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

spark如何正确的删除hive外部表【删除表时同时删除hdfs上的数据】？

### 回答1：
要正确删除Hive外部表并同时删除HDFS上的数据，可以使用以下步骤：

1. 在Hive中使用DROP TABLE语句删除外部表，例如：

DROP TABLE my_external_table;

2. 确认表已被删除，可以使用SHOW TABLES语句检查：

SHOW TABLES;

3. 在HDFS上删除表的数据，可以使用以下命令：

hadoop fs -rm -r /path/to/table/data

其中，/path/to/table/data是外部表数据存储的HDFS路径。

4. 确认数据已被删除，可以使用以下命令：

hadoop fs -ls /path/to/table/data

如果输出为空，则表示数据已被成功删除。

注意：删除外部表时，只会删除Hive元数据，不会删除HDFS上的数据。因此，需要手动删除HDFS上的数据以释放存储空间。

### 回答2：
在Spark中删除Hive外部表时，我们需要确保同时删除HDFS上的相关数据。在这里，我们提供如下的几种方法，可以帮助您正确删除Hive外部表。

一、使用Hive Shell

1. 确保您已经连接到了Hive Shell，并且设置了正确的Hadoop和Hive环境变量。
2. 在Hive Shell中，输入命令“DROP TABLE IF EXISTS external_table_name;”，以删除指定的外部表。
3. 输入命令“!hadoop fs -rm -r /path/to/external_table_name;”，以删除HDFS上的相关数据。请注意，这里的“/path/to/external_table_name”需要替换为您实际使用的HDFS路径。

二、使用Scala代码

1. 在Spark中创建一个HiveContext对象，用于与Hive进行交互。

val hiveContext = new org.apache.spark.sql.hive.HiveContext(sc)

2. 使用HiveContext对象，执行SQL语句删除指定的外部表以及相关数据。

hiveContext.sql("DROP TABLE IF EXISTS external_table_name")
import org.apache.hadoop.fs.FileSystem
import org.apache.hadoop.fs.Path
val fs = FileSystem.get(sc.hadoopConfiguration)
fs.delete(new Path("/path/to/external_table_name"), true)

请注意，这里的“/path/to/external_table_name”需要替换为您实际使用的HDFS路径。

三、使用Python代码

1. 在Spark中创建一个HiveContext对象，用于与Hive进行交互。

from pyspark.sql import HiveContext
hiveContext = HiveContext(sc)

2. 使用HiveContext对象，执行SQL语句删除指定的外部表以及相关数据。

hiveContext.sql("DROP TABLE IF EXISTS external_table_name")
import subprocess
subprocess.call(["hadoop", "fs", "-rm", "-r", "/path/to/external_table_name"])

请注意，这里的“/path/to/external_table_name”需要替换为您实际使用的HDFS路径。

总结

以上三种方法均可以帮助您正确地删除Hive外部表，并同时删除HDFS上的相关数据。根据您的实际情况和个人喜好，可以选择使用其中的任一种方法。

### 回答3：
Spark是一个开源的大数据处理框架，它可以与Hive集成，来进行数据处理和查询。在使用Spark进行Hive外部表操作时，如果需要删除表时同时删除HDFS上的数据，可以按照以下步骤进行：

1. 使用Spark的HiveContext来获取要删除的表的元数据，例如：

val hiveContext = new org.apache.spark.sql.hive.HiveContext(sc)
val tableMetadata = hiveContext.table("database.table").toDF

2. 从元数据中获取表的路径，例如：

val tablePath = tableMetadata.select("location").collect()(0)(0).toString

3. 使用Hadoop File System(HDFS)的API来删除表的路径，例如：

import org.apache.hadoop.fs.FileSystem
import org.apache.hadoop.fs.Path
val hdfs = FileSystem.get(sc.hadoopConfiguration)
hdfs.delete(new Path(tablePath), true)

4. 使用Spark的SQLContext来删除表，例如：

val sqlContext = new org.apache.spark.sql.SQLContext(sc)
sqlContext.sql("DROP TABLE database.table")

通过以上步骤，即可正确地删除Hive外部表，并且同时删除HDFS上的数据。需要注意的是，在进行该操作前，请确保将删除操作纳入了数据管理的策略中，避免误删数据。

【多选题】有关hive的说法正确的是： A A. hive中可以通过修改配置文件使用MySQL数据库 B B. hive中是用MySQL数据是为了保存hive处理后的数据 C C. hive中的hql操作本质就是MapReduce操作 D D. 创建外部表和内部表的语句相同，只是数据与表出现的顺序不同

有关Hive的说法正确的是A、C、D。具体解释如下：

A. Hive中可以通过修改配置文件使用MySQL数据库

这个说法是正确的。Hive默认使用Derby作为元数据存储，但是可以通过修改配置文件，将元数据存储到其他的数据库中，如MySQL、Oracle等。

B. Hive中使用MySQL数据库是为了保存Hive处理后的数据

这个说法是不正确的。Hive中使用MySQL数据库是为了存储元数据信息，如表的结构、分区信息等。Hive处理后的数据默认存储在HDFS中。

C. Hive中的HQL操作本质就是MapReduce操作

这个说法是正确的。Hive中的HQL语句会被转换成MapReduce任务来执行，Hive使用MapReduce来实现分布式的查询和计算。

D. 创建外部表和内部表的语句相同，只是数据与表出现的顺序不同

这个说法是正确的。在Hive中，创建外部表和内部表的语句基本相同，只是在创建外部表时需要指定数据的存储位置，而在创建内部表时则不需要。同时，在删除外部表时，不会删除数据，而在删除内部表时，会将数据一同删除。