# Hive 视图和索引 ## 一、视图 ### 1.1 简介 Hive 中的视图和RDBMS中视图的概念一致，都是一组数据的逻辑表示，本质上就是一条SELECT语句的结果集。视图是纯粹的逻辑对象，没有关联的存储(Hive 3.0.0引入的物化视图除外)，当查询引用视图时，Hive可以将视图的定义与查询结合起来，例如将查询中的过滤器推送到视图中。 ### 1.2 创建视图 ```sql CREATE VIEW [IF NOT EXISTS] [db_name.]view_name -- 视图名称 [(column_name [COMMENT column_comment], ...) ] --列名 [COMMENT view_comment] --视图注释 [TBLPROPERTIES (property_name = property_value, ...)] --额外信息 AS SELECT ...; ``` 在Hive中可以使用`CREATE VIEW`创建视图，如果已存在具有相同名称的表或视图，则会抛出异常，建议使用`IF NOT EXISTS`预做判断。在使用视图时候需要注意以下事项： - 视图是只读的，不能用作LOAD / INSERT / ALTER的目标； - 在创建视图时候视图就已经固定，对基表的后续更改（如添加列）将不会反映在视图； - 删除基表并不会删除视图，需要手动删除视图； - 视图可能包含ORDER BY和LIMIT子句。如果引用视图的查询语句也包含这类子句，其执行优先级低于视图对应字句。例如，视图`custom_view `指定LIMIT 5，查询语句为`select * from custom_view LIMIT 10`，此时结果最多返回5行。 - 创建视图时，如果未提供列名，则将从SELECT语句中自动派生列名； - 创建视图时，如果SELECT语句中包含其他表达式，例如x + y，则列名称将以\_C0，\_C1等形式生成； ```sql CREATE VIEW IF NOT EXISTS custom_view AS SELECT empno, empno+deptno , 1+2 FROM emp; ```
### 1.3 查看视图 ```sql -- 查看所有视图： 没有单独查看视图列表的语句，只能使用 show tables show tables; -- 查看某个视图 desc view_name; -- 查看某个视图详细信息 desc formatted view_name; ``` ### 1.4 删除视图 ```sql DROP VIEW [IF EXISTS] [db_name.]view_name; ``` 删除视图时，如果被删除的视图被其他视图所引用，这时候程序不会发出警告，但是引用该视图其他视图已经失效，需要进行重建或者删除。 ### 1.5 修改视图 ```sql ALTER VIEW [db_name.]view_name AS select_statement; ``` 被更改的视图必须存在，且视图不能具有分区，如果视图具有分区，则修改失败。 ### 1.6 修改视图属性 语法： ```sql ALTER VIEW [db_name.]view_name SET TBLPROPERTIES table_properties; table_properties: : (property_name = property_value, property_name = property_value, ...) ``` 示例： ```sql ALTER VIEW custom_view SET TBLPROPERTIES ('create'='heibaiying','date'='2019-05-05'); ```
## 二、索引 ### 2.1 简介 Hive在0.7.0引入了索引的功能，索引的设计目标是提高表某些列的查询速度。如果没有索引，带有谓词的查询（如'WHERE table1.column = 10'）会加载整个表或分区并处理所有行。但是如果column存在索引，则只需要加载和处理文件的一部分。 ### 2.2 索引原理 在指定列上建立索引，会产生一张索引表（表结构如下），里面的字段包括：索引列的值、该值对应的HDFS文件路径、该值在文件中的偏移量。在查询涉及到索引字段时，首先到索引表查找索引列值对应的HDFS文件路径及偏移量，这样就避免了全表扫描。 ```properties +--------------+----------------+----------+--+ | col_name | data_type | comment | +--------------+----------------+----------+--+ | empno | int | 建立索引的列 | | _bucketname | string | HDFS文件路径 | | _offsets | array | 偏移量 | +--------------+----------------+----------+--+ ``` ### 2.3 创建索引 ```sql CREATE INDEX index_name --索引名称 ON TABLE base_table_name (col_name, ...) --建立索引的列 AS index_type --索引类型 [WITH DEFERRED REBUILD] --重建索引 [IDXPROPERTIES (property_name=property_value, ...)] --索引额外属性 [IN TABLE index_table_name] --索引表的名字 [ [ ROW FORMAT ...] STORED AS ... | STORED BY ... ] --索引表行分隔符 、 存储格式 [LOCATION hdfs_path] --索引表存储位置 [TBLPROPERTIES (...)] --索引表表属性 [COMMENT "index comment"]; --索引注释 ``` ### 2.4 查看索引 ```sql --显示表上所有列的索引 SHOW FORMATTED INDEX ON table_name; ``` ### 2.4 删除索引 删除索引会删除对应的索引表。 ```sql DROP INDEX [IF EXISTS] index_name ON table_name; ``` 如果被索引表被删除了，其对应的索引和索引表都会被删除。如果被索引表的某个分区被删除了，那么分区对应的分区索引也会被删除。 ### 2.5 重建索引 ```sql ALTER INDEX index_name ON table_name [PARTITION partition_spec] REBUILD; ``` 重建索引。如果指定了PARTITION，则仅重建该分区的索引。 ## 三、索引案例 ### 3.1 创建索引 在emp表上针对`empno`字段创建名为`emp_index`,索引数据存储在`emp_index_table`索引表中 ```sql create index emp_index on table emp(empno) as 'org.apache.hadoop.hive.ql.index.compact.CompactIndexHandler' with deferred rebuild in table emp_index_table ; ``` 此时索引表中是没有数据的，需要重建索引才会有索引的数据。 ### 3.2 重建索引 ```sql alter index emp_index on emp rebuild; ``` Hive会启动MapReduce作业去建立索引，建立好后查看索引表数据如下。三个表字段分别代表：索引列的值、该值对应的HDFS文件路径、该值在文件中的偏移量。
### 3.3 自动使用索引 默认情况下，虽然建立了索引，但是Hive在查询时候是不会自动去使用索引的，需要开启相关配置。开启配置后，涉及到索引列的查询就会使用索引功能去优化查询。 ```sql SET hive.input.format=org.apache.hadoop.hive.ql.io.HiveInputFormat; SET hive.optimize.index.filter=true; SET hive.optimize.index.filter.compact.minsize=0; ``` ### 3.4 查看索引 ```sql SHOW INDEX ON emp; ```
## 四、索引的缺陷 索引表最主要的一个缺陷在于：索引表无法自动rebuild，这也就意味着如果表中有数据新增或删除，则必须手动rebuild，重新执行MapReduce作业，生成索引表数据。 同时按照[官方文档](https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Indexing)的说明，Hive会从3.0开始移除索引功能，主要基于以下两个原因： - 具有自动重写的物化视图(Materialized View)可以产生与索引相似的效果（Hive 2.3.0增加了对物化视图的支持，在3.0之后正式引入）。 - 使用列式存储文件格式（Parquet，ORC）进行存储时，这些格式支持选择性扫描，可以跳过不需要的文件或块。 > ORC内置的索引功能可以参阅这篇文章：[Hive性能优化之ORC索引–Row Group Index vs Bloom Filter Index](http://lxw1234.com/archives/2016/04/632.htm) ## 参考资料 1. [Create/Drop/Alter View](https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL#LanguageManualDDL-Create/Drop/AlterView) 2. [Materialized views](https://cwiki.apache.org/confluence/display/Hive/Materialized+views) 3. [Hive索引](http://lxw1234.com/archives/2015/05/207.htm) 4. [Overview of Hive Indexes](https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Indexing)