Hive学习笔记

2024-11-02 22:26:08

1 Hive基本概念

1.1 Hive定义

Hive：由 Facebook 开源用于解决海量结构化日志的数据统计工具。
Hive 是基于 Hadoop 的一个数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类 SQL 查询功能。
利用MapReduce去查询数据文件中的某些内容，需要编写大量冗余的程序，而Hive可以通过其独有的HQL语言来转化成MapReduce程序，能够简化编程。
但是Hive只能处理结构化的数据文件，因此MapReduce能做的Hive并不一定能做，Hive能做的MapReduce一定能做。Hive的本质就是将HQL转化成MapReduce程序。
Hive其实也可以看作一个hadoop的客户端，提供给用户输入HQL的入口，客户端再将HQL转化成MapReduce程序，并交由YARN去执行得到结果。
Hive的优缺点：
优点：
（1）操作接口采用类 SQL 语法，提供快速开发的能力（简单、容易上手）。
（2）避免了去写 MapReduce，减少开发人员的学习成本。
（3）Hive 的执行延迟比较高，因此 Hive 常用于数据分析，对实时性要求不高的场合。
（4）Hive 优势在于处理大数据，对于处理小数据没有优势，因为 Hive 的执行延迟比较高。
（5）Hive 支持用户自定义函数，用户可以根据自己的需求来实现自己的函数。

缺点：
1）Hive 的 HQL 表达能力有限
（1）迭代式算法无法表达（连续很多个MapReduce程序连接在一起，用HQL很难表达）
（2）数据挖掘方面不擅长，由于 MapReduce 数据处理流程的限制，效率更高的算法却无法实现。
2）Hive 的效率比较低
（1）Hive 自动生成的 MapReduce 作业，通常情况下不够智能化
（2）Hive 调优比较困难，粒度较粗（Hive调优只能从HQL语句上进行调优，深层次的调优需要从Hadoop进行调优）

1.2 Hive架构原理（面试重点）

1）用户接口（Client）：
CLI（command-line interface）
JDBC/ODBC(jdbc 访问 hive)：通过java代码访问hive，跟java访问mysql差不多
WEBUI（浏览器访问 hive）
2）元数据（Meta store）：
Hive中元数据用于存储映射关系；
Hive中元数据包括：表名、表所属的数据库（默认是 default）、表的拥有者、列/分区字段、表的类型（是否是外部表）、表的数据所在目录等；
Hive中元数据默认存储在自带的 derby 数据库中，推荐使用 MySQL 存储 Metastore
3）Hadoop 使用 HDFS 进行存储，使用 MapReduce 进行计算。
4）驱动器（Driver）：
（1）解析器（SQL Parser）：将 SQL 字符串转换成抽象语法树 AST，这一步一般都用第三方工具库完成，比如 antlr；对 AST 进行语法分析，比如表是否存在、字段是否存在、SQL 语义是否有误。
（2）编译器（Physical Plan）：将 AST 编译生成逻辑执行计划。
（3）优化器（Query Optimizer）：对逻辑执行计划进行优化。
（4）执行器（Execution）：把逻辑执行计划转换成可以运行的物理计划。对于 Hive 来说，就是 MR/Spark。
Hive的运行机制：Hive 通过给用户提供的一系列交互接口，接收到用户的指令(SQL)，使用自己的 Driver，结合元数据(MetaStore)，将这些指令翻译成 MapReduce，提交到 Hadoop 中执行，最后，将执行返回的结果输出到用户交互接口。

1.3 Hive跟数据库比较

查询语言：由于 SQL 被广泛的应用在数据仓库中，因此，专门针对 Hive 的特性设计了类 SQL 的查询语言 HQL。熟悉 SQL 开发的开发者可以很方便的使用 Hive 进行开发。
数据更新：由于 Hive 是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive 中不建议对数据的改写，所有的数据都是在加载的时候确定好的。而数据库中的数据通常是需要经常进行修改的，因此可以使用 INSERT INTO … VALUES 添加数据，使用 UPDATE … SET 修改数据。（实际上如果Hive要对数据进行更改，可以将数据下载下来进行更改再覆盖上传，但是当数据量大的时候速度将非常慢）
执行延迟：Hive 在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟较高。另外一个导致 Hive 执行延迟高的因素是 MapReduce 框架。由于 MapReduce 本身具有较高的延迟，因此在利用 MapReduce 执行 Hive 查询时，也会有较高的延迟。相对的，数据库的执行延迟较低。当然，这个低是有条件的，即数据规模较小，当数据规模大到超过数据库的处理能力的时候， Hive 的并行计算显然能体现出优势。
数据规模：由于 Hive 建立在集群上并可以利用 MapReduce 进行并行计算，因此可以支持很大规模的数据；对应的，数据库可以支持的数据规模较小。

1.4 安装

1.4.1 hive安装

官网下载所需版本Downloads (apache.org)，这里使用3.1.2版本apache-hive-3.1.2-bin.tar.gz
解压到linux环境中

配置环境变量

vim /etc/profile.d/my_env.sh

# 加入以下环境变量
#HIVE_HOME
export HIVE_HOME=/opt/module/hive
export PATH=$PATH:$HIVE_HOME/bin

# 配置完后需要source一下该文件以更新环境变量
source /etc/profile.d/my_env.sh

解决日志 Jar 包冲突（可选）

mv $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.jar $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.bak

初始化元数据库（用的是默认的derby数据库）
```
 bin/schematool -dbType derby -initSchema
```

1.4.2 hive启动

启动zookeeper
启动hadoop
启动hive
```
bin/hive	
```
hive默认的日志位置位置在/tmp/用户名/hive.log
小技巧：当hive报错时，可以查看hive.log，使用tail -f命令追踪当前日志文件，输入很多空行再执行刚刚报错的程序，能够有效帮助定位到报错信息。

1.4.3 hive简单使用

# 显示目前所有的数据库
show databases;
# 显示目前所有表
show tables;
# 创建新表,创建的表默认存储在/user/hive/warehouse/下
create table test(id string);
# 向新表插入数据
insert into test values('1001');
# 查询表数据
select * from test;

derby数据库的缺点：查看元数据不方便，只能在HDFS中查看，并且当同时启用两个客户端时会报错，所以我们需要将 Hive 的元数据地址改为 MySQL。

1.4.4 mysql安装

官网下载，这里使用版本为mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar

检查当前系统是否安装过 MySQL(一般linux自带mysql)

rpm -qa|grep mariadb
//如果存在通过如下命令卸载
sudo rpm -e --nodeps mariadb-libs

将 MySQL 安装包拷贝到/opt/software 目录下

解压 MySQL 安装包

tar -xf mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar -C /opt/module/mysql

在安装目录下执行 rpm 安装，注意按照顺序安装

sudo rpm -ivh mysql-community-common-5.7.28-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-libs-5.7.28-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-libs-compat-5.7.28-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-client-5.7.28-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-server-5.7.28-1.el7.x86_64.rpm

删除/etc/my.cnf 文件中 datadir 指向的目录下的所有内容
初始化数据库
```
sudo mysqld --initialize --user=mysql
```

查看临时生成的 root 用户的密码

sudo cat /var/log/mysqld.log 

2022-07-27T06:38:14.218371Z 1 [Note] A temporary password is generated for root@localhost: WFd(?xG)L2W_

启动 MySQL 服务
```
sudo systemctl start mysqld
```
登录 MySQL 数据库
```
mysql -uroot -p
```
必须先修改 root 用户的密码,否则执行其他的操作会报错
```
mysql>set password = password("root");
```

修改 mysql 库下的 user 表中的 root 用户允许任意 ip 连接

mysql> update mysql.user set host='%' where user='root';
mysql> flush privileges;

1.5 Hive相关配置

1.5.1 Hive元数据配置到mysql

将 MySQL 的 JDBC 驱动mysql-connector-java-5.1.27-bin.jar拷贝到 Hive 的 lib 目录下
```
cp mysql-connector-java-5.1.27-bin.jar $HIVE_HOME/lib
```

配置 Metastore 到 MySQL
1）在$HIVE_HOME/conf 目录下新建 hive-site.xml 文件，添加以下内容

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
     <!-- jdbc 连接的 URL -->
     <property>
     <name>javax.jdo.option.ConnectionURL</name>
     <value>jdbc:mysql://hadoop102:3306/metastore?useSSL=false</value>
</property>
 <!-- jdbc 连接的 Driver-->
 <property>
     <name>javax.jdo.option.ConnectionDriverName</name>
     <value>com.mysql.jdbc.Driver</value>
</property>
<!-- jdbc 连接的 username-->
 <property>
     <name>javax.jdo.option.ConnectionUserName</name>
     <value>root</value>
 </property>
 <!-- jdbc 连接的 password -->
 <property>
     <name>javax.jdo.option.ConnectionPassword</name>
     <value>root</value>
</property>
 <!-- Hive 元数据存储版本的验证，设置为false，因为默认使用的是derby数据库 -->
 <property>
     <name>hive.metastore.schema.verification</name>
     <value>false</value>
</property>
 <!--元数据存储授权，设置为false，因为默认使用·的是derby数据库-->
 <property>
     <name>hive.metastore.event.db.notification.api.auth</name>
     <value>false</value>
 </property>
 <!-- Hive 默认在 HDFS 的工作目录 -->
 <property>
    <name>hive.metastore.warehouse.dir</name>
     <value>/user/hive/warehouse</value>
 </property>
</configuration>

2）登陆 MySQL

mysql -uroot -proot

3）新建 Hive 元数据库

mysql> create database metastore;
mysql> quit;

4）初始化 Hive 元数据库

schematool -initSchema -dbType mysql -verbose

5）启动hive，能够发现前面创建的test表已经没有了，但是重新创建tes表之后，能够发现test表中的数据还存在，这是因为mysql或derby数据库只是用来存储元数据，即存储表跟HDFS路径的映射，当重新创建出这个映射之后，就又能够读取到HDFS中对应路径的数据。
6）通过navicat连接上mysql，查看metastore数据库，查看DBS表，表中只有一条信息，是hive中默认的数据库以及对应的HDFS路径
在这里插入图片描述

查看TBLS，能够查看hive数据库中的表，根据DBS和TBLS两个数据表，可以得到HDFS的对应路径。
在这里插入图片描述

1.5.2 使用元数据服务的方式访问 Hive

目前hive的使用方式只支持通过在hadoop102上进行访问，也就是只能本地进行连接，第三方无法跟hive进行交互，要使外部可以进行连接的话，需要启动一个元数据服务
操作步骤
（1）在 hive-site.xml 文件中添加如下配置信息，开放9083端口提供连接
```

 <property>
     <name>hive.metastore.uris</name>
     <value>thrift://hadoop102:9083</value>
 </property>
```
（2）启动元数据服务（配置了1之后若不启动元数据服务的话，则本地连接也不可用，配置了元数据服务之后，本地连接也是通过9083端口都元数据服务进行连接）（前台进程，启动后当前窗口不可用）
```
hive --service metastore
```

1.5.3 使用JDBC方式访问hive

除了通过元数据服务访问hive，还有一种通过jdbc的方式访问的hive。需要配置jdbc相关服务hiveserver2，通过hiveserver2去连接hive，需要启动元数据服务和hiveserver2两个服务，因为通过jdbc访问hive的方式是这样的：客户端通过hive的jdbc驱动访问到hiveserver2，hiveserver2内部会连接到元数据服务metastrore，metastore则通过mysql的jdbc驱动访问到mysql，获取存储在mysql中的元数据。

操作步骤：
（1）在 hive-site.xml 文件中添加如下配置信息

<!-- 指定 hiveserver2 连接的 host -->
 <property>
     <name>hive.server2.thrift.bind.host</name>
    <value>hadoop102</value>
 </property>
 <!-- 指定 hiveserver2 连接的端口号 -->
 <property>
     <name>hive.server2.thrift.port</name>
     <value>10000</value>
 </property>

（2）在hadoop的core-site.xml添加如下配置并重启hadoop（原因是hadoop引入了一个安全伪装机制，使得hadoop 不允许上层系统直接将实际用户传递到hadoop层，而是将实际用户传递给一个超级代理，由此代理在hadoop上执行操作，避免任意客户端随意操作hadoop，这里配置这两个参数使得当前用户能够访问到hadoop？）

<!-- 配置超级用户F能够通过代理访问的主机节点 -->
<property>
        <name>hadoop.proxyuser.F.hosts</name>
        <value>*</value>
</property>
<!-- 配置超级用户F允许代理的用户所属组 -->
<property>
        <name>hadoop.proxyuser.F.groups</name>
        <value>*</value>
</property>

（3）启动hiveserver2（需要先启动元数据服务）（前台进程，启动后当前窗口不可用）（启动时间较长，内部有多次校验）

bin/hive --service hiveserver2


（4）通过hive自带的beeline客户端利用jdbc方式连接hive（如果通过其他工具进行连接的话，需要有hive的jdbc驱动，并提供下面的url和用户名即可）

```shell
bin/beeline -u jdbc:hive2://hadoop102:10000 -n F

1.5.4 元数据服务&hiveserver2脚本封装

由于元数据服务和hiveserver2服务都是前台进程，直接启动不方便，需要将进程以后台方式启动
后台方式启动知识：
nohup: 放在命令开头，表示不挂起,也就是关闭终端进程也继续保持运行状态
/dev/null：是 Linux 文件系统中的一个文件，被称为黑洞，所有写入改文件的内容都会被自动丢弃
2>&1 : 表示将错误重定向到标准输出上（0表示标准输入，1表示标准输出，2表示错误输出）
&: 放在命令结尾,表示后台运行
一般会组合使用: nohup [xxx 命令操作]> file 2>&1 &，表示将 xxx 命令运行的结果输出到 file 中，并保持命令启动的进程在后台运行。

脚本编写hiveservices.sh，并赋予权限

#!/bin/bash
#日志目录
HIVE_LOG_DIR=$HIVE_HOME/logs 
if [ ! -d $HIVE_LOG_DIR ] # -d表示判断当前路径是否存在并是否是文件夹
then
	mkdir -p $HIVE_LOG_DIR # 如果不存在则创建
fi
#检查进程是否运行正常，参数 1 为进程名，参数 2 为进程端口
function check_process()
{
     pid=$(ps -ef 2>/dev/null | grep -v grep | grep -i $1 | awk '{print $2}') # 通过进程名$1来过滤进程，并得到进程号$2，其中grep -v grep为排除带grep的进程，awk用于根据空格进行切分得到的进程字符串
     ppid=$(netstat -nltp 2>/dev/null | grep $2 | awk '{print $7}' | cut -d '/' -f 1) # 通过端口号$2来过滤进程，并得到进程号&7，
     echo $pid
     [[ "$pid" =~ "$ppid" ]] && [ "$ppid" ] && return 0 || return 1 # 如果通过以上两种方式得到的两个进程号一样则返回1，否则返回0
}
function hive_start()
{
     metapid=$(check_process HiveMetastore 9083) # 检查元数据服务是否启动
     cmd="nohup hive --service metastore >$HIVE_LOG_DIR/metastore.log 2>&1 &"
     [ -z "$metapid" ] && eval $cmd || echo "Metastroe 服务已启动" # -z判断当前进程id长度是否为0，如果为0表明不存在，就执行&&后面的命令来启动元数据服务，eval表示所有参数解析完毕再执行命令，如果不为0就执行||后面的命令，输出元数据服务已启动
     server2pid=$(check_process HiveServer2 10000)
     cmd="nohup --service hiveserver2 >$HIVE_LOG_DIR/hiveServer2.log 2>&1 &"
     [ -z "$server2pid" ] && eval $cmd || echo "HiveServer2 服务已启动"
}
function hive_stop()
{
    metapid=$(check_process HiveMetastore 9083)
     [ "$metapid" ] && kill $metapid || echo "Metastore 服务未启动" # 存在则杀死进程，否则提示元数据服务未启动
     server2pid=$(check_process HiveServer2 10000)
     [ "$server2pid" ] && kill $server2pid || echo "HiveServer2 服务未启动"
}
case $1 in # 脚本后跟的第一个参数不同，对应调用的函数也不同
"start")
     hive_start
     ;;
"stop")
     hive_stop
     ;;
"restart")
     hive_stop
     sleep 2
     hive_start
     ;;
"status")
 check_process HiveMetastore 9083 >/dev/null && echo "Metastore 服务运行正常" || echo "Metastore 服务运行异常"
 check_process HiveServer2 10000 >/dev/null && echo "HiveServer2 服务运行正常" || echo "HiveServer2 服务运行异常"
 ;;
*)
 echo Invalid Args! # 如果是没有定义的参数则提示参数错误
 echo 'Usage: '$(basename $0)' start|stop|restart|status'
 ;;
esac

chmod u+x hiveservices.sh

1.5.5 Hive其他配置

1）配置Hive运行日志存放位置

Hive 的 log 默认存放在/tmp/F/hive.log 目录下，在磁盘空间不足的时候会优先删除tmp目录下的文件，不安全
修改 hive 的 log 存放日志到/opt/module/hive/logs
（1）修改/opt/module/hive/conf/hive-log4j2.properties.template 文件名称为 hive-log4j2.properties
（2）在 hive-log4j2.properties 文件中修改 log 存放位置
```
property.hive.log.dir = /opt/module/hive/logs
```
重启hive客户端后生效

2）配置hive在执行命令时会打印当前库和表头

在hive-site.xml中加入如下配置：

<property>
     <name>hive.cli.print.header</name>
     <value>true</value>
</property>
 <property>
     <name>hive.cli.print.current.db</name>
     <value>true</value>
 </property>

重启hive客户端后生效

3）hive的一些其他参数可以在hive-default.xml.template下查看
4）查看所有的配置信息

hive>set;

5）参数的配置三种方式

配置文件方式：在hive-site.xml中中配置参数，用户自定义配置会覆盖默认配置。另外，Hive 也会读入 Hadoop 的配置，因为 Hive 是作为 Hadoop 的客户端启动的，Hive 的配置会覆盖 Hadoop 的配置。配置文件的设定对本机启动的所有 Hive 进程都有效。
命令行参数方式：启动 Hive 时，可以在命令行添加-hiveconf param=value 来设定参数。例如
```
 bin/hive -hiveconf mapred.reduce.tasks=10;
```
在hive客户端中可以查看参数的设置
```
hive (default)> set mapred.reduce.tasks;
```
注意：以上操作仅对本次 hive 启动有效。
利用-e参数可以不进入hive客户端执行一些命令，可以利用这个机制，来针对某个语句设置参数；
```
# 本次参数设置只对后面的select语句生效
bin/hive -e "set param=value; select * from test;"
```

参数声明方式

# 可以在 HQL 中使用 SET 关键字设定参数
hive (default)> set mapred.reduce.tasks=5;

三种设置方式的优先级依次递增。即配置文件<命令行参数<参数声明。

1.6 hive常用命令

通过hive目录下的bin/hive -help命令可以查看hive的一些交互命令

bin/hive -help
which: no hbase in (/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/opt/module/jdk1.8.0_212/bin:/opt/ha/hadoop-3.1.3/bin:/opt/ha/hadoop-3.1.3/sbin:/opt/module/hive/bin:/home/F/.local/bin:/home/F/bin)
Hive Session ID = bd6c34c8-5407-4948-98ac-2b06f06de9c3
usage: hive
 -d,--define <key=value>          Variable substitution to apply to Hive
                                  commands. e.g. -d A=B or --define A=B
    --database <databasename>     Specify the database to use
 -e <quoted-query-string>         SQL from command line
 -f <filename>                    SQL from files
 -H,--help                        Print help information
    --hiveconf <property=value>   Use value for given property
    --hivevar <key=value>         Variable substitution to apply to Hive
                                  commands. e.g. --hivevar A=B
 -i <filename>                    Initialization SQL file
 -S,--silent                      Silent mode in interactive shell
 -v,--verbose                     Verbose mode (echo executed SQL to the
                                  console)

常用交互命令

# “-e”不进入 hive 的交互窗口执行 sql 语句, 有该命令可以通过脚本来执行hive语句
bin/hive -e "select id from student;"
# “-f”执行脚本中 sql 语句,脚本后缀不重要
bin/hive -f /opt/module/hive/datas/hivef.sql
#  执行文件中的 sql 语句并将结果写入文件中
bin/hive -f /opt/module/hive/datas/hivef.sql > /opt/module/datas/hive_result.txt

其他命令

# 在 hive命令窗口中如何查看 hdfs 文件系统
dfs -ls /;
# 查看在 hive 中输入的所有历史命令
（1）进入到当前用户的根目录 /root 或/home/atguigu
（2）查看. hivehistory 文件
cat .hivehistory

2 Hive数据类型

2.1 基本数据类型

对于 Hive 的 String 类型相当于数据库的 varchar 类型，该类型是一个可变的字符串，不过它不能声明其中最多能存储多少个字符，理论上它可以存储 2GB 的字符数。

2.2 集合数据类型

Hive 有三种复杂数据类型 ARRAY、MAP 和 STRUCT。ARRAY 和 MAP 与 Java 中的 Array 和 Map 类似，而 STRUCT 与 C 语言中的 Struct 类似，它封装了一个命名字段集合，复杂数据类型允许任意层次的嵌套。

案例实操：
在hive中创建新表test2

create table test(
name string,
friends array<string>,
children map<string, int>,
address struct<street:string, city:string>
)
row format delimited fields terminated by ',' # 定义列分隔符为，
collection items terminated by '_' # 定义集合数据分隔符为_
map keys terminated by ':' # 定义map中key和value的分隔符为：
lines terminated by '\n'; # 定义行分隔符为\n

准备测试数据test.txt

songsong,bingbing_lili,xiao song:18_xiaoxiao song:19,hui long guan_beijing
yangyang,caicai_susu,xiao yang:18_xiaoxiao yang:19,chao yang_beijing

上传test.txt到HDFS路径下的/user/hive/warehouse/test2，hive中查询test2的数据
在这里插入图片描述

# 查询array类型字段中的第一个数据
select friends[0] from test2 where name='songsong';
# 获取map类型字段中某一个key下对应的value
select children['xiao song'] from test2 where name='songsong';
# 获取struct类型字段中的某一个成员变量
select address.street from test2 where name='songsong';

2.3 类型转换

Hive 的原子数据类型是可以进行隐式转换的，类似于 Java 的类型转换，例如某表达式使用 INT 类型，TINYINT 会自动转换为 INT 类型，但是 Hive 不会进行反向转化，例如，某表达式使用 TINYINT 类型，INT 不会自动转换为 TINYINT 类型，它会返回错误，除非使用 CAST 操作。
1）隐式类型转换规则如下
（1）任何整数类型都可以隐式地转换为一个范围更广的类型，如 TINYINT 可以转换成 INT，INT 可以转换成 BIGINT。
（2）所有整数类型、FLOAT 和 STRING 类型（STRING类型的内容必须是数字）都可以隐式地转换成 DOUBLE。
（3）TINYINT、SMALLINT、INT 都可以转换为 FLOAT。
（4）BOOLEAN 类型不可以转换为任何其它的类型。
2）可以使用 CAST 操作显示进行数据类型转换：例如 CAST(‘1’ AS INT)将把字符串’1’ 转换成整数 1；如果强制类型转换失败，如执行 CAST(‘X’ AS INT)，表达式返回空值 NULL。

3 Hive-DDL数据定义（增删改查数据库）

3.1 创建数据库

创建数据库命令

# []代表可选项
# IF NOT EXISTS不存在时才创建
# COMMENT database_comment指定数据库注释
# LOCATION hdfs_path指定数据库存放位置，默认是hdfs下的/user/hive/warehouse/数据库名.db
# WITH DBPROPERTIES (property_name=property_value, ...)额外参数信息，如作者信息，创建时间等
CREATE DATABASE [IF NOT EXISTS] database_name
[COMMENT database_comment]
[LOCATION hdfs_path]
[WITH DBPROPERTIES (property_name=property_value, ...)];

示例

create database if not exists hive;
create database hive location 'hive';

3.2 查询数据库

常用命令

# 显示数据库
show databases;
# 过滤显示查询的数据库
show databases like 'db_hive*'
# 显示数据库信息
desc database db_hive;
# 显示数据库详细信息，extended，可以查看一些扩展信息DBPROPERTIES
desc database extended db_hive;
# 切换数据库
use db_hive;

3.3 修改数据库

用户可以使用 ALTER DATABASE 命令为某个数据库的 DBPROPERTIES 设置键-值对属性值，来描述这个数据库的属性信息。
```
alter database db_hive set dbproperties('createtime'='20170830');
```
修改只能修改DBPROPERTIES这种扩展信息，查看扩展信息的修改情况通过extended参数去查看

3.4 删除数据库