caída de caparazón de colmenaping la tabla guru_sampleNew con una respuesta OK

Sintaxis y cláusulas comunes de CREATE TABLE en Hive

El ejemplo anterior utiliza la forma más breve posible. La declaración documentada acepta varias cláusulas opcionales, y cada una determina algo que el ejemplo deja por defecto.

CREATE [TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS] [db_name.]table_name
  [(col_name data_type [COMMENT col_comment], ...)]
  [COMMENT table_comment]
  [PARTITIONED BY (col_name data_type, ...)]
  [CLUSTERED BY (col_name, ...) INTO num_buckets BUCKETS]
  [ROW FORMAT row_format]
  [STORED AS file_format]
  [LOCATION hdfs_path]
  [TBLPROPERTIES (property_name=property_value, ...)];
Cláusula Lo que controla
EXTERNA Crea una tabla externa, por lo que DROP deja los archivos de datos en su lugar.
TEMPORAL Crea una tabla con ámbito de sesión que desaparece cuando finaliza la sesión.
SI NO EXISTE Suprime el error cuando ya existe una tabla con ese nombre.
PARTIDO POR Divide la tabla en un directorio por cada valor de clave.
AGRUPADOS POR … EN n CUBOS Calcula el hash de las filas en un número fijo de archivos.
FORMATO DE FILA / ALMACENADO COMO Establece el delimitador o SerDe y el formato de archivo, como TEXTFILE, ORC o Parquet.
UBICACIÓN Apunta la tabla a una ruta HDFS específica en lugar de la ruta predeterminada del almacén.
TBLPROPERTIES Adjunta pares clave-valor de metadatos, incluyendo external.table.purge

Una forma relacionada, CREATE TABLE new_table LIKE existing_table, copia un esquema sin copiar ninguna fila. Las cláusulas estructurales como PARTITIONED BY y CLUSTERED BY se tratan en detalle en la guía para Particiones y depósitos de Hive.

Tipos de tablas y su uso

En cuanto a las tablas, su funcionamiento es similar al de las bases de datos relacionales tradicionales. Se pueden realizar operaciones como filtrado y uniones sobre ellas.

Hive maneja dos tipos de estructuras de tabla, tablas internas y externas, dependiendo de la carga y el diseño del esquema en ColmenaEsta elección no es meramente estética: determina quién es el propietario de los archivos de datos y qué sucede con ellos cuando se elimina la tabla.

Tablas internas en Hive

  • Las tablas internas son inherentemente complejas. En este tipo de tablas, primero debemos crearlas y luego cargar los datos.
  • Podemos llamar a esto datos sobre el esquema.
  • Por gotaping Esta tabla, tanto los datos como el esquema, serán eliminados.
  • La ubicación almacenada de esta tabla será /user/hive/warehouse.
  • Las tablas internas también se denominan tablas gestionadas, y solo ellas admiten transacciones TRUNCATE, ARCHIVE, MERGE, CONCATENATE y ACID.

¿Cuándo elegir la mesa interna?

  • Si los datos de procesamiento están disponibles en el sistema de archivos local
  • Si queremos que Hive gestione el ciclo de vida completo de los datos, incluida la eliminación

Fragmento de código de muestra para tabla interna

  1. Para crear la tabla interna
     Hive>CREATE TABLE guruhive_internaltable (id INT,Name STRING);
    	 Row format delimited 
    	 Fields terminated by '\t';
  2. Cargue los datos en la tabla interna.
        Hive>LOAD DATA INPATH '/user/guru99hive/data.txt' INTO table guruhive_internaltable;
  3. Mostrar el contenido de la tabla.
        Hive>select * from guruhive_internaltable;
  4. Para eliminar la tabla interna
        Hive>DROP TABLE guruhive_internaltable;

Si eliminas la tabla interna guruhive_internaltable, sus metadatos y datos se borrarán de Hive. A menos que especifiques PURGE, los archivos se moverán a la papelera de reciclaje de HDFS en lugar de eliminarse inmediatamente.

En la siguiente captura de pantalla, podemos observar el resultado de las cuatro instrucciones en una misma sesión, que culmina con la liberación exitosa del elemento.

Creación, carga, consulta y eliminación de sesiones de Hiveping Tabla interna de guruhive

En el código anterior y en la captura de pantalla hacemos lo siguiente:

  • Crear la tabla interna
  • Cargue los datos en la tabla interna.
  • Mostrar el contenido de la tabla.
  • Para eliminar la tabla interna

Tablas externas en Hive

  • La tabla externa tiene un acoplamiento flexible. Los datos estarán disponibles en HDFS. La tabla se creará a partir de los datos de HDFS.
  • En otras palabras, podemos decir que se trata de crear un esquema sobre los datos.
  • En el momento de la caídaping La tabla solo elimina el esquema, los datos seguirán estando disponibles en HDFS como antes.
  • Las tablas externas brindan una opción para crear múltiples esquemas para los datos almacenados en HDFS en lugar de eliminar los datos cada vez que se actualiza el esquema.
  • A partir de Hive 4.0.0, establecer la propiedad de tabla external.table.purge en true hace que DROP también elimine los datos.

¿Cuándo elegir una mesa externa?

  • Si los datos de procesamiento están disponibles en HDFS
  • Útil cuando los archivos se utilizan fuera de Hive

Fragmento de código de muestra para tabla externa

  1. Crear tabla externa
    Hive>CREATE EXTERNAL TABLE guruhive_external(id INT,Name STRING)
    	 Row format delimited
    	 Fields terminated by '\t'
    	 LOCATION '/user/guru99hive/guruhive_external';
  2. Si no especificamos la ubicación al crear la tabla, podemos cargar los datos manualmente.
        Hive>LOAD DATA INPATH '/user/guru99hive/data.txt' INTO TABLE guruhive_external;
  3. Mostrar el contenido de la tabla.
      Hive>select * from guruhive_external;
  4. Para eliminar la tabla externa
      Hive>DROP TABLE guruhive_external;

En la siguiente captura de pantalla, podemos observar el resultado. Nótese que la operación de arrastrar y soltar al final elimina únicamente el esquema; el archivo ubicado en la ruta LOCATION permanece intacto.

Creación, carga, consulta y eliminación de sesiones de Hiveping guruhive_external

En el código anterior, hacemos lo siguiente:

  • Crear la tabla externa
  • Cargue los datos en una tabla externa.
  • Mostrar el contenido de la tabla.
  • Necesarioping tabla externa

Diferencia entre tablas internas y externas

Elemento Interno Externo
Esquema Datos sobre el esquema Esquema de datos
Ubicación de almacenamiento / usuario / colmena / almacén Ubicación de HDFS proporcionada por LOCATION
Disponibilidad de datos Dentro del sistema de archivos local Dentro de HDFS
Efecto de DROP Elimina el esquema y los datos. Elimina solo el esquema, a menos que external.table.purge sea verdadero.
Soporte para TRUNCATE Soportado No se admite
Transacciones ACID Soportado No se admite

El Documentación de Apache Hive La regla queda claramente establecida: Hive asume que es propietario de los datos de las tablas gestionadas y que no lo es de las tablas externas, y todas las diferencias mencionadas anteriormente se derivan de esa única suposición.

Referencia de los comandos ALTER TABLE y DROP TABLE

Las capturas de pantalla anteriores muestran únicamente un cambio de nombre y una eliminación. Estas son las instrucciones que un profesional suele utilizar con mayor frecuencia en una tabla existente.

Comunicado Propósito
ALTER TABLE table_name RENAME TO new_name; Cambia el nombre de la tabla; para una tabla administrada, esto también mueve su directorio HDFS.
ALTER TABLE table_name ADD COLUMNS (col_name data_type); Agrega una o más columnas al final del esquema.
ALTER TABLE table_name CHANGE COLUMN old_name new_name data_type; Cambia el nombre de una columna o modifica su tipo.
ALTER TABLE table_name REPLACE COLUMNS (…); Reemplaza toda la lista de columnas con una nueva.
ALTER TABLE table_name SET TBLPROPERTIES ('EXTERNAL'='TRUE'); Convierte una tabla administrada en una tabla externa, y FALSE la revierte.
ELIMINAR TABLA [SI EXISTE] nombre_tabla [PURGAR]; Elimina la tabla; PURGE omite la carpeta de la papelera, por lo que los datos no se pueden recuperar.
TRUNCAR [TABLA] nombre_tabla; Elimina todas las filas pero conserva el esquema; solo tablas administradas

Conviene incorporar dos medidas de seguridad en cualquier script. IF EXISTS evita que falle la eliminación de una tabla que ya se ha eliminado, y DESCRIBE FORMATTED confirma si el destino es MANAGED_TABLE o EXTERNAL_TABLE antes de que se ejecute la eliminación.

Preguntas Frecuentes

Ejecute DESCRIBE FORMATTED table_name. La fila Tipo de tabla indica si se trata de MANAGED_TABLE o EXTERNAL_TABLE. Verificar antes de eliminar datos es la forma más económica de evitar borrar información que otros procesos aún leen.

Sí. El comando ALTER TABLE table_name SET TBLPROPERTIES ('EXTERNAL'='TRUE') cambia el tipo en el metastore, y FALSE lo revierte. Los archivos de datos permanecen donde están, por lo que no es necesario recargarlos.

Normalmente no, solo se elimina la entrada del metastore. Sin embargo, a partir de Hive 4.0.0, una tabla externa que tenga la propiedad external.table.purge establecida en true también verá sus datos eliminados por DROP, así que compruebe primero las propiedades.

Ahora, una instrucción CREATE TABLE simple genera por defecto una tabla ORC transaccional gestionada en lugar de una tabla de texto simple. La adición de la palabra clave EXTERNAL es lo que mantiene el comportamiento anterior, que no cumple con las propiedades ACID, en un clúster de Hive 3.

TRUNCATE elimina todas las filas, pero conserva el esquema, y ​​solo funciona en tablas administradas. DROP también elimina el esquema. TRUNCATE es la opción más segura cuando la definición de la tabla debe mantenerse tras una recarga.

No. Hive convierte los identificadores a minúsculas en el metastore, por lo que GURU_SAMPLE y guru_sample se refieren a la misma tabla. Los valores de cadena dentro de los datos siguen distinguiendo entre mayúsculas y minúsculas, por lo que una comparación WHERE aún puede omitir filas.

Sí. Las funciones de aprendizaje automático en las herramientas de catálogo analizan la cardinalidad de las columnas, las tasas de valores nulos y los patrones de consulta, y luego proponen tipos de datos, formatos de archivo y claves de partición. Considere el resultado como un borrador, ya que el modelo no puede ver las cargas de trabajo planificadas.

Copilot completa las instrucciones CREATE, ALTER y DROP a partir de un comentario breve, y los asistentes con capacidad de agente pueden generar un script de migración completo. RevRevisa la palabra clave EXTERNAL y cualquier opción PURGE, porque un error al adivinar allí elimina datos reales.

Resumir este post con: