hive的分区简介

╰+哭是因爲堅強的太久メ 2022-03-29 11:28 215阅读 0赞

网上有篇关于hive的partition的使用讲解的比较好，转载了：

一、背景

1、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、分区表指的是在创建表时指定的partition的分区空间。

3、如果需要创建有分区的表，需要在create表的时候调用可选参数partitioned by，详见表创建的语法结构。

二、技术细节

1、一个表可以拥有一个或者多个分区，每个分区以文件夹的形式单独存在表文件夹的目录下。

2、表和列名不区分大小写。

3、分区是以字段的形式在表结构中存在，通过describe table命令可以查看到字段存在，但是该字段不存放实际的数据内容，仅仅是分区的表示。

4、建表的语法（建分区可参见PARTITIONED BY参数）：

CREATE \[EXTERNAL\] TABLE \[IF NOT EXISTS\] table\_name \[(col\_name data\_type \[COMMENT col\_comment\], …)\] \[COMMENT table\_comment\] \[PARTITIONED BY (col\_name data\_type \[COMMENT col\_comment\], …)\] \[CLUSTERED BY (col\_name, col\_name, …) \[SORTED BY (col\_name \[ASC|DESC\], …)\] INTO num\_buckets BUCKETS\] \[ROW FORMAT row\_format\] \[STORED AS file\_format\] \[LOCATION hdfs\_path\]

5、分区建表分为2种，一种是单分区，也就是说在表文件夹目录下只有一级文件夹目录。另外一种是多分区，表文件夹下出现多文件夹嵌套模式。

a、单分区建表语句：create table day\_table (id int, content string) partitioned by (dt string);单分区表，按天分区，在表结构中存在id，content，dt三列。

b、双分区建表语句：create table day\_hour\_table (id int, content string) partitioned by (dt string, hour string);双分区表，按天和小时分区，在表结构中新增加了dt和hour两列。

表文件夹目录示意图（多分区表）：

6、添加分区表语法（表已创建，在此基础上添加分区）：

ALTER TABLE table\_name ADD partition\_spec \[ LOCATION ‘location1’ \] partition\_spec \[ LOCATION ‘location2’ \] … partition\_spec: : PARTITION (partition\_col = partition\_col\_value, partition\_col = partiton\_col\_value, …)

用户可以用 ALTER TABLE ADD PARTITION 来向一个表中增加分区。当分区名是字符串时加引号。例：

ALTER TABLE day\_table ADD PARTITION (dt=‘2008-08-08’, hour=‘08’) location ‘/path/pv1.txt’ PARTITION (dt=‘2008-08-08’, hour=‘09’) location ‘/path/pv2.txt’;

7、删除分区语法：

ALTER TABLE table\_name DROP partition\_spec, partition\_spec,…

用户可以用 ALTER TABLE DROP PARTITION 来删除分区。分区的元数据和数据将被一并删除。例：

ALTER TABLE day\_hour\_table DROP PARTITION (dt=‘2008-08-08’, hour=‘09’);

8、数据加载进分区表中语法：

LOAD DATA \[LOCAL\] INPATH ‘filepath’ \[OVERWRITE\] INTO TABLE tablename \[PARTITION (partcol1=val1, partcol2=val2 …)\]

例：

LOAD DATA INPATH ‘/user/pv.txt’ INTO TABLE day\_hour\_table PARTITION(dt=‘2008-08- 08’, hour=‘08’); LOAD DATA local INPATH ‘/user/hua/\*’ INTO TABLE day\_hour partition(dt=‘2010-07- 07’);

当数据被加载至表中时，不会对数据进行任何转换。Load操作只是将数据复制至Hive表对应的位置。数据加载时在表下自动创建一个目录，文件存放在该分区下。

9、基于分区的查询的语句：

SELECT day\_table.\* FROM day\_table WHERE day\_table.dt>= ‘2008-08-08’;

10、查看分区语句：

hive> show partitions day\_hour\_table; OK dt=2008-08-08/hour=08 dt=2008-08-08/hour=09 dt=2008-08-09/hour=09

三、总结

1、在 Hive 中，表中的一个 Partition 对应于表下的一个目录，所有的 Partition 的数据都存储在最字集的目录中。

2、总的说来partition就是辅助查询，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。

——————————————————————————————————————

hive中关于partition的操作：  
hive> create table mp (a string) partitioned by (b string, c string);  
OK  
Time taken: 0.044 seconds  
hive> alter table mp add partition (b=‘1’, c=‘1’);  
OK  
Time taken: 0.079 seconds  
hive> alter table mp add partition (b=‘1’, c=‘2’);  
OK  
Time taken: 0.052 seconds  
hive> alter table mp add partition (b=‘2’, c=‘2’);  
OK  
Time taken: 0.056 seconds  
hive> show partitions mp ;  
OK  
b=1/c=1  
b=1/c=2  
b=2/c=2  
Time taken: 0.046 seconds  
hive> explain extended alter table mp drop partition (b=‘1’);  
OK  
ABSTRACT SYNTAX TREE:  
(TOK\_ALTERTABLE\_DROPPARTS mp (TOK\_PARTSPEC (TOK\_PARTVAL b ‘1’)))

STAGE DEPENDENCIES:  
Stage-0 is a root stage

STAGE PLANS:  
Stage: Stage-0  
Drop Table Operator:  
Drop Table  
table: mp

Time taken: 0.048 seconds  
hive> alter table mp drop partition (b=‘1’);  
FAILED: Error in metadata: table is partitioned but partition spec is not specified or tab: \{b=1\}  
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask  
hive> show partitions mp ;  
OK  
b=1/c=1  
b=1/c=2  
b=2/c=2  
Time taken: 0.044 seconds  
hive> alter table mp add partition ( b=‘1’, c = ‘3’) partition ( b=‘1’ , c=‘4’);  
OK  
Time taken: 0.168 seconds  
hive> show partitions mp ;  
OK  
b=1/c=1  
b=1/c=2  
b=1/c=3  
b=1/c=4  
b=2/c=2  
b=2/c=3  
Time taken: 0.066 seconds  
hive>insert overwrite table mp partition (b=‘1’, c=‘1’) select cnt from tmp\_et3 ;

hive>alter table mp add columns (newcol string);

location指定目录结构  
hive> alter table alter2 add partition (insertdate=‘2008-01-01’) location ‘2008/01/01’;

hive> alter table alter2 add partition (insertdate=‘2008-01-02’) location ‘2008/01/02’;