Hive分区

目录

一、理论基础

1、Hive分区背景

2、Hive分区实质

3、Hive分区的意义

4、常见的分区技术

二、分区操作

(一)、静态分区

1、单分区

2、多分区

(二)、动态分区

1、启用hive动态分区

2、创建表

三、实战练习

1、需求描述

2、先设置动态分区

3、错误sql

4、正确sql

---

一、理论基础

1、Hive分区背景

在Hive Select查询中一般会扫描整个表内容，会消耗很多时间做没必要的工作。有时候只需要扫描表中关心的一部分数据，因此建表时引入了partition概念。

2、Hive分区实质

因为Hive实际是存储在HDFS上的抽象，Hive的一个分区名对应hdfs的一个目录名，并不是一个实际字段。

3、Hive分区的意义

辅助查询，缩小查询范围，加快数据的检索速度和对数据按照一定的规格和条件进行管理。

4、常见的分区技术

hive表中的数据一般按照时间、地域、类别等维度进行分区。

二、分区操作

(一)、静态分区

1、单分区

(1)创建表

hive> create table student(id string,name string) partitioned by(classRoom string) row format delimited fields terminated by ',';
OK
Time taken: 0.259 seconds

注意：partitioned by()要放在row format...的前面；partitioned by()里面的分区字段不能和表中的字段重复，否则报错；

(2)加载数据

hive> load data local inpath '/home/test/stu.txt' into table student partition(classroom='002');
Loading data to table default.student partition (classroom=002)
OK
Time taken: 1.102 seconds

(3)查看分区

hive> show partitions student;
OK
classroom=002
Time taken: 0.071 seconds, Fetched: 1 row(s)

(4)hdfs中分区展示

(5)再加载一组数据到新的分区

hive> load data local inpath '/home/test/stu.txt' into table student partition(classroom='003');
Loading data to table default.student partition (classroom=003)
OK
Time taken: 0.722 seconds
hive> select * from student;
OK
001	xiaohong	002
002	xiaolan	002
001	xiaohong	003
002	xiaolan	003
Time taken: 0.097 seconds, Fetched: 4 row(s)
hive> show partitions student;
OK
classroom=002
classroom=003
Time taken: 0.071 seconds, Fetched: 2 row(s)

2、多分区

(1)创建表

hive> create table stu(id string,name string) partitioned by(school string,classRoom string) row format delimited fields terminated by ',';
OK
Time taken: 0.074 seconds

hive> desc stu;
OK
id                  	string              	                    
name                	string              	                    
school              	string              	                    
classroom           	string              	                    
	 	 
# Partition Information	 	 
# col_name            	data_type           	comment             
	 	 
school              	string              	                    
classroom           	string              	                    
Time taken: 0.03 seconds, Fetched: 10 row(s)

(2)加载数据

hive> load  data local inpath '/home/test/stu.txt' into table stu partition(school='AA',classroom='005');
Loading data to table default.stu partition (school=AA, classroom=005)
OK
Time taken: 0.779 seconds

hive> select * from stu;
OK
001	xiaohong	AA	005
002	xiaolan	AA	005
Time taken: 0.087 seconds, Fetched: 2 row(s)

(3)查看分区

hive> show partitions stu;
OK
school=AA/classroom=005
Time taken: 0.048 seconds, Fetched: 1 row(s)

注意：这是个嵌套目录；

(4)hdfs中分区展示

(5)增加数据效果

hive> load  data local inpath '/home/test/stu.txt' into table stu partition(school='BB',classroom='001');
Loading data to table default.stu partition (school=BB, classroom=001)
OK
Time taken: 0.272 seconds
hive> load  data local inpath '/home/test/stu.txt' into table stu partition(school='AA',classroom='001');
Loading data to table default.stu partition (school=AA, classroom=001)
OK
Time taken: 0.268 seconds

(二)、动态分区

静态分区与动态分区的主要区别在于静态分区是手动指定，而动态分区是通过数据来进行判断。详细来说，静态分区的列实在编译时期，通过用户传递来决定的；动态分区只有在SQL执行时才能决定。

1、启用hive动态分区

在hive会话中设置两个参数：

hive> set hive.exec.dynamic.partition=true;
hive> set hive.exec.dynamic.partition.mode=nonstrict;

2、创建表

(1)首先准备一个带有静态分区的表

hive> select * from stu;
OK
001	xiaohong	AA	001
002	xiaolan	AA	001
001	xiaohong	AA	005
002	xiaolan	AA	005
001	xiaohong	BB	001
002	xiaolan	BB	001
Time taken: 0.105 seconds, Fetched: 6 row(s)

(2)copy一张表结构相同的表

hive> create table stu01 like stu;
OK
Time taken: 0.068 seconds
hive> desc stu;
OK
id                  	string              	                    
name                	string              	                    
school              	string              	                    
classroom           	string              	                    
	 	 
# Partition Information	 	 
# col_name            	data_type           	comment             
	 	 
school              	string              	                    
classroom           	string              	                    
Time taken: 0.022 seconds, Fetched: 10 row(s)

(3)加载数据，分区成功

不指定具体的学校和班级，让系统自动分配；

hive> insert overwrite table stu01 partition(school,classroom) 
    > select * from stu;

hive> select * from stu;
OK
001	xiaohong	AA	001
002	xiaolan	AA	001
001	xiaohong	AA	005
002	xiaolan	AA	005
001	xiaohong	BB	001
002	xiaolan	BB	001
Time taken: 0.091 seconds, Fetched: 6 row(s)
hive> select * from stu01;
OK
001	xiaohong	AA	001
002	xiaolan	AA	001
001	xiaohong	AA	005
002	xiaolan	AA	005
001	xiaohong	BB	001
002	xiaolan	BB	001
Time taken: 0.081 seconds, Fetched: 6 row(s)

三、实战练习

1、需求描述

        将旧表stu（字段为name，age 分区为school）数据迁移到新表student（字段为name，age 分区为school、address）。地址都统一为shanghai；

2、先设置动态分区

hive> set hive.exec.dynamic.partition=true;
hive> set hive.exec.dynamic.partition.mode=nonstrict;

3、错误sql

insert into student partition(address,school) select name,age,school,'shanghai' as address from stu; 

         这样容易将分区对应错误，因为partition括号中address在前school在后，后面select字段address却在school后面。所以会把address的数据插入school中，把school的数据插入address中。故分区插入顺序前后要保持一致。

4、正确sql

insert into student partition(address,school) select name,age,'shanghai' as address,school from stu;