Hive建表（二）分区，分桶，动态分区数量不够怎么办？

Dear 丶 2023-02-17 03:18 18阅读 0赞

**分区(partition)**  
分区主要用于提高性能，一张表在重新划分区域形成新的文件夹（如性比分成男和女），查找的时候根据性别的男和女，就可以先过滤掉不用的数据，从而不用再从开始一个个去查，从而提高查询性能；  
**分区又分为静态分区和动态分区**

## 静态分区 ##

静态分区就是自己手动创建分区目录，插入的时候必须首先要知道有什么分区类型，而且每个分区都要写一个load data加载本地文件，所以当我们在插入数据的时候指定分区，其实就是新建一个目录或者子目录，或者在原有的目录上添加数据文件。静态分区的列是在编译时期，通过用户传递来决定。  
**建表时定义静态分区用** **partitioned by** 举例

create table employee_ partitioned(建表时定义分区
    name string,
    work_ place ARRAY< string>,
    skills_ score MAP<string,int>,
    depart_ _title MAP<string,ARRAY< string>> )
     
     **通过PARTITIONED BY定义分区**
     
    partitioned by (gender string)
    row  format delimited
    fields terminated  by ‘,’
    collection items terminated by ‘,’
    map keys terminated by ‘:’
    stored as textfile;

上篇文章已经具体说明，  
每个字段作用，这里就不详述；这里就根据gender定义了一个分区；创建分区的时候有时也会报个错，这个错和我上篇文章一样是字符集的问题，解决方法也有说过，看过的都可以解决。  
load data加载本地文件我也说过，加载时设置分区名，到hdfs上查看会发现，表下面有创建目录的子目录gender=xxx（分区名），最后在分区名下存放实际的数据文件(load加载进表的文件)。  
当然也可以建表后在  
**添加分区：**

alter table employee\_ partitioned add partition (gender=‘male’) partition(gender=‘female’);

**删除分区**  
alter table employee\_ partitioned drop partition (gender=‘male’) partition(gender=‘female’);

**查看分区**  
show partitions employee\_ partitioned;

## 动态分区 ##

动态分区却不是手动自定义的，而是系统分配的；  
动态分区是通过数据来进行判断；详细来说，动态分区只有在SQL执行时才能决定。  
想要使用动态分区就必须先设置属性才行：  
**set hive.exec.dynamic.partition=true;  
set hive.exec.dynamic.partition.mode=nonstrict;**

**动态分区设置方法 insert overwrite**

**insert overwrite** table userinfos **partition** (year, month)  
select userid, username , age, gender, regexp\_ replace(birthday,’/’,’-’) as birthday, split(birt,’/’)\[0\] as year, split (birthday,’/’)\[1\] as month from customs limit 3;  
根据年月来动态分组 ，根据分割单独拿到年和月的值  
由于是系统进行分组，当数据量大的时候会有一种情况出现，发现系统的分区数量不足，这时**会报一个错**：  
![20200611194216569.png][]  
解决办法：  
**要重新设置分区数量**  
**set hive.exec.max.dynamic.partitions.pernode=600000;  
set hive.exec.max.dynamic.partitions=6000000;  
set hive.exec.max.create.files=6000000;**

再运行就好了！

## 动态分桶 ##

说的通俗点，就是当数据量大时，对数据进行分组抽样，取其中一部分值比较；就好比超市的物品数量太多，对某一批次的某些物品进行抽样检查，如果合格，也就代表这些批次都是合格的。  
分桶对应HDFS中的文件，使抽样（sampling）更高效；根据“桶列”的哈希函数将数据进行分桶，并且分桶只有动态分桶；  
**设置动态分桶**  
**set hive.enforce.bucketing = true;**  
**定义分桶**  
**clustered by (列名) into 4 buckets**  
对哪列分桶，分几桶，桶数最好是2的n次方  
**注意**  
必须使用INSERT方式加载数据

**分桶抽样（sampling）**  
**随机抽样基于整行数据**  
select \* from table\_name TABLESAMPLE(BUCKET 3 OUT OF 32 ON rand()) s;  
bucket 3抽第三桶的 桶数为分子 / 32 为分母 分桶取名s rand() 随机  
意思就是 ：随机抽取第三桶的32分之几  
**随机抽样基于指定列（使用分桶列更高效）**  
select \* from table\_name TABLESAMPLE(BUCKET 3 OUT OF 32 ON 列名) s;  
**随机抽样基于block size**

每个桶取10%  
select \* from table\_name TABLESAMPLE(10 PERCENT) s;

取1M的数据进行抽样  
select \* from table\_name TABLESAMPLE(1M) s;

取10行进行抽样  
select \* from table\_name TABLESAMPLE(10 rows) s;

[20200611194216569.png]: https://img-blog.csdnimg.cn/20200611194216569.png