Hive数据导出的几种方式

　　 在hive的日常使用中，经常需要将hive表中的数据导出来，虽然hive提供了多种导出方式，但是面对不同的数据量、不同的需求，如果随意就使用某种导出方式，可能会导致导出时间过长，导出的结果不满足需求，甚至造成集群资源不必要的浪费。因此本文主要对hive支持的几种导出方式的使用进行整理，并给出每种导出方式的使用场景，便于指导操作者能够选取最佳的导出方式。

1. 利用insert overwrite的方式，将查询结果导出到本地或HDFS

(1)导出到本地文件系统

示例如下：

insert overwrite local directory '/home/data/' select * from hive_table;

(2)导出到HDFS

导入到HDFS和导入本地文件类似，去掉HQL语句的LOCAL就可以了。

示例如下：

insert overwrite directory '/home/data/' select * from hive_table;

利用insert overwrite将查询结果导出本地或hdfs的方式可以指定导出的数据格式和字段的分割符，示例如下：

insert overwrite local directory '/home/data/' select * from hive_table

row format delimited fields terminated by ‘\t’  #字段间用\t分割

stored as textfile;   #导出文件的存储格式为textfile

使用场景：

1) 由于这种方式导出数据时会启动MApReduce任务来完成导出，所以这种方式不适合导出数据量极少的情况，因为数据量很少时也会启MapReduce任务消耗集群资源，且导出速度比不启MapReduce导出方式的速度要慢；

2) 适用于对导出数据格式有要求的场景，如：指定数据文件类型、字段分割符；

3) 这种方式导出的路径只能指定到文件夹，不支持导出到指定的文件中，且在文件夹下可能产生多个文件，并非仅一个文件，所以此方式适用于将数据导出到本地或HDFS目录下，且对存储数据的文件名和文件数量无要求。

1. 利用beeline或hive -e执行查询，通过重定向方式将查询结果写到指定的文件中。

使用beeline执行示例：

beeline -u jdbc:hive2://hadoop1:10000/default "select * from hive_table" > /home/data/data.txt

使用hive -e执行示例：

hive -e "select * from hive_table" > /home/data/data.txt;

注：如果追加,使用“>>”重定向到文件中；如果覆盖，使用“>”重定向到文件中。

适用场景：

1）这种方式导出数据时不会启动MapReduce任务，适用于数据量较少的情况；

2）此方式支持指定导出的文件名，导出的结果只能存放到本地，且只生成一个文件，所以适用于将hive数据导出到本地的某个文件中的场景。

3）不支持指定导出文件的分割符。

1. 导出到hive到另一个表中

示例如下：

insert into table new_table select * from hive_table;

适用场景：适用于将导出的结果存放到另一张hive表中，便于通过sql做二次分析。

1. 使用export导出

示例如下：

export table hive_table to '/home/data/';

适用场景：这种方式只能导出数据到HDFS上，但是导出的速度比较快，因此适用于hive数据的批量迁移。

1. 拷贝文件

将hive数据拷贝到HDFS示例：

hdfs dfs -cp /user/hive/warehouse/hive_table /home/data/;

将hive数据保存到本地：

hdfs dfs -get /user/hive/warehouse/hive_table /home/data/;

使用场景：适用于数据文件恰好是用户需要的格式，只需要拷贝文件或文件夹就可以。

1. 通过sqoop将hive表导出到关系型数据库

Sqoop是连接关系型数据库和hadoop的桥梁，主要有两个方面：一是将关系型数据库的数据导入到hadoop及其相关的系统中，如Hive和Hbase；二是将数据从Hadoop系统里抽取并导出到关系型数据库中。这里以将hive数据导入到mysql库为例。

示例如下：

./sqoop export \

--connect jdbc:mysql://192.168.0.70:3306/sqooptest \ #数据库连接url

--username root \ #数据库用户名

--password 123456 \ #数据库密码

--table person_hive \ #要导入到的关系数据库表

--num-mappers 1 \ #启动N个map来并行导出数据

--export-dir /user/hive/warehouse/sqooptest.db/person #导出hive表数据存储路径

--input-fields-terminated-by "\t" #字段间的分隔符

适用场景：这种方式适用于将hive表数据导入到关系数据库中。

以上共整理了6种hive数据导出的方式，每种导出方式都有各自的应用场景，在选择导出方式时，首先应该考虑导出数据的存储位置，主要包括：本地、HDFS、Hive表、关系型数据库；其次是导出数据的存储格式，如果对导出格式有要求，一定要从可以指定数据格式的方式中选；最后是导出的数据量，如果数据量小，避免选择会启MapReduce任务的导出方式，可以减少导出时间。

   导出的hive数据时的注意事项：

hive导出时需要需要修改yarn的队列和对输出结果进行压缩。

（1）调整yarn的队列

步骤一：调整主备节点上的默认队列的优先级，调整为10。如图：

步骤二：在主备节点上执行以下命令：

yarn  rmadmin  -refreshQueues

（2）在执行语句中加入对结果压缩的配置，配置内容如下：

set hive.exec.compress.output=false;set mapred.output.compress=false;

使用示例如下：

hive -e "set hive.exec.compress.output=false;set mapred.output.compress=false;insert overwrite local directory '$dpath' row format delimited fields terminated by '\t' NULL DEFINED AS '' select * from  $ttb;"