建外部 TEXT 表，让该表指向 HDFS 上的一个目录，会将目录下文件中的数据都导入该表。星环科技推荐使用这个方式导入数据。

建 TEXT 表（外表内表皆可）后将本地或者 HDFS 上的一个文件或者一个目录下的数据 LOAD 进该表。这种方式在安全模式下需要多重认证设置，极易出错，星环科技不推荐使用这个方式导入数据。

<table_name>：表名称。

<column_name>：列名称。

<data_type>：数据类型。

<property_name>：表属性名称。

<property_value>：表属性值。

<hdfs_path>：表的存储路径，可以是相对路径也可以是绝对路径。

可选项[1]，添加 TEMPORARY 关键字创建临时表。

可选项[2]，添加 EXTERNAL 关键字创建外表。

可选项[3]，使用 PARTITIONED BY 创建分区表。

可选项[4]，使用 CLUSTERED BY 创建分桶表。

可选项[5]，支持设定表的行格式。

可选项[6]，支持使用不同的表存储格式，若不指定则默认为 TEXTFILE 格式。

可选项[7]，这里用于手动指定表在 HDFS 中的路径。

可选项[8]，支持使用 TBLPROPERTIES 设定表的属性。

为表分桶：为了保证增删改过程中的性能，我们要求 ORC 事务表必须是部分排序或者全局排序的，但是全局排序又过于耗费计算资源，因此我们要求 ORC 表必须是分桶表。

如果表的数据量特别大，建议在分桶的基础上再分区，ORC 事务表支持单值分区和范围分区。

非分区分桶表

CREATE TABLE  <table_name> (<column_name> <data_type>, <column_name> <data_type>, ...)
CLUSTERED  BY  (<bucket_key>)  INTO  <num_buckets> BUCKETS
STORED  AS  ORC_TRANSACTION;
复制

单值分区分桶表

CREATE TABLE  <table_name> (<column_name> <data_type>, <column_name> <data_type>, ...)
PARTITIONED  BY  (<partition_key> <data_type>)
CLUSTERED  BY  (<bucket_key>)  INTO  <num_buckets> BUCKETS
STORED  AS  ORC_TRANSACTION;
复制

范围分区分桶表

CREATE TABLE  <table_name> (<column_name> <data_type>, <column_name> <data_type>, ...)
PARTITIONED  BY  RANGE(<partition_key1> <data_type>, <partition_key2> <data_type>, ...) (
PARTITION [<partition_name_1>] VALUE  LESS THAN(<key1_bound_value1>, <key2_bound_value1>, ...), --[1]
PARTITION [partition_name_2] VALUE  LESS THAN(key1_bound_value2, key2_bound_value2, ...),
...
)
CLUSTERED  BY  (<bucket_key>)  INTO  <num_buckets> BUCKETS
STORED  AS  ORC_TRANSACTION;
复制

<table_name>：表名称。

<column_name>：列名称。

<data_type>：数据类型。

<num_buckets>：分桶数。

<bucket_key>：分桶列。

<partition_key>：分区键。

<partition_name>：范围分区中的指定某个分区名称。

<key1_bound_value>：范围分区中一个分区的上限值。

MAXVALUE：当最后一个分区的值是 MAXVALUE 时，它将不能再增加分区。

可选项[1]，选择是否对范围分区设置名称。

<table_name>：表名称。

<column_name>：列名称。

<data_type>：数据类型。

<hdfs_path>：表的存储路径，可以是相对路径也可以是绝对路径。

<field_delimiter>：字段分隔符，默认值为 “,”。由 <field_delimiter> 分隔的字段会被解析为不同列中的字段。

<newline_char>：行分隔符，默认为 “\n”。

<null_pre>：NULL 值字符，默认为空字段。只支持单个字符，即一个 CHAR。

<quote_delimiter>：指定用什么字符作为单个字段的分隔符，默认值为“"”。

<property_name>：表属性名称。

<property_value>：表属性值。

可选项[1]，这里用于手动指定表在 HDFS 中的路径。

可选项[2]，支持使用 TBLPROPERTIES 设定表的属性。

可选项[3]，支持使用 field.delim 指定字段（列）分隔符。

可选项[4]，支持使用 line.delim 指定行分隔符。

可选项[5]，支持使用 serialization.null.format 定义 NULL 值字段的存储字符，默认为空字段。

可选项[6]，支持使用 quote.delim 指定每列内部单个字段的分隔符。

可选项[7]，持上述 可选项 [3] - [6] 之外，还支持设定表的其他属性信息。

<table_name>：表名称。

<column_name>：列名称。

<data_type>：数据类型。

支持读取多 sheet 的数据，但是写入到文件中，只会写入到一个 sheet 中，sheet 名字叫做 “sheet1”。

支持读 xls/xlsx 或者两者混合，但是推荐使用后者。数据源文件，如果没有后缀则当成xlsx。写文件只支持写xlsx。

支持所有 primitive 类型

不支持 Excel 存储的文件 split。

不支持 json/excel 存储下的复杂类型。

json 用的是默认的 inputformat，意味着 json 存储的数据文件，依然是按照默认换行符来换行，样例数据格式：

<table_name>：表名称。

<column_name>：列名称。

<data_type>：数据类型。

<hdfs_path>：表的存储路径，可以是相对路径也可以是绝对路径。

<fields_wildth>：每个字段支持存入的字符数量。

<pad_char>：padding 填充字符。

<code_type>：编码格式，如 UTF-8。

<null_pre>：NULL 值字符，默认为空字段。只支持单个字符，即一个 CHAR。

<property_name>：表属性名称。

<property_value>：表属性值。

可选项[1]，设定表存储格式，此处为 FWCFILE，若不指定则默认为 TEXTFILE 格式。

可选项[2]，这里用于手动指定表在 HDFS 中的路径。

可选项[3]，支持使用 fields_width 指定字段（列）可存入的最大字符数量。

可选项[4]，定义 padding 类型为左侧（LEFT）或右侧（RIGHT）插入填充字符，以及定义填充字符。

可选项[5]，支持定义文件的编码格式。

可选项[6]，支持使用 serialization.null.format 指定 NULL 值字段的存储字符。

可选项[7]，持上述 可选项 [3] - [6] 之外，还支持设定表的其他属性信息。

<table_name>：表名称。

<column_name>：列名称。

<data_type>：数据类型。

<column_comment>：列注释。

<table_comment>：表注释。

<partition_key>：分区键。

<num_buckets>：分桶数。

<bucket_column>：分桶列。

<row_format>：表的行格式。

<hdfs_path>：表的存储路径，可以是相对路径也可以是绝对路径。

可选项[1]，添加 EXTERNAL 关键字创建外表。

可选项[2]，如果 <table_name> 指定的表已经存在，会报错，加上 IF NOT EXISTS 选项在建表前检测是否已存在同名表。

可选项[3]，支持对表定义列。

可选项[4]，用 [COMMENT] 为列加注释，注意注释要放在引号中。

可选项[5]，用 [COMMENT] 为表加注释，注意注释要放在引号中。

可选项[6]，使用 PARTITIONED BY 创建分区表。

可选项[7]，用 [COMMENT] 为分区加注释，注意注释要放在引号中。

可选项[8]，使用 CLUSTERED BY 创建分桶表。

可选项[9]，支持使用 SORTED BY 对分桶中的数据排序，DESC 表示降序，ASC 表示升序（默认）。

可选项[10]，支持设定表的行格式。

可选项[11]，支持使用不同的表存储格式。这里为 SEQUENCEFILE，若不指定则默认为 TEXTFILE 格式。

可选项[12]，这里用于手动指定表在 HDFS 中的路径。

<table_name>：表名称。

<column_name>：列名称。

<data_type>：数据类型。

<column_comment>：列注释。

<table_comment>：表注释。

<partition_key>：分区键。

<num_buckets>：分桶数。

<bucket_column>：分桶列。

<row_format>：表的行格式。

<hdfs_path>：表的存储路径，可以是相对路径也可以是绝对路径。

可选项[1]，添加 EXTERNAL 关键字创建外表。

可选项[2]，如果 <table_name> 指定的表已经存在，会报错，加上 IF NOT EXISTS 选项在建表前检测是否已存在同名表。

可选项[3]，支持对表定义列。

可选项[4]，用 [COMMENT] 为列加注释，注意注释要放在引号中。

可选项[5]，用 [COMMENT] 为表加注释，注意注释要放在引号中。

可选项[6]，使用 PARTITIONED BY 创建分区表。

可选项[7]，用 [COMMENT] 为分区加注释，注意注释要放在引号中。

可选项[8]，使用 CLUSTERED BY 创建分桶表。

可选项[9]，支持使用 SORTED BY 对分桶中的数据排序，DESC 表示降序，ASC 表示升序（默认）。

可选项[10]，支持设定表的行格式。

可选项[11]，支持使用不同的表存储格式。这里为 RCFILE，若不指定则默认为 TEXTFILE 格式。

可选项[12]，这里用于手动指定表在 HDFS 中的路径。

<table_name>：表名称。

<column_name>：列名称。

<data_type>：数据类型。

<column_comment>：列注释。

<table_comment>：表注释。

<partition_key>：分区键。

<bucket_column>：分桶列。

可选项[1]，添加 EXTERNAL 关键字创建外表。

可选项[2]，如果 <table_name> 指定的表已经存在，会报错，加上 IF NOT EXISTS 选项在建表前检测是否已存在同名表。

可选项[3]，支持对表定义列。

可选项[4]，用 [COMMENT] 为列加注释，注意注释要放在引号中。

可选项[5]，用 [COMMENT] 为表加注释，注意注释要放在引号中。

可选项[6]，使用 PARTITIONED BY 创建分区表。

可选项[7]，用 [COMMENT] 为分区加注释，注意注释要放在引号中。

可选项[8]，使用 CLUSTERED BY 创建分桶表。

可选项[9]，支持使用不同的表存储格式，若不指定则默认为 TEXTFILE 格式。这里为 PARQUET。