hive 分区表，桶，倾斜知识点

为什么要引入分区和桶的概念？

hive的select会扫描整个表的内容， 引入partition 桶【把hive表的数据划分为快】。

partition更粗粒度 桶更细粒度 在小范围的查询上提高效率。

分区：

partitioned by（分区字段的名字 分区字段的类型）
eg partitiond by（time date）
静态分区：分区的值是确定的【假设有一个程序，每天都统计销售额，按照日期进行分区 每天的插入到制定的日期分区】
动态分区：分区的值是不确定的，由输入的数据确定【比如：京东有很多二级类目，每一个二级类目对应多个产品，按照二级类目分区】
是否是动态分区由set hive.exec.dynamic.partition决定【=true时为动态分区】
如果模式设置为strict 必须有一个静态分区【为了灵活使用，一般会设置为 none strict 】

每一个分区字段都有一个目录存储

partitoned by(字段【为字段，不能跟表定义的字段重】）
clustered by 将每一个reduce处理的数据 不重复 全局排序
sort by 保证桶的数据是有序的
distributed by 将数据分到不同的reduce中，数据是无序的

桶表【bucketed sorted tables】
create table page (
viewtime int,
useid string,
id string
)
partitoned by(dt)
clustered by (userid) sorted by(viewtime) into 30 buckets

倾斜表【skewedtable】
对表的数据内容有了一定的了解
skewed by(userid) on(null)【on是倾斜的值】
优势：倾斜表将倾斜严重的列分开存储为不同的文件，每一个倾斜的值为一个目录，过滤倾斜的数据，定义了倾斜表，查询不过滤 还是进行全表的扫描

临时表【temporary table】
当前的绘画中可见的表【打开一个hive sension 就算打开了一个绘画】
在hive下输入：show tables
                       create temporary table【创建一个临时表】
                       desc formatted table name【查看表的url，不在metastore中存储的为临时表】
不建议使用临时表，因为临时表不支持索引和分区，如果有临时表test和表test，默认操作的都是临时表。

删除表

1.删除一个内表【元数据和数据文件都删除了 其实是移到了垃圾箱了 删除表的时候不指定purge （干净）】

drop table if exists table_name purge[把垃圾箱的数据也都删除]

删除外表的时候【删除元数据，数据内容是第三方来管理的 比如hdfs】
删除表被索引引用的表，不报错， 但是失效

修改表
修改表名：alter table [tabel_name] rename [new table name]
修改表属性：alter table [tabel_name] set tblproperties (属性名 = 值)

修改分区：
新增分区：alter table [table_name] add
                  if not exists partition [name]
                  if not ...

重命名分区：alter table [table_name] partiton [p_name] rename partition (p_name)
交换分区：alter table [table name] exchange partition (p_name,p_name) with table [t_name]

修改注释：alter table [table_name] set tblproperties(注释名 = 值)
修改存储属性：alter table [table_name] clustered by(列，列) into num buckets【修改的表的元数据信息，不格式化现在又的数据】