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


时间：