Hive之分区表

Hive之分区表

---

文章目录 Hive之分区表写在前面分区表分区表基本操作引入分区表创建分区表语法加载数据到分区表中查询分区表中数据增加分区删除分区查看分区表有多少分区查看分区表结构 二级分区正常的加载数据分区表和数据产生关联 动态分区开启动态分区参数设置案例实操

---

写在前面 Linux版本：CentOS7.5Hive版本：Hive-3.1.2 分区表

分区表实际上就是对应一个HDFS文件系统上的独立的文件夹，该文件夹下是该分区所有的数据文件。Hive中的分区就是分目录，把一个大的数据集根据业务需要分割成小的数据集。在查询时通过WHERE子句中的表达式选择查询所需要的指定的分区，这样的查询效率会提高很多。

分区表基本操作 引入分区表

需要根据日期对日志进行管理, 通过部门信息模拟

dept_20200401.log dept_20200402.log dept_20200403.log …… 创建分区表语法 hive (default)> create table dept_partition( deptno int, dname string, loc string ) partitioned by (day string) row format delimited fields terminated by '\t';

注意：分区字段不能是表中已经存在的数据，可以将分区字段看作表的伪列。

加载数据到分区表中

（1）数据准备

dept_20200401.log

10 ACCOUNTING 1700 20 RESEARCH 1800 dept_20200402.log 30 SALES 1900 40 OPERATIONS 1700 dept_20200403.log 50 TEST 2000 60 DEV 1900

（2）加载数据

hive (default)> load data local inpath '/export/server/hive-3.1.2/datas/dept_20200401.log' into table dept_partition partition(day='20200401'); hive (default)> load data local inpath '/export/server/hive-3.1.2/datas/dept_20200402.log' into table dept_partition partition(day='20200402'); hive (default)> load data local inpath '/export/server/hive-3.1.2/datas/dept_20200403.log' into table dept_partition partition(day='20200403');

注意：分区表加载数据时，必须指定分区

HDFS Web段查看分区

Hive查询分区

查询分区表中数据 单分区查询 hive (default)> select * from dept_partition where day='20200401'; 多分区联合查询 hive (default)> select * from dept_partition where day='20200401' union select * from dept_partition where day='20200402' union select * from dept_partition where day='20200403'; hive (default)> select * from dept_partition where day='20200401' or day='20200402' or day='20200403' ; 增加分区 创建单个分区 hive (default)> alter table dept_partition add partition(day='20200404') ; 同时创建多个分区 （中间没有加逗号） hive (default)> alter table dept_partition add partition(day='20200405') partition(day='20200406'); 删除分区 删除单个分区 hive (default)> alter table dept_partition drop partition (day='20200406'); 同时删除多个分区 （中间有加逗号） hive (default)> alter table dept_partition drop partition (day='20200404'), partition(day='20200405'); 查看分区表有多少分区 hive> show partitions dept_partition; 查看分区表结构 hive> desc formatted dept_partition; # Partition Information # col_name data_type comment month string 二级分区

假设现在有一个需求：一天的日志数据量很大，如何再将数据拆分?

答案就是接下来的 二级分区

正常的加载数据

（1）加载数据到二级分区表中

hive (default)> load data local inpath '/opt/module`/hive/datas/dept_20200401.log' into table dept_partition2 partition(day='20200401', hour='12');

（2）查询分区数据

hive (default)> select * from dept_partition2 where day='20200401' and hour='12'; 分区表和数据产生关联

把数据直接上传到分区目录上，让分区表和数据产生关联的三种方式

（1）方式一：上传数据后修复

上传数据 （dfs -mkdir –p 或者 hadoop fs –mkdir） hive (default)> dfs -mkdir -p /user/hive/warehouse/mydb.db/dept_partition2/day=20200401/hour=13; hive (default)> dfs -put /opt/module/datas/dept_20200401.log /user/hive/warehouse/mydb.db/dept_partition2/day=20200401/hour=13; 查询数据（查询不到刚上传的数据） hive (default)> select * from dept_partition2 where day='20200401' and hour='13'; 执行修复命令 hive> msck repair table dept_partition2; 再次查询数据 hive (default)> select * from dept_partition2 where day='20200401' and hour='13';

（2）方式二：上传数据后添加分区

上传数据 hive (default)> dfs -mkdir -p /user/hive/warehouse/mydb.db/dept_partition2/day=20200401/hour=14; hive (default)> dfs -put /export/server/hive-3.1.2/datas/dept_20200401.log/user/hive/warehouse/mydb.db/dept_partition2/day=20200401/hour=14; 执行添加分区 hive (default)> alter table dept_partition2 add partition(day='201709',hour='14'); 查询数据 hive (default)> select * from dept_partition2 where day='20200401' and hour='14';

（3）方式三：创建文件夹后load数据到分区

创建目录 hive (default)> dfs -mkdir -p /user/hive/warehouse/mydb.db/dept_partition2/day=20200401/hour=15; hive (default)> load data local inpath '/export/server/hive-3.1.2/datas/dept_20200401.log' into table dept_partition2 partition(day='20200401',hour='15'); 查询数据 hive (default)> select * from dept_partition2 where day='20200401' and hour='15'; 动态分区

关系型数据库中，对分区表Insert数据时候，数据库自动会根据分区字段的值，将数据插入到相应的分区中，Hive中也提供了类似的机制，即动态分区(Dynamic Partition)，只不过，使用Hive的动态分区，需要进行相应的配置。

开启动态分区参数设置

（1）开启动态分区功能（默认true，开启）

hive.exec.dynamic.partition=true

（2）设置为非严格模式（动态分区的模式，默认strict，表示必须指定至少一个分区为静态分区，nonstrict模式表示允许所有的分区字段都可以使用动态分区。）

hive.exec.dynamic.partition.mode=nonstrict

（3）在所有执行MR的节点上，最大一共可以创建多少个动态分区。默认1000

hive.exec.max.dynamic.partitions=1000

（4）在每个执行MR的节点上，最大可以创建多少个动态分区。该参数需要根据实际的数据来设定。比如：源数据中包含了一年的数据，即day字段有365个值，那么该参数就需要设置成大于365，如果使用默认值100，则会报错。

hive.exec.max.dynamic.partitions.pernode=100

（5）整个MR Job中，最大可以创建多少个HDFS文件。默认100000

hive.exec.max.created.files=100000

（6）当有空分区生成时，是否抛出异常。一般不需要设置。默认false

hive.error.on.empty.partition=false 案例实操

需求：将dept表中的数据按照地区（loc字段），插入到目标表dept_partition的相应分区中。 （1）创建目标分区表

hive (default)> create table dept_partition_dy(id int, name string) partitioned by (loc int) row format delimited fields terminated by '\t';

（2）设置动态分区

set hive.exec.dynamic.partition.mode = nonstrict; hive (default)> insert into table dept_partition_dy partition(loc) select deptno, dname, loc from dept;

（3）查看目标分区表的分区情况

hive (default)> show partitions dept_partition;

扩展问题：目标分区表是如何匹配到分区字段的？

==> 位置，默认最后一列是分区列，“伪”列在最后

全文结束！！！