hadoop - Hive 理解表创建

Question

我正在服用 mooc .

它告诉我们使用以下命令将一些文件从 PC 上传到 hdfs

azure storage blob upload local_path container data/logs/2008-01.txt.gz

我也做了同样的事情。 稍后，当我在 PUTTY 安全 shell 中输入以下命令时，我能够看到该文件

hdfs dfs -ls /data/logs
Found 6 items
-rwxrwxrwx   1     331941 2016-03-03 15:56 /data/logs/2008-01.txt.gz
-rwxrwxrwx   1     331941 2016-03-03 15:58 /data/logs/2008-02.txt.gz
-rwxrwxrwx   1     331941 2016-03-03 15:58 /data/logs/2008-03.txt.gz
-rwxrwxrwx   1     331941 2016-03-03 15:58 /data/logs/2008-04.txt.gz
-rwxrwxrwx   1     331941 2016-03-03 15:58 /data/logs/2008-05.txt.gz
-rwxrwxrwx   1     331941 2016-03-03 15:58 /data/logs/2008-06.txt.gz

然后我们启动一个 hive 终端并首先创建一个表，然后使用

将数据插入到该表中

load data inpath '/data/logs' into TABLE rawlog;

然后我们使用以下命令创建了一个外部表

CREATE EXTERNAL TABLE cleanlog
(log_date DATE,
log_time STRING,
c_ip STRING,
cs_username STRING,
s_ip STRING,
s_port STRING,
cs_method STRING,
cs_uri_stem STRING,
cs_uri_query STRING,
sc_status STRING,
sc_bytes INT,
cs_bytes INT,
time_taken INT,
cs_user_agent STRING,
cs_referrer STRING)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ' '
STORED AS TEXTFILE LOCATION '/data/cleanlog';

我们使用以下方法将数据插入表中

INSERT INTO TABLE cleanlog
SELECT *
FROM rawlog
WHERE SUBSTR(log_date, 1, 1) <> '#';

我退出配置单元并输入以下命令

hdfs dfs -ls /data/logs

1. 我在该文件夹中没有看到任何内容，为什么？上传的日志在哪里 文件去哪了？
2. 原始日志表在哪里？它是否存在于同一文件夹中？为什么我没看到？

3. 为什么我在 cleanlog 文件夹中看到文件 00000_0？这是新的吗 table ？如果我输入命令

   hdfs dfs -ls/data/cleanlog

我得到的输出是

Found 1 items
-rwxr-xr-x   1 sshuser supergroup   71323206 2016-03-03 16:11 /data/cleanlog/000000_0

################----------------------------------更新1

1. 如果在 /data/logs/ 处再加载一个数据文件会发生什么情况 然后运行select * from rawlog？会自动拉取数据吗 从新文件中？

Answer 1

如果您不想丢失源文件夹中的数据，请使用外部表。看看这个 SE 问题:

Difference between `load data inpath ` and `location` in hive?

1. I dont see anything in that folder, why? where did uploaded log files go?

当数据加载到表中并且您在路径而不是外部表中使用加载数据时，它们已被删除

2. Where is the rawlog table? does it exist in the same folder? Why dont i see it?

数据所在的文件夹中不存在表定义。在创建表语句中，您已经引用了要存储的表数据的位置为/data/cleanlog

看看下面关于 hive 在 hdfs 中存储文件的位置的查询。

Where does Hive store files in HDFS?

I have created a table in hive, I would like to know which directory my table is created in?

3. Why do i see file 00000_0 in my cleanlog folder? is it the new table?

这不是新表。在 hive shell 中执行此命令。

describe formatted <table_name>;

编辑:关于表的增量更新，请按照此 article 中的步骤操作。这个问题:Delta/Incremental Load in Hive