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_ID

SCHEMA_VERSION

VERSION_COMMENT

ID主键

Hive版本

版本说明

1

0.13.0

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”。

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ID

2

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ID

2

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ID

1

CREATE_TIME

创建时间

1436317071

DB_ID

数据库ID

2,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

元数据表字段

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

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ID

22,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ID

1

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://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ID

3,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ID

1

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ID

1

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ID

1

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ID

1

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ID

1

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ID

21

TBL_ID

表ID

2

  • 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ID

2

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ID

2

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ID

2

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_ID

41509

CREATE_TIME

1436324659

DB_ID

11

LAST_ACCESS_TIME

0

OWNER

liuxiaowen

RETENTION

0

SD_ID

91740

TBL_NAME

lxw1234

TBL_TYPE

MANAGED_TABLE

VIEW_EXPANDED_TEXT

NULL

VIEW_ORIGINAL_TEXT

NULL

 

  • TABLE_PARAMS

41509

TBL_ID

PARAM_KEY

PARAM_VALUE

41509

comment

This is the page view table

41509

transient_lastDdlTime

1436324659

 

  • SDS

SELECT * FROM SDS WHERE SD_ID = 91740

元数据表字段

数据

SD_ID

91740

CD_ID

41564

INPUT_FORMAT

org.apache.hadoop.hive.ql.io.orc.OrcInputFormat

IS_COMPRESSED

0

IS_STOREDASSUBDIRECTORIES

0

LOCATION

hdfs://namenode/hivedata/warehouse/liuxiaowen.db/lxw1234

NUM_BUCKETS

-1

OUTPUT_FORMAT

org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat

SERDE_ID

91740

  • SERDES

select * from SERDES WHERE SERDE_ID = 91740

元数据表字段

数据

SERDE_ID

91740

NAME

 

SLIB

org.apache.hadoop.hive.ql.io.orc.OrcSerde

 

  • SERDE_PARAMS

91740

 

SERDE_ID

PARAM_KEY

PARAM_VALUE

91740

field.delim

,

91740

serialization.format

,

 

  • COLUMNS_V2

41564

CD_ID

COMMENT

COLUMN_NAME

TYPE_NAME

INTEGER_IDX

41564

 

cookieid

string

0

41564

 

url

string

1

41564

 

ua

string

2

41564

 

ip

string

3

41564

 

createtime

string

4

 

  • PARTITION_KEYS

41509

TBL_ID

PKEY_COMMENT

PKEY_NAME

PKEY_TYPE

INTEGER_IDX

41509

 

day

string

0

41509

 

site

string

1

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

41509

PART_ID

CREATE_TIME

LAST_ACCESS_TIME

PART_NAME

SD_ID

TBL_ID

54472

1436325812

0

day=2015-07-08/site=lxw1234.com

91746

41509

  • SDS

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_ID

91746

CD_ID

41564

INPUT_FORMAT

org.apache.hadoop.hive.ql.io.orc.OrcInputFormat

IS_COMPRESSED

0

IS_STOREDASSUBDIRECTORIES

0

LOCATION

hdfs://namenode/hivedata/warehouse/liuxiaowen.db/lxw1234/day=2015-07-08/site=lxw1234.com

NUM_BUCKETS

-1

OUTPUT_FORMAT

org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat

SERDE_ID

91746

 

  • PARTITION_KEY_VALS

54472

PART_ID

PART_KEY_VAL

INTEGER_IDX

54472

2015-07-08

0

54472

lxw1234.com

1

 

  • PARTITION_PARAMS

54472

PART_ID

PARAM_KEY

PARAM_VALUE

54472

COLUMN_STATS_ACCURATE

true

54472

numFiles

1

54472

numRows

1

54472

rawDataSize

408

54472

totalSize

703

54472

transient_lastDdlTime

1436325813

 

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。