好程序员大数据培训分享Hive的静态分区与动态分区

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

  好程序员大数据培训分享Hive的静态分区与动态分区:分区是hive存放数据的一种方式。将列值作为目录来存放数据,就是一个分区。这样查询时使用分区列进行过滤,只需根据列值直接扫描对应目录下的数据,不扫描其他不关心的分区,快速定位,提高查询效率。分动态和静态分区两种:
  1. 静态分区:若分区的值是确定的,那么称为静态分区。新增分区或者是加载分区数据时,已经指定分区名。
  create table if not exists day_part1(
  uid int,
  uname string
  )
  partitioned by(year int,month int)
  row format delimited fields terminated by 't';
  ##加载数据指定分区
  load data local inpath '/root/Desktop/student.txt' into table day_part1
partition(year=2017,month=04);
  ##新增分区指定分区名
  alter table day_part1 add partition(year=2017,month=1)
partition(year=2016,month=12);
  2. 动态分区:分区的值是非确定的,由输入数据来确定
  2.1 动态分区的相关属性:
  hive.exec.dynamic.partition=true :是否允许动态分区
  hive.exec.dynamic.partition.mode=strict :分区模式设置
  strict:最少需要有一个是静态分区
  nostrict:可以全部是动态分区
  hive.exec.max.dynamic.partitions=1000 :允许动态分区的最大数量
  hive.exec.max.dynamic.partitions.pernode =100
:单个节点上的mapper/reducer允许创建的最大分区
  2.2 动态分区的操作
  ##创建临时表
  create table if not exists tmp
  (uid int,
  commentid bigint,
  recommentid bigint,
  year int,
  month int,
  day int)
  row format delimited fields terminated by 't';
  ##加载数据
  load data local inpath '/root/Desktop/comm' into table tmp;
  ##创建动态分区表
  create table if not exists dyp1
  (uid int,
  commentid bigint,
  recommentid bigint)
  partitioned by(year int,month int,day int)
  row format delimited fields terminated by 't';
  ##严格模式
  insert into table dyp1 partition(year=2016,month,day)
  select uid,commentid,recommentid,month,day from tmp;
  ##非严格模式
  ##设置非严格模式动态分区
  set hive.exec.dynamic.partition.mode=nostrict;
  ##创建动态分区表
  create table if not exists dyp2
  (uid int,
  commentid bigint,
  recommentid bigint)
  partitioned by(year int,month int,day int)
  row format delimited fields terminated by 't';
  ##为非严格模式动态分区加载数据
  insert into table dyp2 partition(year,month,day)
  select uid,commentid,recommentid,year,month,day from tmp;
  3.分区注意细节
  (1)、尽量不要用动态分区,因为动态分区的时候,将会为每一个分区分配reducer数量,当分区数量多的时候,reducer数量将会增加,对服务器是一种灾难。
  (2)、动态分区和静态分区的区别,静态分区不管有没有数据都将会创建该分区,动态分区是有结果集将创建,否则不创建。
  (3)、hive动态分区的严格模式和hive提供的hive.mapred.mode的严格模式。
  hive提供我们一个严格模式:为了阻止用户不小心提交恶意hql
  hive.mapred.mode=nostrict : strict
  如果该模式值为strict,将会阻止以下三种查询:
  (1)、对分区表查询,where中过滤字段不是分区字段。
  (2)、笛卡尔积join查询,join查询语句,不带on条件或者where条件。
  (3)、对order by查询,有order by的查询不带limit语句。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
6天前
|
分布式计算 负载均衡 监控
大数据增加分区数量
【11月更文挑战第4天】
23 3
|
1月前
|
消息中间件 分布式计算 算法
大数据-63 Kafka 高级特性 分区 副本机制 宕机恢复 Leader选举
大数据-63 Kafka 高级特性 分区 副本机制 宕机恢复 Leader选举
47 5
大数据-63 Kafka 高级特性 分区 副本机制 宕机恢复 Leader选举
|
1月前
|
消息中间件 SQL 分布式计算
大数据-64 Kafka 高级特性 分区Partition 分区重新分配 实机实测重分配
大数据-64 Kafka 高级特性 分区Partition 分区重新分配 实机实测重分配
74 7
|
11天前
|
存储 安全 大数据
大数据水平分区增强可管理性
【11月更文挑战第2天】
24 5
|
11天前
|
存储 负载均衡 大数据
大数据水平分区提高查询性能
【11月更文挑战第2天】
24 4
|
10天前
|
存储 分布式计算 大数据
大数据减少单个分区的数据量
【11月更文挑战第3天】
28 2
|
12天前
|
存储 算法 大数据
大数据复合分区(Composite Partitioning)
【11月更文挑战第1天】
30 1
|
12天前
|
存储 大数据 数据管理
大数据垂直分区(Vertical Partitioning)
【11月更文挑战第1天】
23 1
|
12天前
|
存储 固态存储 大数据
大数据水平分区(Horizontal Partitioning)
【11月更文挑战第1天】
22 1
|
13天前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
46 2