hive学习笔记之四：分区表

city string

Time taken: 0.159 seconds, Fetched: 8 row(s)

3. 创建名为009.txt的文本文件，内容如下，可见每行只有name和age两个字段，用来分区的city字段不在这里设置，而是在执行导入命令的时候设置，稍后就会见到：

tom,11

jerry,12

4. 导入数据的命令如下，可见导入命令中制定了city字段，也就是说一次导入的所有数据，city字段值都是同一个：

load data

local inpath ‘/home/hadoop/temp/202010/25/009.txt’

into table t9

partition(city=‘shenzhen’);

5. 再执行一次导入操作，命令如下，city的值从前面的shenzhen改为guangzhou：

load data

local inpath ‘/home/hadoop/temp/202010/25/009.txt’

into table t9

partition(city=‘guangzhou’);

6. 查询数据，可见一共四条数据，city共有两个值：

hive> select * from t9;

OK

t9.name t9.age t9.city

tom 11 guangzhou

jerry 12 guangzhou

tom 11 shenzhen

jerry 12 shenzhen

Time taken: 0.104 seconds, Fetched: 4 row(s)

7. 前面曾提到分区实际上是不同的子目录，来看一下是不是如此，如下图，红框是t9的文件目录，下面有两个子目录city=guangzhou和city=shenzhen：

8. 查看子目录里面文件的内容，可见每条记录只有name和age两个字段：

[hadoop@node0 bin]$ ./hadoop fs -ls /user/hive/warehouse/t9/city=guangzhou

Found 1 items

-rwxr-xr-x 3 hadoop supergroup 16 2020-10-31 16:47 /user/hive/warehouse/t9/city=guangzhou/009.txt

[hadoop@node0 bin]$ ./hadoop fs -cat /user/hive/warehouse/t9/city=guangzhou/009.txt

tom,11

jerry,12

[hadoop@node0 bin]$

以上就是以单个字段做静态分区的实践，接下来尝试多字段分区；

静态分区（多字段分区）

1. 新建名为t10的表，有两个分区字段：province和city，建表语句：

create table t10 (name string, age int)

partitioned by (province string, city string)

row format delimited

fields terminated by ‘,’;

2. 上述建表语句中，分区字段province写在了city前面，这就意味着第一级子目录是province值，每个province子目录，再按照city值建立二级子目录，图示如下：

3. 第一次导入，province=‘shanxi’, city=‘xian’：

load data

local inpath ‘/home/hadoop/temp/202010/25/009.txt’

into table t10

partition(province=‘shanxi’, city=‘xian’);

4. 第二次导入，province=‘shanxi’, city=‘xian’：

load data

local inpath ‘/home/hadoop/temp/202010/25/009.txt’

into table t10

partition(province=‘shanxi’, city=‘hanzhong’);

5. 第三次导入，province=‘guangdong’, city=‘guangzhou’：

load data

local inpath ‘/home/hadoop/temp/202010/25/009.txt’

into table t10

partition(province=‘guangdong’, city=‘guangzhou’);

6. 第四次导入，province=‘guangdong’, city=‘shenzhen’：

load data

local inpath ‘/home/hadoop/temp/202010/25/009.txt’

into table t10

partition(province=‘guangdong’, city=‘shenzhen’);

7. 全部数据如下：

hive> select * from t10;

OK

t10.name t10.age t10.province t10.city

tom 11 guangdong guangzhou

jerry 12 guangdong guangzhou

tom 11 guangdong shenzhen

jerry 12 guangdong shenzhen

tom 11 shanxi hanzhong

jerry 12 shanxi hanzhong

tom 11 shanxi xian

jerry 12 shanxi xian

Time taken: 0.129 seconds, Fetched: 8 row(s)

8. 查看hdfs文件夹，如下图，一级目录是province字段的值：

9. 打开一个一级目录，如下图，可见二级目录是city的值：

10. 查看数据：

[hadoop@node0 bin]$ ./hadoop fs -cat /user/hive/warehouse/t10/province=shanxi/city=hanzhong/009.txt

tom,11

jerry,12

11. 以上就是静态分区的基本操作，可见静态分区有个不便之处：新增数据的时候要针对每一个分区单独使用load命令去操作，这时候使用动态分区来解决这个麻烦；

动态分区

1. 动态分区的特点就是不用指定分区目录，由hive自己选择；

2. 执行以下命令开启动态分区功能：

set hive.exec.dynamic.partition=true

3. 名为hive.exec.dynamic.partition.mode的属性，默认值是strict，意思是不允许分区列全部是动态的，这里改为nostrict以取消此禁制，允许全部分区都是动态分区：

set hive.exec.dynamic.partition.mode=nostrict;

4. 建一个外部表，名为t11，只有四个字段：

create external table t11 (name string, age int, province string, city string)

row format delimited

fields terminated by ‘,’

location ‘/data/external_t11’;

5. 创建名为011.txt的文件，内容如下：

tom,11,guangdong,guangzhou

jerry,12,guangdong,shenzhen

tony,13,shanxi,xian

john,14,shanxi,hanzhong

6. 将011.txt中的四条记录载入表t11：

load data

local inpath ‘/home/hadoop/temp/202010/25/011.txt’

into table t11;

7. 接下来要，先创建动态分区表t12，再把t11表的数据添加到t12中；

8. t12的建表语句如下，按照province+city分区：

create table t12 (name string, age int)

partitioned by (province string, city string)

row format delimited

fields terminated by ‘,’;

9. 执行以下操作，即可将t11的所有数据写入动态分区表t12，注意，要用overwrite：

insert overwrite table t12

partition(province, city)

select name, age, province, city from t11;

10. 通过hdfs查看文件夹，可见一级和二级子目录都符合预期：

11. 最后检查二级子目录下的数据文件，可以看到该分区下的记录：