hive partition 分割槽使用

2022-06-22 16:39:13 字數 3308 閱讀 9871

一、背景

1、在hive select查詢中一般會掃瞄整個表內容,會消耗很多時間做沒必要的工作。有時候只需要掃瞄表中關心的一部分資料,因此建表時引入了partition概念。

2、分割槽表指的是在建立表時指定的partition的分割槽空間。

3、如果需要建立有分割槽的表,需要在create表的時候呼叫可選引數partitioned by,詳見表建立的語法結構。

二、技術細節

1、乙個表可以擁有乙個或者多個分割槽,每個分割槽以資料夾的形式單獨存在表資料夾的目錄下。

2、表和列名不區分大小寫。

3、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。

4、建表的語法(建分割槽可參見partitioned by引數):

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、分割槽建表分為2種,一種是單分割槽,也就是說在表資料夾目錄下只有一級資料夾目錄。另外一種是多分割槽,表資料夾下出現多資料夾巢狀模式。

a、單分割槽建表語句:create table day_table (id int, content string) partitioned by (dt string);單分割槽表,按天分割槽,在表結構中存在id,content,dt三列。

b、雙分割槽建表語句:create table day_hour_table (id int, content string) partitioned by (dt string, hour string);雙分割槽表,按天和小時分割槽,在表結構中新增加了dt和hour兩列。

表資料夾目錄示意圖(多分割槽表):

6、新增分割槽表語法(表已建立,在此基礎上新增分割槽):

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, ...)

使用者可以用 alter table add partition 來向乙個表中增加分割槽。當分割槽名是字串時加引號。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、刪除分割槽語法:

alter table table_name drop partition_spec, partition_spec,...

使用者可以用 alter table drop partition 來刪除分割槽。分割槽的元資料和資料將被一併刪除。例:

alter table day_hour_table drop partition (dt='2008-08-08', hour='09');

8、資料載入進分割槽表中語法:

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');

當資料被載入至表中時,不會對資料進行任何轉換。load操作只是將資料複製至hive表對應的位置。資料載入時在表下自動建立乙個目錄,檔案存放在該分割槽下。

9、基於分割槽的查詢的語句:

select day_table.* from day_table where day_table.dt>= '2008-08-08';

10、檢視分割槽語句:

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、總結

1、在 hive 中,表中的乙個 partition 對應於表下的乙個目錄,所有的 partition 的資料都儲存在最字集的目錄中。

2、總的說來partition就是輔助查詢,縮小查詢範圍,加快資料的檢索速度和對資料按照一定的規格和條件進行管理。

例項語句:

-- 建分割槽表

drop table if exists dev.dev_test_rg;

create table if not exists dev.dev_test_rg

( id int comment 'my_id',

content string comment 'address'

) partitioned by (dt string)

row format delimited

fields terminated by ','

stored as textfile;

-- 在分割槽表對應分割槽中插入資料

insert into table dev.dev_test_rg partition(dt='2018-09-14')

select

item_third_cate_cd,

item_third_cate_name

from

dev.dev_user_zhouqi_yanzheng_decision

where

item_third_cate_cd=870

;-- select * from dev.dev_test_rg;

Hive partition分割槽日期值錯誤

insert overwrite table test1 partition date select date as date1,date from test2執行類似以上sql時,最終跑出來的date1值沒有問題,但是分割槽欄位date則會 1day,出現值錯誤,很詭異 找了很久原因,失敗告終,最...

主分割槽 擴充套件分割槽 邏輯分割槽 活動分割槽

硬碟分割槽有兩種,主分割槽和擴充套件分割槽,擴充套件分割槽最多乙個,主分割槽最多4個,最少1個,但是他們加一起最多4個,因為記錄磁碟資訊的dpt disk partition table 的縮寫,即分割槽表 總共只有64位元組,16位元組記錄乙個分割槽資訊 主分割槽不能 擴充套件分割槽又可以分為邏輯...

分割槽 swap分割槽

what?將乙個硬碟驅動器,劃分為若干個邏輯上的驅動器。一般來說,分割槽和 boot分割槽的是必要,swap分割槽的重要的,使用者分割槽是可要的。why?多年前我們就習慣將硬碟分割槽,但是那時候和現在分割槽的理由或不相同。總之分割槽的理由或者說好處,大概有這些。檔案系統限制最大硬碟容量,如00年前後...