当hive分区不存在时,但是hdfs分区目录下有对应文件时
再次 insert overwrite 可能会导致数据变多,也可能数据正常
举例:如果目录下文件是000000_0都001000_0 一共1001个
按照命名方式递增的方式从000000_0开始替换,
如果重跑的文件数(1050个)>=之前的文件数,则之前文件全部被覆盖;
如果重跑的文件数(500个)<之前文件数,那么000000_0~000499_0会被覆盖,000500_0~001000_0会保留,且在新的写入任务loading阶段别load进表中,表中的数据会多
有两种情况会导致hive分区不存在时,但是hdfs分区目录下有对应文件
1.外部表drop分区
2.表loading数据阶段被kill
分区不存在但是hdfs分区目录下有对应文件时,只会覆盖同名文件,000000_0是overwrite产生的,000000_0_copy_1 是insert into 产生的