分割槽是以字段的形式在表結構中存在，通過describe table命令可以檢視到字段存在， 但是該字段不存放實際的資料內容，僅僅是分割槽的表示（偽列）。
1）靜態分割槽
create table if not exists sopdm.wyp2(id int,name string,tel string)
partitioned by(age int)
row format delimited
fields terminated by ','
stored as textfile;
--overwrite是覆蓋，into是追加
insert into table sopdm.wyp2
partition(age='25')
select id,name,tel from sopdm.wyp;
2）動態分割槽
--設定為true表示開啟動態分割槽功能（預設為false）
set hive.exec.dynamic.partition=true;
--設定為nonstrict,表示允許所有分割槽都是動態的（預設為strict）
set hive.exec.dynamic.partition.mode=nonstrict;
--insert overwrite是覆蓋，insert into是追加
set hive.exec.dynamic.partition.mode=nonstrict;
insert overwrite table sopdm.wyp2
partition(age)
select id,name,tel,age from sopdm.wyp;
2. 分桶
create table bucketed_user (id int) name string)
clustered by (id) into 4 buckets;
對於每乙個表（table）或者分割槽， hive可以進一步組織成桶，也就是說桶是更為細粒度的資料範圍劃分。hive也是 針對某一列進行桶的組織。hive採用對列值雜湊，然後除以桶的個數求餘的方式決定該條記錄存放在哪個桶當中。
把錶（或者分割槽）組織成桶（bucket）有兩個理由：
（1）獲得更高的查詢處理效率。桶為表加上了額外的結構，hive 在處理有些查詢時能利用這個結構。具體而言，連線兩個在（包含連線列的）相同列上劃分了桶的表，可以使用 map 端連線 （map-side join）高效的實現。比如join操作。對於join操作兩個表有乙個相同的列，如果對這兩個表都進行了桶操作。那麼將儲存相同列值的桶進行join操作就可以，可以大大較少join的資料量。
（2）使取樣（sampling）更高效。在處理大規模資料集時，在開發和修改查詢的階段，如果能在資料集的一小部分資料上試執行查詢，會帶來很多方便。
3.索引
索引可以加快含有group by語句的查詢的計算速度
create index employees_index on table employees(country)
as 'org.apache.hadoop.hive.ql.index.compact.compactindexhandler'
with deferred rebuild
in table employees_index_table ;
hive學習 分割槽 分桶和索引
hive引入partition和bucket的概念，中文翻譯分別為分割槽和桶 我覺的不是很合適，但是網上基本都是這麼翻譯，暫時用這個吧 這兩個概念都是把資料劃分成塊，分割槽是粗粒度的劃分桶是細粒度的劃分，這樣做為了可以讓查詢發生在小範圍的資料上以提高效率。b 分割槽的作用 使用分割槽可以加快資料分片...
Hive的分割槽 分桶 索引
一 分割槽 mr的分割槽 是將資料按照一定的邏輯進行查分，劃分為不同的區域，這個區域的資料將會給指定的reduce。hive的分割槽 對錶劃分成幾個區域，通過分類把不同型別的資料放到不同的目錄下。分割槽表與普通表相比它的優勢和劣勢 優勢 和普通表相比，當按照分割槽條件進行過濾的時候分割槽表會比普通表...
Hive分割槽 分桶
create table t user partition id int name string partitioned by country string row format delimited fields terminated by load data local inpath root h...