分桶表
分区提供一个隔离数据和优化查询的便利方式。不过,并非所有的数据集都可形成合理 的分区。对于一张表或者分区,Hive 可以进一步组织成桶,也就是更为细粒度的数据范围 划分。
分桶是将数据集分解成更容易管理的若干部分的另一个技术。 分区针对的是数据的存储路径;分桶针对的是数据文件。
先创建分桶表
数据准备
- 建表
以sid分桶,分四桶
create table stu_buck(sid int,subject string,score int)
clustered by (sid)
into 4 buckets
row format delimited fields terminated by ',';
查看表结构
desc formatted stu_buck;
导入数据到分桶表中,load 的方式
load data local inpath '/home/data/hive/stu_buck' into table stu_buck;
集群上的数据已经分为了四分
查看数据
select * from stu_buck limit 100;
- 分桶表操作需要注意的事项
reduce 的个数设置为-1,让 Job 自行决定需要用多少个 reduce 或者将 reduce 的个 数设置为大于等于分桶表的桶数
从 hdfs 中 load 数据到分桶表中,避免本地文件找不到问题
不要使用本地模式