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。

参考博客：
https://www.jianshu.com/p/ccf…
https://www.cnblogs.com/11301…