探索Apache Hive：融合专业性、趣味性和吸引力的数据库操作奇幻之旅

短命女 2024-03-24 21:59 6阅读 0赞

#### 文章目录 ####

*  版权声明
 *  一 数据库操作
 *  二 Hive数据表操作
 *   *  2.1 表操作语法和数据类型
     *  2.2 Hive表分类
     *  2.3 内部表Vs外部表
     *  2.4 内部表操作
     *   *  2.4.1 创建内部表
         *  2.4.2 其他创建内部表的形式
         *  2.4.3 数据分隔符
         *  2.4.4 自定义分隔符
         *  2.4.5 删除内部表
     *  2.5 外部表操作
     *   *  2.5.1 创建外部表
         *  2.5.2 操作演示
         *  2.5.3 演示先建表后移动数据
         *  2.5.4 演示先存在数据后建表
         *  2.5.5 删除外部表
     *  2.6 Hive内外表转化
     *  2.7 Hive数据加载和导出
     *   *  2.7.1 数据加载-LOAD语法
         *  2.7.2 数据加载-insert select语法
         *  2.7.3 数据加载-两种语法的选择
         *  2.7.4 hive表数据导出-insert overwrite方式
         *  2.7.5 hive表数据导出-hive shell
     *  2.8 分区表
     *   *  2.8.1 创建分区
         *  2.8.2 加载数据
         *  2.8.3 查看分区
         *  2.8.4 添加分区
         *  2.8.5 修改分区位置
         *  2.8.6 修改分区值
         *  2.8.7 删除分区
     *  2.9 分桶表
     *   *  2.9.1 创建分桶表
         *  2.9.2 分桶表数据加载
         *  2.9.3 原因解释
         *  2.9.4 分桶表的性能提升
     *  2.10 修改表
     *  2.11 复杂类型
     *   *  2.11.1 array类型
         *  2.11.2 map类型
         *  2.11.3 struct类型
         *  2.11.4 三种结构总结

*  本博客的内容基于我个人学习黑马程序员课程的学习笔记整理而成。我特此声明，所有版权属于黑马程序员或相关权利人所有。本博客的目的仅为个人学习和交流之用，并非商业用途。
 *  我在整理学习笔记的过程中尽力确保准确性，但无法保证内容的完整性和时效性。本博客的内容可能会随着时间的推移而过时或需要更新。
 *  若您是黑马程序员或相关权利人，如有任何侵犯版权的地方，请您及时联系我，我将立即予以删除或进行必要的修改。
 *  对于其他读者，请在阅读本博客内容时保持遵守相关法律法规和道德准则，谨慎参考，并自行承担因此产生的风险和责任。

## 一 数据库操作 ##

*  创建数据库
    
        create database if not exists myhive;
        use myhive;
 *  查看数据库详细信息
    
        desc database myhive;
 *  **数据库本质上就是HDFS上的文件夹。默认数据库的存放路径位于HDFS的`/user/hive/warehouse`内**
 *  创建数据库并指定hdfs存储位置

# 使用location关键字，指定数据库在HDFS的存储路径
    create database myhive2 location '/myhive2 ';

*  删除一个空数据库，如果数据库下面有数据表，那么就会报错

drop database myhive;

*  强制删除数据库，包含数据库下面的表一起删除

drop database myhive2cascade;

## 二 Hive数据表操作 ##

### 2.1 表操作语法和数据类型 ###

CREATE [EXTERNAL] TABLE[IF NOT EXISTS] tabLe_name
    	[(col_namedata_type [COMMENT col_comment], ...)]
    	[COMMENT table_comment]
    	[PARTITIONED BY (col_name data_type [CoMMENTcol_comment], ...)]
    	[CLUSTERED BY (col_name,col_name,...)
    	[SORTED BY (col_name[ASC|DESC],...)] INTO num_buckets BUCKETS]
    	[ROW FORMAT row_format]
    	[STORED AS file_format]
    	[LOCATION hdfs_path]

*  EXTERNAL：创建外部表
 *  PARTITIONED BY：分区表
 *  CLUSTERED BY：分桶表
 *  STORED AS：存储格式
 *  LOCATION：存储位置

--------------------

![在这里插入图片描述][33f6af89f450407ea418565b6679d763.png]

### 2.2 Hive表分类 ###

*  在Apache Hive中，可以创建不同类型的表，包括**内部表（Managed Table）、外部表（External Table）、分区表（Partitioned Table）和分桶表（Bucketed Table）。**

1.  内部表（Managed Table）：
    
     *  内部表也称为托管表，是Hive的默认表类型。
     *  数据和元数据都由Hive管理，存储在Hive的默认文件系统（通常是Hadoop分布式文件系统）中。**当删除内部表时，Hive也会删除相关的数据和元数据。**
     *  内部表适合于数据集完全由Hive管理和控制的情况。
2.  外部表（External Table）：
    
     *  外部表是指数据和元数据都存储在外部存储系统中，例如Hadoop分布式文件系统（HDFS）或云存储服务（如Amazon S3）。
     *  与内部表不同，**当删除外部表时，Hive只删除元数据而不会删除实际的数据**。这种特性使得外部表**适合于与其他系统共享数据或将已有数据引入Hive的场景。**
3.  分区表（Partitioned Table）：
    
     *  分区表将数据按照一或多个分区键（如日期、地区等）切分成不同的分区存储，这样可以更高效地管理和查询数据。
     *  分区表允许用户在查询时只加载特定分区的数据，而不必加载整个表。
     *  **分区表适用于按照某种规则对数据进行组织和查询的场景。**
4.  分桶表（Bucketed Table）：
    
     *  分桶表是在分区表的基础上进一步细分数据的方法。
     *  分桶表将每个分区划分为固定数量的桶（buckets），其中数据根据特定的列哈希算法进行分桶。
     *  分桶表可以改善查询性能，特别是当你经常需要基于某个列进行连接操作时。分桶表通常与分区表结合使用。

--------------------

*  总结
    
     *  **内部表适合完全由Hive管理的数据集，外部表适合与其他系统共享或引入数据，分区表适合按照特定规则组织和查询数据，而分桶表则是进一步细分数据以改善查询性能的一种方式。**

### 2.3 内部表Vs外部表 ###

<table> 
 <thead> 
  <tr> 
   <th></th> 
   <th>内部表（Managed Table）</th> 
   <th>外部表（External Table）</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>创建语法</td> 
   <td>CREATE TABLE table_name …</td> 
   <td>CREATE EXTERNAL TABLE table_name … LOCATION …</td> 
  </tr> 
  <tr> 
   <td>存储位置</td> 
   <td>由Hive管理，存储在Hive默认文件系统中</td> 
   <td>可在任何位置，通过LOCATION关键字指定</td> 
  </tr> 
  <tr> 
   <td>元数据和数据</td> 
   <td>Hive管理和控制元数据和数据</td> 
   <td>仅Hive管理元数据，不控制实际数据</td> 
  </tr> 
  <tr> 
   <td>删除表时的行为</td> 
   <td>删除表会同时删除元数据和存储的数据</td> 
   <td>仅删除表的元数据，不删除实际数据</td> 
  </tr> 
  <tr> 
   <td>适用场景</td> 
   <td>数据集完全由Hive管理和控制的情况</td> 
   <td>与其他系统共享数据，引入已有数据的场景</td> 
  </tr> 
  <tr> 
   <td>与其他工具的共享性</td> 
   <td>不适合与其他工具共享数据</td> 
   <td>可以随意临时连接到外部数据上</td> 
  </tr> 
 </tbody> 
</table>

1.  内部表（Managed Table）是由Hive管理和控制的表，数据和元数据由Hive存储和管理。**删除内部表时会删除相关的数据和元数据。适合数据完全由Hive管理和控制的场景。**
2.  外部表（External Table）是关联到外部数据的表，数据存储位置可以在任何地方，通过LOCATION关键字指定。**删除外部表时仅删除元数据，不会删除实际数据。适合与其他系统共享数据或引入已有数据的场景。**

### 2.4 内部表操作 ###

#### 2.4.1 创建内部表 ####

*  内部表创建语法
    
        CREATE TABLE table_name ...
 *  演示
    
    1.  创建一个基础的表
    
        create database if not exists myhive;
        use myhive;
        create table if not exists stu(id int, name string);
        insert into stu values ( 1,"zhangsan")，(2， "wangwu");
        select *from stu;
    
    1.  查看表的数据存储
    
        hadoop fs -ls /user/hive/warehouse/myhive.db/stu
        hadoop fs -cat /user/hive/warehouse/myhive.db/stu/*

![在这里插入图片描述][53f7986fd2494fca8c6ac32360ad0006.png]

#### 2.4.2 其他创建内部表的形式 ####

*  基于查询结果建表

CREATE TABLE table_name as
    -- 示例
    create table stu3 as select * from stu2;

*  基于已存在的表结构建表

CREATE TABLE table_namelike
    -- 示例
    create table stu4 like stu2;

*  使用DESCFORMATTEDtable\_name，查看表类型和详情

DESC FORMATTED Stu2;

#### 2.4.3 数据分隔符 ####

![在这里插入图片描述][53f7986fd2494fca8c6ac32360ad0006.png]

*  数据在HDFS上也是以明文文件存在的。奇怪的是，列ID和列NAME，好像没有分隔符，而是挤在一起的。
 *  默认的数据分隔符是:"\\001"是一种特殊字符，是ASCII值，键盘是打不出来
 *  在某些文本编辑器中是显示为SOH的。  
    ![在这里插入图片描述][b4bd38e88d994dde9698827d27e0d70b.png]

#### 2.4.4 自定义分隔符 ####

create table if not exists stu2(id int ,name string) row format delimited fields terminated by '\t' ;

*  `row format delimited fields terminated by '\t' ;`表示使用`\t`分隔

#### 2.4.5 删除内部表 ####

*  删除内部表时会删除相关的数据和元数据

drop table table_name;

### 2.5 外部表操作 ###

#### 2.5.1 创建外部表 ####

*  创建外部表语法

CREATE EXTERNAL TABLE table_name ... LOCATION ...

*  外部表，创建表被`EXTERNAL`关键字修饰，从概念是被认为并非Hive拥有的表，只是临时关联数据去使用。
 *  外部表和数据是相互独立的，即: **可以先有表，然后把数据移动到表指定的LOCATION中。也可以先有数据，然后创建表通过LOCATION指向数据**

--------------------

#### 2.5.2 操作演示 ####

1.  在Linux上创建新文件，test\_external.txt，并填入如下内容，数据列使用`\t`分隔:

1	hello
    2	world
    3	hadoop

#### 2.5.3 演示先建表后移动数据 ####

1.  演示先创建外部表，然后移动数据到`LOCATION`目录
    
     *  首先检查: `hadoop fs -ls /tmp`，确认不存在`/tmp/test_ext1`目录
     *  创建外部表:
    
        create external table test_ext1(id int，name string) row format delimited fields terminated by '\t' location ' /tmp/test_ext1';
    
     *  创建成功后，查看表数据内容为空
    
        select * from test_ext1
    
     *  上传数据，即可看到数据结果

hadoop fs -put test_external.txt /tmp/test_ext1. select * from test_ext1

#### 2.5.4 演示先存在数据后建表 ####

hadoop fs -mkdir /tmp/test_ext2
    hadoop fs -put test_external.txt /tmp/test_ext2/
    create external table test_ext2(id int,name string) row format delimited fieldsterminated by '\t' location '/tmp/test_ext2';
    select * from test_ext2;

#### 2.5.5 删除外部表 ####

*  删除外部表语句

DROP TABLE table_name;

*  注意：**DROP TABLE语句仅会删除表的元数据，不会删除外部表所关联的实际数据。** 执行这个语句后，Hive会删除指定的外部表的元数据信息，包括表结构、分区信息和位置等，但并不会删除外部表所关联的实际数据。如果你想要同时删除外部表的数据，可以手动删除存储在外部位置的数据文件或目录。

### 2.6 Hive内外表转化 ###

*  查看表类型: `desc formatted table_name;`  
    ![在这里插入图片描述][eefc0a7110fe4830a0f418a28da3dc66.png]
 *  Hive可以很简单的通过SQL语句转换内外部表。
 *  内部表转外部表
    
        alter table table_name set tblproperties('EXTERNAL'='TRUE');
 *  外部表转内部表
    
        alter table table_name set tblproperties('EXTERNAL'='FALSE');
 *  **要注意:(‘EXTERNAL’=‘FALSE’)或(‘EXTERNAL’=‘TRUE’)为固定写法，区分大小写! ! !**

### 2.7 Hive数据加载和导出 ###

#### 2.7.1 数据加载-LOAD语法 ####

*  语法  
    ![在这里插入图片描述][1517e2c7504948a481950768da861058.png]
 *  **注意，基于HDFS进行load加载数据，源数据文件会消失(本质是被移动到表所在的目录中)**  
    ![在这里插入图片描述][7dcc82be357d4bcc94a6d9c050d2420a.gif_pic_center]  
    ![在这里插入图片描述][aa1c2d86ed9f42b99f1191ce0d378611.gif_pic_center]
 *  示例
    
        load data local inpath '/home/hadoop/search_log.txt' into table myhive.test_load;
        load data inpath '/tmp/search_log.txt' overwrite into table myhive.test_load;

#### 2.7.2 数据加载-insert select语法 ####

*  语法

INSERT [OVERWRITE | INTO] TABLE tablename1 [PARTITION (partcol=vall, partcol2=val2 ...) [TF NOTEXISTS]] select_statement1 FROM from_statement;

*  将SELECT查询语句的结果插入到其它表中，被SELECT查询的表可以是内部表或外部表。

#### 2.7.3 数据加载-两种语法的选择 ####

![在这里插入图片描述][6f00af56d1db42128f3be061b15bf3d2.png]

#### 2.7.4 hive表数据导出-insert overwrite方式 ####

*  语法:

insert overwrite [local] directory 'path' select_statement1 FROM from_statement;

--------------------

*  将hive表中的数据导出到其他任意目录，例如linux本地磁盘，例如hdfs，例如mysq|等等
 *  将查询的结果导出到本地－使用默认列分隔符

insert overwrite local directory '/home/hadoop/export1' select * from test_load ;

*  将查询的结果导出到本地－指定列分隔符

insert overwrite local directory '/home/hadoop/export2' row format delimited fields terminated by '\t' select * from test_load;

*  将查询的结果导出到HDFS上(不带local关键字)

insert overwrite directory '/tmp/export' row format delimited fields terminated by '\t' select * from test_load;

#### 2.7.5 hive表数据导出-hive shell ####

*  基本语法：(hive -f/-e 执行语句或者脚本> file)

bin/hive -e "select * from myhive.test_load;" > /home/hadoop/export3/export4.txt
    bin/hive -f export.sql > /home/hadoop/export4/export4.txt

### 2.8 分区表 ###

*  在Hive中，分区表（Partitioned Table）是一种将数据按照特定列的值进行逻辑分区的表。分区表可以加速查询和提高数据的管理效率。  
    ![在这里插入图片描述][2ab4cf1a42d3499d8b9a354d1f7c44ec.png]
 *  同时Hive也支持多个字段作为分区，多分区带有层级关系  
    ![在这里插入图片描述][78896d42f0144bb0a3a7f078a5ec07d2.png]

--------------------

#### 2.8.1 创建分区 ####

*  创建分区表语法
    
        CREATE TABLE table_name (
           column1 data_type,
           column2 data_type,
           ...
        )
        PARTITIONED BY (partition_column1 data_type, partition_column2 data_type, ...);

--------------------

*  演示
    
        create tables core(
        		sid string,
        		cid string,
        		sscore int
        	) 
        partitioned by(month string)
        row format delimited fields terminated by't';
 *  创建一个表带多个分区
    
        create table score2 (sid string,c_id string,sscore int) 
        partitioned by(year string,month string,day string)
        row format delimited fields terminated by'\t';

#### 2.8.2 加载数据 ####

*  加载数据到分区表中
    
        load data local inpath '/export/server/hivedatas/score.txt' into table score 
        partition (month='202006');
 *  加载数据到一个多分区的表中去
    
        load data local inpath '/export/server/hivedatas/score.txt' into table score2
        partition(year='2020',month='06',day='01');
 *  插入数据到分区表
    
        INSERT INTO TABLE table_name PARTITION (partition_column1 = value1, partition_column2 = value2, ...)
        VALUES (value1, value2, ...);
    
        INSERT INTO TABLE sales PARTITION (year = 2023, month = 9)
        VALUES (1, 'Product A', '2023-09-08', 100.0);

#### 2.8.3 查看分区 ####

*  查看分区
    
        show partitions score;

#### 2.8.4 添加分区 ####

*  添加一个分区
    
        alter table score add partition(month='202005')
 *  同时添加多个分区
    
        alter table score add partition(month='202004') partition(month='202003');
 *  **注意：添加分区之后就可以在hdfs文件系统当中看到表下面多了一个文件夹**

#### 2.8.5 修改分区位置 ####

ALTER TABLE table_name PARTITION (partition_column1 = value1, partition_column2 = value2, ...)
    SET LOCATION '/new/partition/location';

#### 2.8.6 修改分区值 ####

alter table table_name partition(month='2002005') rename to partition(month='201105')

#### 2.8.7 删除分区 ####

alter table table_name drop partition(month='202006');

*  **对分区的修改和删除操作，实际是修改源数据表，并不会修改hdfs中的数据内容！【不建议修改分区】**

### 2.9 分桶表 ###

*  分桶和分区一样，也是一种通过改变表的存储模式，从而完成对表优化的一种调优方式。
 *  但和分区不同，分区是将表拆分到不同的子文件夹中进行存储，而分桶是将表拆分到固定数量的不同文件中进行存储。  
    ![在这里插入图片描述][4b2337fd52764cf9976ff62179d339ca.png]

#### 2.9.1 创建分桶表 ####

*  开启分桶的自动优化（自动匹配reducetask数量和桶数量一致）

set hive.enforce.bucketing=true;

*  创建分桶表

create table course (
    	c_id string,
    	c_name string,
    	t_id string
    ) clustered by(c_id) into 3 buckets 
    row format delimited fields terminated by '\t';

#### 2.9.2 分桶表数据加载 ####

*  桶表的数据加载通过load data无法执行，只能通过insert select.

1.  创建一个临时表（外部表或内部表均可)，通过load data加载数据进入表
2.  然后通过insert select 从临时表向桶表插入数据

*  创建普通表：

create table course_common (
    	c_id string,
    	c_name string,
    	t_id string
    ) rowformat delimited fields terminated by 't';

*  普通表中加载数据
    
        load data local inpath '/export/server/hivedatas/course.txt' into table course_common;
 *  通过`insert overwrite`给桶表中加载数据
    
        insert overwrite table course select * from course_common cluster by(cid);

--------------------

#### 2.9.3 原因解释 ####

*  桶表的数据加载通过load data无法执行，只能通过insert select.

--------------------

如果没有分桶设置，插入（加载）数据只是简单的将数据放入到：

*  表的数据存储文件夹中（没有分区）
 *  表指定分区的文件夹中（带有分区）  
    ![在这里插入图片描述][0c9d74603a4245ae882f9483ffa3e796.gif_pic_center]
 *  一旦有了分桶设置，比如分桶数量为3，那么，表内文件或分区内数据文件的数量就限定为3当数据插入的时候，需要一分为3，进入三个桶文件内。  
    ![在这里插入图片描述][e0c0ad2634b24240b91ecee1733466dd.gif_pic_center]
 *  问题：如何将数据分成三份，划分的规则是什么？
 *  数据的三份**划分基于分桶列的值进行hash取模来决定**。由于**load data不会触发MapReduce，也就是没有计算过程**（无法执行Hash算法），只是简单的移动数据而已，所以无法用于分桶表数据插入。

#### 2.9.4 分桶表的性能提升 ####

*  **分区表的性能提升是：在指定分区列的前提下，减少被操作的数据量，从而提升性能。**
 *  **分桶表的性能提升是：基于分桶列的特定操作，如:过滤、JOIN、分组，均可带来性能提升。**  
    ![在这里插入图片描述][3a72762a2d9d4287a79b3a0e6ac08b43.gif_pic_center]

### 2.10 修改表 ###

*  表重命名

alter table old_table_namerename to new_table_name;

*  修改表属性

ALTER TABLE table_name SET TBLPROPERTIES table_properties;
    table_properties:(property_name=property_value,property_name=property_value,...)

*  如：`ALTER TABLE table_name SETTBLPROPERTIES（"EXTERNAL"="TRUE")`修改内外部表属性
 *  如：`ALTER TABLE table_name SETTBLPROPERTIES（'comment'=new_comment`修改表注释
 *  添加列

alter table table_name add columns(v1 int,v2 string);

*  修改列名

alter table table_name change v1 v1new int;

*  删除表

drop table table_name;

*  清空表

-- 只能清空内部表
    truncate table table_name;

### 2.11 复杂类型 ###

#### 2.11.1 array类型 ####

*  Hive支持的数据类型很多，除了基本的: int、string、varchar、timestamp等还有一些复杂的数据类型：**array（数组类型）、map(映射类型)、struct(结构类型)**
 *  data\_for\_array\_type.txt文件内容如下
    
        zhangsan	beijing,shanghai,tianjin,hangzhou
        wangwu	changchun,chengdu,wuhan,beijin
    
     *  说明:name与locations之间制表符分隔，locations中元素之间逗号分隔  
        ![在这里插入图片描述][cedb98c2859d471c986ef7a3edec7cc5.png]
 *  建表语句
    
        create table test_array(
            name string,
            work_locations array<string>)
        row format delimited fields terminated by '\t'
        COLLECTION ITEMS TERMINATED BY ',';
    
     *  `row format delimited fields terminated by '\t′`表示列分隔符是`\t`.
     *  `COLLECTION ITEMS TERMINATED BY ',’`表示集合(array)元素的分隔符是逗号  
        ![在这里插入图片描述][fef1a0a79c624a83a0bee684ff77350d.png]
 *  导入数据
    
        load data local inpath '/home/hadoop/data_for_array_type.txt' overwrite into table itheima.test_array;
 *  常用array类型查询:
    
        -- 查询所有数据
        select * from test_array;
        -- 查询loction数组中第一个元素
        select name, work_locations[0] location from test_array;
        -- 查询location数组中元素的个数
        select name, size(work_locations) location from test_array;
        -- 查询location数组中包含tianjin的信息
        select * from test_array where array_contains(work_locations,'tianjin');

#### 2.11.2 map类型 ####

*  map类型是: Key-Value型数据格式。  
    ![在这里插入图片描述][90a4c345cac449c184ead193038c7340.png]
 *  有如下数据文件，其中members字段是key-value型数据字段与字段分隔符: “,”;需要map字段之间的分隔符:“\#” ; map内部k-v分隔符:“:”

1,林杰均,father:林大明#mother:小甜甜#brother:小甜,28
    2,周杰伦,father:马小云#mother:黄大奕#brother:小天,22
    3,王葱,father:王林#mother:如花#sister:潇潇,29
    4,马大云,father:周街轮#mother:美美,26

1.  建表语句
    
        create table test_map(
            id int,
            name string,
            members map<string,string>,
            age int)
        row format delimited fields terminated by ','
        COLLECTION ITEMS TERMINATED BY '#'
        MAP KEYS TERMINATED BY ':';

*  `MAP KEYS TERMINATED BY`表示key-value之间用`:`分隔

1.  导入数据
    
        load data local inpath '/home/hadoop/data_for_map_type.txt' overwrite into table test_map;
2.  常用查询
    
        --查询全部
        select * from test_map;
        --查询father、mother这两个map的key
        select id, name, members["father"] father, members["mother"] mother, age from test_map;
        --查询全部map的key，使用map_keys函数，结果是array类型
        select id, name, map_keys(members) as relation from test_map;
        --查询全部map的value，使用mapvalues函数，结果是array类型
        select id, name, map_values(members) as relation from test_map;
        --查询map类型的KV对数量
        select id,name,size(members) num from test_map;
        --查询map的key中有brother的数据
        select * from test_map where array_contains(map_keys(members), 'brother');

#### 2.11.3 struct类型 ####

*  struct类型是一个复合类型，可以在一个列中存入多个子列，每个子列允许设置类型和名称。  
    ![在这里插入图片描述][7575583c61124eb2a52cc5c23168d1d1.png]
 *  有如下数据文件，说明:字段之间\#分割,struct之间冒号分割

1#周杰轮:11
    2#林均杰:16
    3#刘德滑:21
    4#张学油:26
    5#蔡依临:23

1.  建表语句
    
        create table test_struct(
            id string,
            info struct<name:string,age:int>
            )
        row format delimited fields terminated by '#'
        COLLECTION ITEMS TERMINATED BY ':';
2.  导入数据
    
        load data local inpath '/home/hadoop/data_for_struct_type.txt' into table test_struct;
3.  常用查询
    
        -- 查询全部 
        select * from test_struct;
        -- 直接使用列名。子列名即可从struct中取出子列查询
        select id, info.name from test_struct;

#### 2.11.4 三种结构总结 ####

![在这里插入图片描述][9f9751484e794887b6d85b7d6dd20c79.png]

[33f6af89f450407ea418565b6679d763.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/976baebf27aa464ebcd3c1c6dcf9af80.png
[53f7986fd2494fca8c6ac32360ad0006.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/ab6cb7cda7c94cba8dc4501eaafe2d80.png
[b4bd38e88d994dde9698827d27e0d70b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/9276041da5bf49bcb81d4ebadf6f2ce5.png
[eefc0a7110fe4830a0f418a28da3dc66.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/6463df8394534df69634292bde58f175.png
[1517e2c7504948a481950768da861058.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/36402ad862fd47f69ed012b790383579.png
[7dcc82be357d4bcc94a6d9c050d2420a.gif_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/45ee9cf5073843e8b5c55ca8dfc3dfef.png
[aa1c2d86ed9f42b99f1191ce0d378611.gif_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/fb1314ea77c74bd8b68e7ce137b6f531.png
[6f00af56d1db42128f3be061b15bf3d2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/ce81c316f4f840e5a41a61c8d4da6ae4.png
[2ab4cf1a42d3499d8b9a354d1f7c44ec.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/2c4515f4a4c8438cbac103fc35c02d43.png
[78896d42f0144bb0a3a7f078a5ec07d2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/8bf9142b312048fcb4b1278e02448be9.png
[4b2337fd52764cf9976ff62179d339ca.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/20bb546f20ae49fd9e882d1305c5892f.png
[0c9d74603a4245ae882f9483ffa3e796.gif_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/b4c7e038c2554722927dba4585b6b43d.png
[e0c0ad2634b24240b91ecee1733466dd.gif_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/c3239d058d8643ff8b6bff75d461a378.png
[3a72762a2d9d4287a79b3a0e6ac08b43.gif_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/a65e40b61d68481d87060fb5eab9844e.png
[cedb98c2859d471c986ef7a3edec7cc5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/4ca90c47074c41a1a4f74671def662b7.png
[fef1a0a79c624a83a0bee684ff77350d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/1a77b7b9fa944b0fa3bea8678d023a07.png
[90a4c345cac449c184ead193038c7340.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/4b2d8b57d2f8423fbf6f7c84b160afd9.png
[7575583c61124eb2a52cc5c23168d1d1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/7a37cde8113b40bf9ad2c985798133a5.png
[9f9751484e794887b6d85b7d6dd20c79.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/4ccc1bac822f493d95d8741920e90748.png