Hive的元数据表结构详解

from:
原文阅读

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_IDSCHEMA_VERSIONVERSION_COMMENT
ID主键Hive版本版本说明
10.13.0Set 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ID2
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ID2
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ID1
CREATE_TIME创建时间1436317071
DB_ID数据库ID2,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ID1
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ID1
CREATE_TIME授权时间1436320455
GRANT_OPTION0
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ID22,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ID1
CD_ID字段信息ID21,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
LOCATIONHDFS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ID3,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ID1
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ID1
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ID1
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ID1
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ID1
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ID21
TBL_ID表ID2
  • 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ID2
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ID2
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ID2
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:

  1. CREATE TABLE lxw1234 (
  2. cookieid STRING,
  3. url STRING,
  4. ua STRING,
  5. ip STRING,
  6. createtime STRING
  7. )
  8. COMMENT ‘This is the page view table’
  9. partitioned BY (day STRING,site STRING)
  10. ROW FORMAT DELIMITED
  11. FIELDS TERMINATED BY ‘,’
  12. 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_ID41509
CREATE_TIME1436324659
DB_ID11
LAST_ACCESS_TIME0
OWNERliuxiaowen
RETENTION0
SD_ID91740
TBL_NAMElxw1234
TBL_TYPEMANAGED_TABLE
VIEW_EXPANDED_TEXTNULL
VIEW_ORIGINAL_TEXTNULL

 

  • TABLE_PARAMS

select  *  from  TABLE_PARAMS  WHERE  TBL_ID=41509

TBL_IDPARAM_KEYPARAM_VALUE
41509commentThis is the page view table
41509transient_lastDdlTime1436324659

 

  • SDS

SELECT * FROM SDS WHERE SD_ID = 91740

元数据表字段数据
SD_ID91740
CD_ID41564
INPUT_FORMATorg.apache.hadoop.hive.ql.io.orc.OrcInputFormat
IS_COMPRESSED0
IS_STOREDASSUBDIRECTORIES0
LOCATIONhdfs://namenode/hivedata/warehouse/liuxiaowen.db/lxw1234
NUM_BUCKETS-1
OUTPUT_FORMATorg.apache.hadoop.hive.ql.io.orc.OrcOutputFormat
SERDE_ID91740
  • SERDES

select * from SERDES WHERE SERDE_ID = 91740

元数据表字段数据
SERDE_ID91740
NAME
SLIBorg.apache.hadoop.hive.ql.io.orc.OrcSerde

 

  • SERDE_PARAMS

select * from  SERDE_PARAMS  WHERE  SERDE_ID=91740

 

SERDE_IDPARAM_KEYPARAM_VALUE
91740field.delim,
91740serialization.format,

 

  • COLUMNS_V2

select * from COLUMNS_V2 WHERE CD_ID=41564 ORDER BY INTEGER_IDX

CD_IDCOMMENTCOLUMN_NAMETYPE_NAMEINTEGER_IDX
41564cookieidstring0
41564urlstring1
41564uastring2
41564ipstring3
41564createtimestring4

 

  • PARTITION_KEYS

select * from  PARTITION_KEYS  WHERE  TBL_ID=41509

TBL_IDPKEY_COMMENTPKEY_NAMEPKEY_TYPEINTEGER_IDX
41509daystring0
41509sitestring1

再插入数据:

  1. INSERT OVERWRITE TABLE lxw1234 PARTITION (day = ‘2015-07-08’, site = ‘lxw1234.com’)
  2. SELECT
  3. ‘cookie1’ AS cookieid,
  4. ‘http://lxw1234.com’ AS url,
  5. ‘firefox’ AS ua,
  6. ‘127.0.0.1’ AS ip,
  7. ‘2015-07-08 11:00:01’ AS createtime
  8. FROM dual
  9. limit 1;
  10.  

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_IDCREATE_TIMELAST_ACCESS_TIMEPART_NAMESD_IDTBL_ID
5447214363258120day=2015-07-08/site=lxw1234.com9174641509
  • 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_ID91746
CD_ID41564
INPUT_FORMATorg.apache.hadoop.hive.ql.io.orc.OrcInputFormat
IS_COMPRESSED0
IS_STOREDASSUBDIRECTORIES0
LOCATIONhdfs://namenode/hivedata/warehouse/liuxiaowen.db/lxw1234/day=2015-07-08/site=lxw1234.com
NUM_BUCKETS-1
OUTPUT_FORMATorg.apache.hadoop.hive.ql.io.orc.OrcOutputFormat
SERDE_ID91746

 

  • PARTITION_KEY_VALS

select  *  from  PARTITION_KEY_VALS  where  PART_ID=54472

PART_IDPART_KEY_VALINTEGER_IDX
544722015-07-080
54472lxw1234.com1

 

  • PARTITION_PARAMS

select * from PARTITION_PARAMS where PART_ID = 54472

PART_IDPARAM_KEYPARAM_VALUE
54472COLUMN_STATS_ACCURATEtrue
54472numFiles1
54472numRows1
54472rawDataSize408
54472totalSize703
54472transient_lastDdlTime1436325813

 

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

 

 

如果觉得本博客对您有帮助,请 赞助作者

转载请注明:lxw的大数据田地 » [一起学Hive]之十四-Hive的元数据表结构详解

此条目发表在hive分类目录,贴了标签。将固定链接加入收藏夹。

发表评论

电子邮件地址不会被公开。 必填项已用*标注