hive 7.查询users表中的数据插入到nbb和wbb中。 8.删除内部表和外部表，观察HDFS删是否还是有数据。

7. 可以使用INSERT INTO语句将users表中的数据插入到nbb和wbb中，示例如下：

INSERT INTO TABLE nbb SELECT * FROM users;
INSERT INTO TABLE wbb SELECT * FROM users;

其中，nbb和wbb是已经创建好的内部表。

8. 删除内部表和外部表时，需要注意以下几点：

- 删除内部表时，该表对应的数据也会被删除；
- 删除外部表时，该表对应的数据不会被删除，因为数据存储在HDFS中，需要手动删除。

示例代码如下：

-- 删除内部表
DROP TABLE nbb;
DROP TABLE wbb;

-- 删除外部表
DROP TABLE IF EXISTS users_ext;
-- 查看HDFS上是否还有users_ext对应的数据
hadoop fs -ls /user/hive/warehouse/users_ext;
-- 如果有数据，手动删除
hadoop fs -rm -r /user/hive/warehouse/users_ext;

相关问题

python连接hdfs和hive，将hdfs中的csv文件导入hive的数据表中

可以使用PyHive库连接Hive和HDFS，并使用HiveQL语句将HDFS中的CSV文件导入Hive数据表中。下面是一个示例代码：

from pyhive import hive
import pandas as pd

# 连接Hive
conn = hive.connect(host='localhost', port=10000, username='username')

# 创建Hive表
create_table_qry = """
CREATE TABLE IF NOT EXISTS my_table (
    col1 STRING,
    col2 INT,
    col3 FLOAT
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
LINES TERMINATED BY '\n'
STORED AS TEXTFILE
"""
with conn.cursor() as cur:
    cur.execute(create_table_qry)

# 从HDFS中导入数据到Hive表
load_data_qry = """
LOAD DATA INPATH '/path/to/csv/file.csv' INTO TABLE my_table
"""
with conn.cursor() as cur:
    cur.execute(load_data_qry)

# 查询导入的数据
select_qry = """
SELECT * FROM my_table
"""
df = pd.read_sql(select_qry, conn)
print(df.head())

# 关闭连接
conn.close()

其中，需要将`host`和`username`参数替换为实际的Hive主机名和用户名，将`/path/to/csv/file.csv`替换为实际的HDFS中CSV文件的路径。在上述代码中，使用Pandas库读取Hive数据表中的数据并打印前5行。

hive中内部表和外部表区别

Hive中的内部表和外部表有以下区别：

1. 存储位置不同：内部表存储在Hive默认的仓库目录中，而外部表可以存储在任何位置，比如本地磁盘或者HDFS。

2. 数据管理方式不同：对于内部表，Hive会自动管理数据的生命周期，包括创建、删除、清理等。而对于外部表，Hive仅仅维护一个元数据信息，不会对数据进行管理。

3. 数据删除方式不同：当删除内部表时，Hive会将数据和元数据都删除；而删除外部表时，仅仅会删除元数据信息，数据则不受影响。

4. 数据导入方式不同：对于内部表，数据通常是通过LOAD命令或INSERT命令导入，而外部表则可以通过Hadoop的命令或其他工具进行导入。

5. 数据备份方式不同：对于内部表，备份通常需要将数据导出到其他地方，而对于外部表，则只需要备份元数据信息即可。

因此，在选择使用内部表还是外部表时，需要根据具体的场景进行选择。如果需要Hive自动管理数据，或者数据的来源比较单一，可以选择使用内部表；如果需要从多个数据源导入数据，或者需要对数据进行多方面的处理，可以选择使用外部表。