一、為什麼要建立分區表
1、select查詢中會掃描整個表内容,會消耗大量時間。由于相當多的時候人們隻關心表中的一部分資料,
故建表時引入了分區概念。
2、hive分區表:是指在建立表時指定的partition的分區空間,若需要建立有分區的表,
需要在create表的時候調用可選參數partitioned by,詳見表建立的文法結構。
二、實作建立、删除分區表
注意:
1、一個表可以擁有一個或者多個分區,每個分區以檔案夾的形式單獨存在表檔案夾的目錄下。
2、hive的表和列名不區分大小寫(故建表時,都是小寫)
3、分區是以字段的形式在表結構中存在,通過"desc table_name"指令可以檢視到字段存在,該字段僅是分區的辨別。
4、建表的文法(建分區可參見PARTITIONED BY參數):
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、分區建表分為2種,一種是單分區,也就是說在表檔案夾目錄下隻有一級檔案夾目錄。另外一種是多分區,表檔案夾下出現多檔案夾嵌套模式。(如果需要 group by 多個字段,建議按分區嵌套順序 group by )
a、單分區建表語句:create table test_table (id int, content string) partitioned by (dt string);
單分區表,按天分區,在表結構中存在id,content,dt三列。
b、雙分區建表語句:create table test_table_2 (id int, content string) partitioned by (dt string, hour string);
雙分區表,按天和小時分區,在表結構中新增加了dt和hour兩列。
6、增加分區表文法(表已建立,在此基礎上添加分區):
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 來向一個表中增加分區。當分區名是字元串時加引号。例:
ALTER TABLE test_table ADD PARTITION (dt='2016-08-08', hour='10') location '/path/uv1.txt' PARTITION (dt='2017-08-08', hour='12') location '/path/uv2.txt';
7、删除分區文法:
ALTER TABLE table_name DROP partition_spec, partition_spec,...
使用者可以用 ALTER TABLE DROP PARTITION 來删除分區。分區的中繼資料和資料将被一并删除。例:
ALTER TABLE test_table DROP PARTITION (dt='2016-08-08', hour='10');
8、資料加載進分區表中文法:
LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)]
例:
LOAD DATA INPATH '/user/uv.txt' INTO TABLE test_table_2 PARTITION(dt='2016-08-08', hour='08'); LOAD DATA local INPATH '/user/hh/' INTO TABLE test_table partition(dt='2013-02- 07');
當資料被加載至表中時,不會對資料進行任何轉換。Load操作隻是将資料複制至Hive表對應的位置。資料加載時在表下自動建立一個目錄,檔案存放在該分區下。
9、基于分區的查詢的語句:
SELECT test_table.* FROM test_table WHERE test_table.dt>= '2008-08-08';
10、檢視雙分區語句:
hive> show partitions test_table_2;
OK
dt=2016-08-08/hour=10
dt=2016-08-09/hour=10
dt=2008-08-09/hour=10
舉例:
CREATE TABLE `incr_test_2`(
`ord_id` string,
`ord_no` string,
`creat_date` string,
`creat_time` string,
`time_stamp` string)
COMMENT 'Imported by sqoop on 2016/08/08 14:53:43'
PARTITIONED BY (
`log_time` string)
ROW FORMAT SERDE
'org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe'
WITH SERDEPROPERTIES (
'field.delim'='\u0001',
'line.delim'='\n',
'serialization.format'='\u0001')
STORED AS INPUTFORMAT
'org.apache.hadoop.mapred.TextInputFormat'
OUTPUTFORMAT
'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat'
;
檢視對應的建表資訊:
hive (origin_test)> show create table incr_test_2;
OK
CREATE TABLE `incr_test_2`(
`ord_id` string,
`ord_no` string,
`creat_date` string,
`creat_time` string,
`time_stamp` string)
COMMENT 'Imported by sqoop on 2016/08/04 14:53:43'
PARTITIONED BY (
`log_time` string)
ROW FORMAT SERDE
'org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe'
WITH SERDEPROPERTIES (
'field.delim'='\u0001',
'line.delim'='\n',
'serialization.format'='\u0001')
STORED AS INPUTFORMAT
'org.apache.hadoop.mapred.TextInputFormat'
OUTPUTFORMAT
'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat'
LOCATION
'hdfs://nameservice/user/hive/warehouse/origin_test.db/incr_test_2'
TBLPROPERTIES (
'transient_lastDdlTime'='1470293625')
檢視分區表:
-- 檢視單分區:
hive (origin_test)>show partitions incr_test_2;
OK
log_time=20160917182510
log_time=20160917192512
log_time=20160917202512
log_time=20160917212512
log_time=20160917222510
log_time=20160917232511
log_time=20160918002525
log_time=20160918012514
log_time=20160918022513
log_time=20160918032510
log_time=20160918042510
log_time=20160918052511
log_time=20160918062513
log_time=20160918072510
log_time=20160918082510
log_time=20160918092511
log_time=20160918102510
log_time=20160918112511
log_time=20160918122512
log_time=20160918132511
Time taken: 0.264 seconds, Fetched: 20 row(s)
hive (origin_ennenergy_transport)>