Hive元数据管理

众所周知，hive表中的数据是HDFS上的文件，可是hive怎么知道这些文件的内容都对应哪个字段，对应哪个分区呢？

就是hive的元数据管理着这一切。通常在hive-site.xml中的元数据库配置成MySQL，替换Derby。

<property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>root</value>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql:///metastore?createDatabaseIfNotExists=true</value>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
    </property>

下面我们进 MySQL 看看元数据的表具体有哪些。

1.VERSION

这个存hive版本，有且仅有一条数据

如果多了，会报错

Caused by: MetaException(message:Metastore contains multiple versions (2)

2.库相关表

DBS是数据库主表，字段名顾名思义，样例数据如下

DATABASE_PARAMS是创建数据库 WITH DBPROPERTIES (property_name=property_value, …)指定的参数

FUNCS是函数表

FUNC_RU是函数在哪个jar包中

3.表相关表

PS:调整里半天位置来截个图，感觉像站队合影一样……哈哈

TBLS是表的主表，存放hive所有表的主要信息，其中 TBL_TYPE 是表类型， MANAGED_TABLE 表示内部表， EXTERNAL_TABLE 表示外部表

TABLE_PARAMS是表参数，类似DATABASE_PARAMS

TBL_PRIVS，TBL_COL_PRIVS分别是表权限与列权限

PARTITION_KEYS是分区信息表， INTEGER_IDX 是分区字段序号

PARTITIONS是具体的分区记录，当某表添加新的分区时，会增加一条记录

4.存储相关表

SDS是存储主表，包含数据文件的输入输出格式，所在HDFS路径，是否压缩等

COLUMNS_V2是列的信息，INTEGER_IDX是列的下标，对应文件的内容顺序

SD_PARAMS是在创建表时候使用STORED BY ‘storage.handler.class.name’ [WITH SERDEPROPERTIES (…)指定

SERDES是序列化使用类的表

SERDE_PARAMS存储列分隔符，行分隔符等

在序列化参数表中记录列的分隔符，意味着Hive的存储是对每个字段各自序列化的。