(1)创建分桶表
create table stu_buck(id int,name string)
clustered by(id)
into 4 buckets
row format delimited fields terminated by '\t';
(2)查看表结构
desc formatted stu_buck;
(3)导入数据到分桶表中
load data local inpath '/root/hivedata/student.txt' into table stu;
(4)查看创建的分桶表中是否分成4个桶
在浏览器"node01:50070"的"/user/hive/warehouse/stu_buck"目录下
(5)没有分成4个桶,是什么原因?
2.创建分桶表时,数据通过子查询的方式导入
(1)先建一个普通的stu表
create table stu(id int, name string)
row format delimited fields terminated by '\t';
(2)向普通的stu表中导入数据
load data local inpath '/root/hivedata/student.txt' into table stu;
(3)清空stu_buck表中数据
truncate table stu_buck;
select * from stu_buck;
(4)导入数据到分桶表,通过子查询的方式
insert into table stu_buck select id,name from stu;
(5)但是发现还是只有一个分桶
(6)需要设置一个属性
set hive.enforce.bucketing=true;
set mapreduce.job.reduces=-1;
truncate table stu_buck;
insert into table stu_buck select id,name from stu;
这样就会出现四个分桶啦。
(7)查询分桶的数据
select * from stu_buck;
select * from stu_buck tablesample(bucket 1 out of 4 on id);
分成四个桶,取出一个桶的内容
实例注释
tablesample是抽样语句,语法:TABLESAMPLE(BUCKET x OUT OF y)
y必须是table总bucket数的倍数或者因子。hive根据y的大小,决定抽样的比例。
例如,table总共分了4份,当y=2时,抽取(4/2=)2个bucket的数据,
当y=8时,抽取(4/8=)1/2个bucket的数据。
x表示从哪个bucket开始抽取,如果需要取多个分区,以后的分区号为当前分区号加上y。
例如,table总bucket数为4,tablesample(bucket 1 out of 2),表示总共
抽取(4/2=)2个bucket的数据,抽取第1(x)个和第3(x+y)个bucket的数据。
实例注意
注意:x的值必须小于等于y的值,否则
FAILED: SemanticException [Error 10061]: Numerator should not be bigger than denominator in sample clause for table stu_buck