本文介绍Hive元数据库中一些重要的表结构及用途,方便Impala、SparkSQL、Hive等组件访问元数据库的理解。
1、存储Hive版本的元数据表(VERSION)
该表比较简单,但很重要。
VER_ID
|
SCHEMA_VERSION
|
VERSION_COMMENT
|
ID主键
|
Hive版本
|
版本说明
|
1
|
1.1.0
|
Set 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”。
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:
表字段
|
说明
|
示例数据
|
DB_ID
|
数据库ID
|
1
|
DESC
|
数据库描述
|
Default Hive database
|
DB_LOCATION_URI
|
数据HDFS路径
|
hdfs://193.168.1.75:9000/test-warehouse
|
NAME
|
数据库名
|
default
|
OWNER_NAME
|
数据库所有者用户名
|
public
|
OWNER_TYPE
|
所有者角色
|
ROLE
|
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。
表字段
|
说明
|
示例数据
|
DB_ID
|
数据库ID
|
1
|
PARAM_KEY
|
参数名
|
createdby
|
PARAM_VALUE
|
参数值
|
root
|
DBS和DATABASE_PARAMS这两张表通过DB_ID字段关联。
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
表字段
|
说明
|
示例数据
|
TBL_ID
|
表ID
|
21
|
CREATE_TIME
|
创建时间
|
1447675704
|
DB_ID
|
数据库ID
|
1
|
LAST_ACCESS_TIME
|
上次访问时间
|
1447675704
|
OWNER
|
所有者
|
root
|
RETENTION
|
保留字段
|
0
|
SD_ID
|
序列化配置信息
|
41,对应SDS表中的SD_ID
|
TBL_NAME
|
表名
|
ex_detail_ufdr_30streaming
|
TBL_TYPE
|
表类型
|
EXTERNAL_TABLE
|
VIEW_EXPANDED_TEXT
|
视图的详细HQL语句
|
|
VIEW_ORIGINAL_TEXT
|
视图的原始HQL语句
|
|
TABLE_PARAMS:该表存储表/视图的属性信息
表字段
|
说明
|
示例数据
|
TBL_ID
|
表ID
|
1
|
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
表字段
|
说明
|
示例数据
|
TBL_GRANT_ID
|
授权ID
|
1
|
CREATE_TIME
|
授权时间
|
1436320455
|
GRANT_OPTION
|
|
0
|
GRANTOR
|
授权执行用户
|
root
|
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ID
|
21,对应TBLS表的TBL_ID
|
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。
表字段
|
说明
|
示例数据
|
SD_ID
|
存储信息ID
|
41
|
CD_ID
|
字段信息ID
|
21,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
|
LOCATION
|
HDFS路径
|
hdfs://193.168.1.75:9000/detail_ufdr_streaming_test
|
NUM_BUCKETS
|
分桶数量
|
0
|
OUTPUT_FORMAT
|
文件输出格式
|
org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat
|
SERDE_ID
|
序列化类ID
|
41,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。
表字段
|
说明
|
示例数据
|
SD_ID
|
存储配置ID
|
41
|
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
表字段
|
说明
|
示例数据
|
SERDE_ID
|
序列化类配置ID
|
41
|
NAME
|
序列化类别名
|
NULL
|
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
表字段
|
说明
|
示例数据
|
SERDE_ID
|
序列化类配置ID
|
41
|
PARAM_KEY
|
属性名
|
field.delim
|
PARAM_VALUE
|
属性值
|
|
|
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
表字段
|
说明
|
示例数据
|
CD_ID
|
字段信息ID
|
21
|
COMMENT
|
字段注释
|
NULL
|
COLUMN_NAME
|
字段名
|
air_port_duration
|
TYPE_NAME
|
字段类型
|
bigint
|
INTEGER_IDX
|
字段顺序
|
119
|
6、Hive表分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
表字段
|
说明
|
示例数据
|
PART_ID
|
分区ID
|
21
|
CREATE_TIME
|
分区创建时间
|
1450861405
|
LAST_ACCESS_TIME
|
最后一次访问时间
|
0
|
PART_NAME
|
分区名
|
hour=15/last_msisdn=0
|
SD_ID
|
分区存储ID
|
43
|
TBL_ID
|
表ID
|
22
|
LINK_TARGET_ID
|
|
NULL
|
PARTITION_KEYS:该表存储分区的字段信息
表字段
|
说明
|
示例数据
|
TBL_ID
|
表ID
|
22
|
PKEY_COMMENT
|
分区字段说明
|
NULL
|
PKEY_NAME
|
分区字段名
|
hour
|
PKEY_TYPE
|
分区字段类型
|
int
|
INTEGER_IDX
|
分区字段顺序
|
0
|
PARTITION_KEY_VALS:该表存储分区字段值
表字段
|
说明
|
示例数据
|
PART_ID
|
分区ID
|
21
|
PART_KEY_VAL
|
分区字段值
|
0
|
INTEGER_IDX
|
分区字段值顺序
|
1
|
PARTITION_PARAMS:该表存储分区的属性信息
表字段
|
说明
|
示例数据
|
PART_ID
|
分区ID
|
21
|
PARAM_KEY
|
分区属性名
|
numFiles,numRows
|
PARAM_VALUE
|
分区属性值
|
1,502195
|
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
TBL_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_PRIVS
分区字段的权限信息
PART_COL_STATS
分区字段的统计信息
FUNCS
用户注册的函数信息
FUNC_RU
用户注册函数的资源信息
7、元数据库一些查询
有时根据需求,需要对hive中的表批量处理,这时可以到元数据库中进行一些查询操作,操作请慎重!!
下面会根据元数据库中的表结构和关联关系,陆续补充一些工作中使用到的查询语句。
1、查询某表的分区
在Spark-sql查询hive表时,会由于元数据中文件与hdfs文件不一致而出现TreeNodeException的异常。比如说,在hive中show partitions时有分区pt=20160601,但是对应HDFS路径下并没有这个子文件夹时,在Spark-sql中就会出现该异常。这时如果需要查询某表的分区,就可以使用如下语句
SELECT p.* from PARTITIONS p
JOIN TBLS t
ON t.TBL_ID=p.TBL_ID
WHERE t.TBL_NAME='table'
AND PART_NAME like '%pt=20160601%';
2、查询指定库中stored as textfile类型的所有表名
select
d.NAME,
t.TBL_NAME,
s.INPUT_FORMAT,
s.OUTPUT_FORMAT
from TBLS t
join DBS d
join SDS s
where t.DB_ID = d.DB_ID
and t.SD_ID = s.SD_ID
and d.NAME='test'
and s.INPUT_FORMAT like '%TextInputFormat%';
3、查询指定库中的分区表
select
db.NAME,
tb.TBL_NAME,
pk.PKEY_NAME
from TBLS tb
join DBS db
join PARTITION_KEYS pk
where tb.DB_ID = db.DB_ID
and tb.TBL_ID=pk.TBL_ID
and db.NAME='test';
4、查询指定库的非分区表
select
db.NAME,
tb.TBL_NAME
from TBLS tb
join DBS db
where tb.DB_ID = db.DB_ID
and db.NAME='test'
and tb.TBL_ID not in (
select distinct TBL_ID from PARTITION_KEYS
) ;
5、查询指定库中某种存储类型的分区表
select
db.NAME,
tb.TBL_NAME,
pk.PKEY_NAME,
s.INPUT_FORMAT,
s.OUTPUT_FORMAT
from TBLS tb
join DBS db
join PARTITION_KEYS pk
join SDS s
where tb.DB_ID = db.DB_ID
and tb.TBL_ID=pk.TBL_ID
and tb.SD_ID = s.SD_ID
and db.NAME='test'
and s.INPUT_FORMAT like '%TextInputFormat%';
6、查询指定库中某种存储类型的非分区表
select
db.NAME,
tb.TBL_NAME,
s.INPUT_FORMAT,
s.OUTPUT_FORMAT
from TBLS tb
join DBS db
join SDS s
where tb.DB_ID = db.DB_ID
and tb.SD_ID = s.SD_ID
and db.NAME='test'
and s.INPUT_FORMAT like '%TextInputFormat%'
and tb.TBL_ID not in (select distinct TBL_ID from PARTITION_KEYS);