【hive】—原有分区表新增加列(alter table xxx add columns (xxx string) cascade；)

项目场景：

需求：需要在之前上线的分区报表中新增加一列。

---

实现方案：

1、创建分区测试表并插入测试数据

drop table test_1;
create table test_1
(id string,
score int,
name string
)
partitioned by (class string)
row format delimited fields terminated by ',';

insert overwrite table test_1
partition (class='A')
values('a',92,'lily'),('b',102,'mike');

查看原有分区表test_1的表结构

 desc test_1;

2、新增加一列 grade，数据类型为strIng

alter table test_1 add columns(grade string);

查看添加列之后的数据结构

desc test_1;

3、新增加列grade有数据后，插入新的分区B数据正常显示，原来A区grade列为NULL。

insert overwrite table test_1
partition (class='B')
values('a',92,'John','良好'),('b',112,'Jeff','优秀');

select * from test_1;

原因是： hive使用新增加列语句，只修改了hive的元数据， 并没有改变hdfs的数据文件。

显示Table和Partition的详细信息，及表数据存放的hdfs的数据文件路径。

desc formatted test_1;

查看具体分区的hdfs的数据文件路径

hadoop fs -lsr hdfs://b1/apps/database/hive/database/test_1

查看A、B两个分区下的hdfs的数据文件的内容，发现A区并没有grade的内容。

A区：

hadoop fs -cat hdfs://b1/apps/database/hive/database/test_1/class=A/000000_0

B区：

hadoop fs -cat hdfs://b1/apps/database/hive/database/test_1/class=B/000000_0

---

问题描述：

为了表的旧分区新增加列有数据，尝试重新写入A区的数据，发现A区新增列还是为NULL，重写分区后只有最新分区(B区)的新增列有数据。

insert overwrite table test_1
partition (class='A')
values('a',92,'lily','良好'),('b',102,'mike','良好');

select * from test_1;

---

原因分析：

“alter table test_1 add columns(grade string);”，hive新增加列只修改了更新分区的表结构（metadata），没有变更旧分区的表结构。

表的表结构

A分区的表结构

desc formatted test_1 partition(class='A');

B分区的表结构

desc formatted test_1 partition(class='B');

查看表的表结构和新增分区的表结构（B区）是一致，与旧分区的表结构（A区）不一致。

---

解决方案：

• 方法一：删除原来的分区数据重新插入

alter table test_1 drop partition (class='A');

insert overwrite table test_1
partition (class='A')
values('a',92,'lily','良好'),('b',102,'mike','良好');

select * from test_1;

• 方法二： 最初，需要在增加grade时加上cascade关键字，cascade的中文翻译为“级联”，也就是不仅变更新分区的表结构（metadata），同时也变更旧分区的表结构。

添加列的语法

ALTER TABLE table_name 
  [PARTITION partition_spec]                 -- (Note: Hive 0.14.0 and later)
  ADD|REPLACE COLUMNS (col_name data_type [COMMENT col_comment], ...)
  [CASCADE|RESTRICT]  

注意：ALTER TABLE ADD|REPLACE COLUMNS with CASCADE command changes the columns of a table’s metadata, and cascades the same change to all the partition metadata. RESTRICT is the default, limiting column changes only to table metadata.

drop table test_1;
create table test_1
(id string,
score int,
name string
)
partitioned by (class string)
row format delimited fields terminated by ',';

insert overwrite table test_1
partition (class='A')
values('a',92,'lily'),('b',102,'mike');

alter table test_1 add columns(grade string) cascade;

insert overwrite table test_1
partition (class='A')
values('a',92,'lily','良好'),('b',102,'mike','良好');

如果已经执行添加操作，并且没有带cascade，可以尝试下面的方法：

alter table test_1 replace columns(id string ,score int,name string);

再重新带上cascade进行添加列的操作。

---

扩展

需求：增加一列，指定增加到原始的两列中间

1、新增加列grade

alter table test_1 add columns (grade string comment '新添加的列') cascade;

2、再对grade列进行排序（注意：必须添加cascade关键字，不然不会刷新旧分区数据，关键字cascade能修改元数据）

更新列的语法

ALTER TABLE table_name CHANGE [COLUMN] col_old_name col_new_name column_type [COMMENT col_comment] [FIRST|AFTER column_name]

--将grade增加到score列与name中间
alter table test_1 change column grade grade string after score cascade;