hive分区（partition）简介

1. 为什么要分区？

---

• 1、在Hive Select查询中一般会扫描整个表内容，会消耗很多时间做没必要的工作。有时候只需要扫描表中关心的一部分数据，因此建表时引入了partition概念。

• 2、分区表指的是在创建表时指定的partition的分区空间。

• 3、如果需要创建有分区的表，需要在create表的时候调用可选参数partitioned by。

2. 实现细节

---

• 1、一个表可以拥有一个或者多个分区，每个分区以文件夹的形式单独存在表文件夹的目录下。

• 2、表和列名不区分大小写。

• 3、分区是以字段的形式在表结构中存在，通过describe table命令可以查看到字段存在，但是该字段不存放实际的数据内容，仅仅是分区的表示。

• 4、建表的语法（建分区可参见PARTITIONED BY参数）：

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name [(col_name data_type [COMMENT col_comment], ...)] [COMMENT table_comment] [PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)] [CLUSTERED BY (col_name, col_name, ...) [SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] [ROW FORMAT row_format] [STORED AS file_format] [LOCATION hdfs_path]

• 5、分区建表分为2种，一种是单分区，也就是说在表文件夹目录下只有一级文件夹目录。另外一种是多分区，表文件夹下出现多文件夹嵌套模式。

a、单分区建表语句：create table day_table (id int, content string) partitioned by (dt string);单分区表，按天分区，在表结构中存在id，content，dt三列。

b、双分区建表语句：create table 表名 (id int, content string) partitioned by (dt string, hour string);双分区表，按天和小时分区，在表结构中新增加了dt和hour两列。

• 6、添加分区表语法（表已创建，在此基础上添加分区）

  用户可以用 ALTER TABLE ADD PARTITION 来向一个表中增加分区。当分区名是字符串时加引号.

• 例如：

ALTER TABLE 表名 ADD PARTITION (分区字段=分区值) location ‘文件绝对地址’ PARTITION (分区字段=分区值) location ‘文件绝对地址’;

• 7、删除分区语法：
  ALTER TABLE table_name DROP partition_spec, partition_spec,…
  用户可以用 ALTER TABLE DROP PARTITION 来删除分区。分区的元数据和数据将被一并删除。例：

ALTER TABLE 表名 DROP PARTITION (分区字段=分区值);

• 8、数据加载进分区表中语法：
  LOAD DATA [LOCAL] INPATH ‘filepath’ [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 …)]

例：

(HDFS)LOAD DATA INPATH ‘文件绝对地址’ INTO TABLE 表名 PARTITION(分区字段=分区值);
(本地)LOAD DATA LOCAL INPATH ‘文件绝对地址’ INTO TABLE 表名 partition(分区字段=分区值);

当数据被加载至表中时，不会对数据进行任何转换。Load操作只是将数据复制至Hive表对应的位置。数据加载时在表下自动创建一个目录，文件存放在该分区下。

• 9、基于分区的查询的语句：

SELECT 字段 FROM 表名 WHERE 分区>= ‘分区值’;

• 
  
• 10、查看分区语句：
  

show partitions 表名;

3. 总结

• 1、在 Hive 中，表中的一个 Partition 对应于表下的一个目录，所有的 Partition 的数据都存储在最字集的目录中。

• 2、总的说来partition就是辅助查询，缩小查询范围，加快数据的检索速度和对数据按照一定的规格和条件进行管理。