1、分區表支援hash分區和range分區,根據主鍵列上的分區模式将table劃分為 tablets 。每個 tablet 由至少一台 tablet server提供。理想情況下,一張table分成多個tablets分布在不同的tablet servers ,以最大化并行操作。
2、Kudu目前沒有在建立表之後拆分或合并 tablets 的機制。
3、建立表時,必須為表提供分區模式。
4、在設計表格時,使用主鍵,就可以将table分為以相同速率增長的 tablets 。
5、您可以使用 Impala 的 PARTITION BY 關鍵字對表進行分區,該關鍵字支援 RANGE 或 HASH分發。分區方案可以包含零個或多個 HASH 定義,後面是可選的 RANGE 定義。 RANGE 定義可以引用一個或多個主鍵列
1、PARTITION BY RANGE ( 按範圍劃分 )
優點:允許根據所選分區鍵的特定值或值的範圍拆分表。這樣可以平衡并行寫入與掃描效率
缺點:如果您在其值單調遞增的列上按範圍進行分區,則最後一個tablet的增長将遠大于其他的,此外,插入的所有資料将一次寫入單個 tablet ,限制了資料攝取的可擴充性
例子:
CREATE TABLE customers (
state STRING,
name STRING,
purchase_count int,
PRIMARY KEY (state, name)
) PARTITION BY RANGE (state) (
PARTITION VALUE = ‘al’,
PARTITION VALUE = ‘ak’,
PARTITION VALUE = ‘ar’,
PARTITION VALUE = ‘wv’,
PARTITION VALUE = ‘wy’
) STORED AS KUDU
TBLPROPERTIES(
‘kudu.table_name’ = ‘customers ‘,’kudu.master_addresses’ = ‘hadoop5:7051’);
2、PARTITION BY HASH ( 哈希分區 )
優點:資料均勻地分布在資料桶之間
缺點:對值的查詢可能要讀取所有的tablet,也就是自定義的3個
例子:
CREATE TABLE cust_behavior (
id BIGINT,
sku STRING,
salary STRING,
edu_level INT,
usergender STRING,
group STRING,
city STRING,
postcode STRING,
last_purchase_price FLOAT,
last_purchase_date BIGINT,
category STRING,
rating INT,
fulfilled_date BIGINT,
PRIMARY KEY (id, sku)
)
PARTITION BY HASH PARTITIONS 3
STORED AS KUDU
TBLPROPERTIES(
‘kudu.table_name’ = ‘cust_behavior ‘,’kudu.master_addresses’ = ‘hadoop5:7051’);
3、進階分區
①、PARTITION BY HASH and RANGE
優點:既可以資料分布均勻,又可以在每個分片中保留指定的資料
例子:
CREATE TABLE cust_behavior_1 (
id BIGINT,
sku STRING,
salary STRING,
edu_level INT,
usergender STRING,
group
STRING,
city STRING,
postcode STRING,
last_purchase_price FLOAT,
last_purchase_date BIGINT,
category STRING,
rating INT,
fulfilled_date BIGINT,
PRIMARY KEY (id, sku)
)
PARTITION BY HASH (id) PARTITIONS 4,
RANGE (sku)
(
PARTITION VALUES < ‘g’,
PARTITION ‘g’ <= VALUES < ‘o’,
PARTITION ‘o’ <= VALUES < ‘u’,
PARTITION ‘u’ <= VALUES
) STORED AS KUDU
TBLPROPERTIES(
‘kudu.table_name’ = ‘cust_behavior_1 ‘,’kudu.master_addresses’ = ‘hadoop5:7051’);