Hive的分区表跟Oracle、MySQL中分区表的概念是一样的。当表上建立了分区,就会根据分区的条件从物理存储上将表中的数据进行分隔存储。而当执行查询语句时候,也会根据分区的条件扫描特定分区中的数据,从而避免全表扫描以提高查询的效率。Hive分区表中的每个分区将会在HDFS上创建一个目录,分区中的数据则是该目录下的文件。在执行查询语句时,可以通过SQL的执行计划了解到是否在查询的时候扫描的特定的分区。
视频讲解如下:
注意:Hive的分区表具体又可以分为:静态分区表和动态分区表。
一、【实战】使用Hive的静态分区表
静态分区表需要在插入数据的时候显式指定分区的条件。下面通过具体的步骤来演示如何创建并使用Hive的静态分区表。视频讲解如下:
(1)创建静态分区表。
create table emp_part (empno int, ename string, job string, mgr int, hiredate string, sal int, comm int) partitioned by (deptno int) row format delimited fields terminated by ',';
(2)往静态分区表中插入数据时,需要指定具体的分区条件。下面的语句使用了三条insert语句分别从内部表中查询出了10、20和30号部门的员工数据,并插入到分区表中,如下图所示。
hive> insert into table emp_part partition(deptno=10) select empno,ename,job,mgr,hiredate,sal,comm from emp where deptno=10; hive> insert into table emp_part partition(deptno=20) select empno,ename,job,mgr,hiredate,sal,comm from emp where deptno=20; hive> insert into table emp_part partition(deptno=30) select empno,ename,job,mgr,hiredate,sal,comm from emp where deptno=30;
(3)通过explain语句查看SQL的执行计划,如查询10号部门的员工信息。通过执行计划,可以看出扫描的数据量大小是118B。如下图所示。
(4)下图是查询普通的内部表的执行计划,可以看出扫描的数据量大小是6290B。
二、【实战】使用Hive的动态分区表
动态分区表则可以根据插入的数据动态建立分区。下面通过具体的步骤来演示如何创建并使用Hive的动态分区表。
注意:Hive的动态分区表默认使用最后一个字段作为分区名,需要分区的字段只能放在后面,不能把顺序弄错。向动态分区表中插入数据时,Hive是根据查询字段的位置推断分区名的,而不是字段名称。
(1)启动动态分区。
hive> set hive.exec.dynamic.partition =true; hive> set hive.exec.dynamic.partition.mode = nonstrict;
注意:参数hive.exec.dynamic.partition的默认值是false,表示禁用动态分区功能;参数hive.exec.dynamic.partition.mode的默认值是strict,表示必须有静态分区字段。
(2)据员工的job建立单字段动态分区表。
hive> create table dynamic_part_emp (empno int,ename string,sal int) partitioned by (job string);
视频讲解如下:
(3)向dynamic_part_emp分区表中插入数据。
hive> insert into table dynamic_part_emp select empno,ename,sal,job from emp;
注意:这里将会使用查询语句的最后一个字段job作为动态分区的条件。
(4)创建半自动分区表。
hive> create table dynamic_part_emp1 (empno int,ename string,sal int) partitioned by (deptno int,job string);
注意:半自动分区表是指部分字段采用静态分区,而另一部分自动采用动态分区,且静态分区字段要在动态分区前面。
视频讲解如下:
(5)向dynamic_part_emp1分区表中插入数据。
hive> insert into table dynamic_part_emp1 partition(deptno=10,job) select empno,ename,sal,job from emp where deptno=10;
注意:由于部门号deptno采用静态分区,因此需要在插入数据的时候指定deptno作为静态分区的条件;而这里的job采用的动态分区。
(6)创建多字段全动态分区表。
hive> create table dynamic_part_emp2 (empno int,ename string,sal int) partitioned by (deptno int,job string);
视频讲解如下:
(7)向dynamic_part_emp2分区表中插入数据。
hive> insert into table dynamic_part_emp2 select empno,ename,sal,deptno,job from emp;
注意:这里会根据deptno和job两个字段来创建动态分区。