语法

1 LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 …)]
2
3 LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 …)] [INPUTFORMAT 'inputformat' SERDE 'serde'] (3.0 or later)

概要

在Hive 3.0版本之前的load操作都是纯粹的copy/move操作：move datafiles into locations corresponding to Hive tables

• filepath:

  • 相对路径： project/data1
  • 绝对路径：/user/hive/project/data1
  • URI: hdfs://namenode:9000/user/hive/project/data1

• 被加载的目标位置可以是表或分区，如果是分区必须指定所有分区的具体值（有多少分区就要写多少个分区）

• filepath可以是具体的文件，也可以是文件夹，如果是文件夹，hive将会移动该文件夹下的所有文件到hive表中

• 如果指定了关键字LOCAL

  • 将会在本地系统寻找filepath,如果是相对路径，将会被认为是相对于用户工作目录相当于：file:///user/hive/project/data1
  • 注意：如果是在HiveServer2上操作改指令，filepath将引用HiveServer2上的路径，HiveServer2必须有改文件的访问权限

• 没有指定关键字LOCAL

  • filepath没有指定schema(如HDFS://)，将会读取HADOOP中配置的fs.default.name来指定 Namenode URI
  • filepath不是绝对路径，Hive认为是相对于/user/

• 如果使用了OVERWRITE关键字，目标表或表分区的内容将会被删除，并被替换成filepath指定的内容

对于 INSERT AS SELECT这样额外的load操作在Hive 3.0 及之后版本支持，因为Hive 内部需要重写load

• 如果表中有分区，但是load指令中没有指定，load方式将会转成INSERT AS SELECT,并认为最后的colums是分区的columns，如果文件不符合期待的模式，将会出错

• filepath 可以包含子文件目录，其中的子文件都需符合schema

• inputformat 可以是hive的任何输入格式 text, ORC等

• serde 可以和Hive的SERDE关联

• inputformat 和serde都区分大小写

语法

1 # 标准语法:
2 INSERT OVERWRITE TABLE tablename1 [PARTITION (partcol1=val1, partcol2=val2 …) [IF NOT EXISTS]] select_statement1 FROM from_statement;
3 INSERT INTO TABLE tablename1 [PARTITION (partcol1=val1, partcol2=val2 …)] select_statement1 FROM from_statement;
4
5 # 扩展内容（多个insert）:
6 FROM from_statement
7 INSERT OVERWRITE TABLE tablename1 [PARTITION (partcol1=val1, partcol2=val2 …) [IF NOT EXISTS]] select_statement1
8 [INSERT OVERWRITE TABLE tablename2 [PARTITION … [IF NOT EXISTS]] select_statement2]
9 [INSERT INTO TABLE tablename2 [PARTITION …] select_statement2] …;
10 FROM from_statement
11 INSERT INTO TABLE tablename1 [PARTITION (partcol1=val1, partcol2=val2 …)] select_statement1
12 [INSERT INTO TABLE tablename2 [PARTITION …] select_statement2]
13 [INSERT OVERWRITE TABLE tablename2 [PARTITION … [IF NOT EXISTS]] select_statement2] …;
14
15 Hive extension (dynamic partition inserts):
16 INSERT OVERWRITE TABLE tablename PARTITION (partcol1[=val1], partcol2[=val2] …) select_statement FROM from_statement;
17 INSERT INTO TABLE tablename PARTITION (partcol1[=val1], partcol2[=val2] …) select_statement FROM from_statement;

摘要

• INSERT OVERWRITE 将会覆盖表或分区中的任何存在的额数据

  • 除非使用 IF NOT EXISTS ，不会插入新的数据，也不回删除原始数据（hive 0.9.0）
  • hive 版本2.3.0，如果设置表属性TBLPROPERTIES ("auto.purge"="true") ,当运行INSERT OVERWRITE 时，原先的数据不会被扔到垃圾堆中，该设置适合管理表

• INSERT INTO将会追加到表或分区中，保留存在数据的完整性(HIVE 0.8)

• hive(0.13.0)之后，建表时指定TBLPROPERTIES ("immutable"="true")，表可以被设置成不可改变 ：当表中没有数据时，可以插入；当表中存在数据时，通过insert into追加数据无效，但是INSERT OVERWRITE仍然起作用

• 目前OVERWRITE 关键字是强制的，也就是说表或分区中的内容会被关联的查询输出内容替代，需要确保查询语句的输出字段内容和目标表字段顺序完全一致

• hive(0.14)如果表的OutputFormat实现了AcidOutputFormat，INSERT OVERWRITE操作无效，可以用TRUNCATE TABLE(对于没有分区表)或者DROP PARTITION 加INSERT INTO 实现

• hive(1.1.0)，TABLE关键字可以不用写

• hive(1.2.0)， INSERT INTO T可以指定列顺序(INSERT OVERWRITE 不支持)，如INSERT INTO T (z, x, c1)，查看举例

动态分区插入

• 动态分区插入时，用户可以给部分分区的说明，也就是说只需要指定分区的分区名即可分区的值可选。
• 如果给定了分区的值，成为静态分区，否则是动态分区。
• 每个动态分区的列名和查询的statement中的列名关联且是最后数量的相同顺序的列，意味着动态分区的创建由输入列的值决定。
• hive(0.9.0)版本后动态分区默认开启，动态分区插入相关配置如下

Configuration property

Default

Note

hive.exec.dynamic.partition

true

Needs to be set to true to enable dynamic partition inserts

hive.exec.dynamic.partition.mode

strict

In strict mode, the user must specify at least one static partition in case the user accidentally overwrites all partitions, in nonstrict mode all partitions are allowed to be dynamic

hive.exec.max.dynamic.partitions.pernode

100

Maximum number of dynamic partitions allowed to be created in each mapper/reducer node

hive.exec.max.dynamic.partitions

1000

Maximum number of dynamic partitions allowed to be created in total

hive.exec.max.created.files

100000

Maximum number of HDFS files created by all mappers/reducers in a MapReduce job

hive.error.on.empty.partition

false

Whether to throw an exception if dynamic partition insert generates empty results

举个例子：

1 FROM page_view_stg pvs
2 INSERT OVERWRITE TABLE page_view PARTITION(dt='2008-06-08', country)
3 SELECT pvs.viewTime, pvs.userid, pvs.page_url, pvs.referrer_url, null, null, pvs.ip, pvs.cnt

country分区会由最后的字段(pvs.cnt)创建，提示：名称没有被使用，只使用了其中的值，在nonstrict模式中dt分区也可以被动态创建