Hive分区partition详解

Hive分区更方便于数据管理，常见的有时间分区和业务分区。 
下面我们来通过实例来理解Hive分区的原理。

 

一、单分区操作

1.创建分区表

create table t1(
    id      int
   ,name    string
   ,hobby   array<string>
   ,add     map<String,string>
)
partitioned by (pt_d string)
row format delimited
fields terminated by ','
collection items terminated by '-'
map keys terminated by ':'
；

注：这里分区字段不能和表中的字段重复。 
如果分区字段和表中字段相同的话，会报错，如下：

 

create table t1(
    id      int
   ,name    string
   ,hobby   array<string>
   ,add     map<String,string>
)
partitioned by (id int)
row format delimited
fields terminated by ','
collection items terminated by '-'
map keys terminated by ':'
；

报错信息：FAILED: SemanticException [Error 10035]: Column repeated in partitioning columns 

 

2.装载数据

需要装载的文件内容如下：

1,xiaoming,book-TV-code,beijing:chaoyang-shagnhai:pudong
2,lilei,book-code,nanjing:jiangning-taiwan:taibei
3,lihua,music-book,heilongjiang:haerbin123

执行load data

 

load data local inpath '/home/hadoop/Desktop/data' overwrite into table t1 partition ( pt_d = '201701');
12

 

3.查看数据及分区

查看数据

select * from t1;1

结果

 

1   xiaoming    ["book","TV","code"]    {"beijing":"chaoyang","shagnhai":"pudong"}  201701
2   lilei   ["book","code"] {"nanjing":"jiangning","taiwan":"taibei"}   201701
3   lihua   ["music","book"]    {"heilongjiang":"haerbin"}  201701123

查看分区

 

show partitions t1;1

 

插入另一个分区

在创建一份数据并装载，分区=‘000000’

load data local inpath '/home/hadoop/Desktop/data' overwrite into table t1 partition ( pt_d = '000000');1

查看数据：select * from t1;

 

1   xiaoming    ["book","TV","code"]    {"beijing":"chaoyang","shagnhai":"pudong"}  000000
2   lilei   ["book","code"] {"nanjing":"jiangning","taiwan":"taibei"}   000000
3   lihua   ["music","book"]    {"heilongjiang":"haerbin"}  000000
1   xiaoming    ["book","TV","code"]    {"beijing":"chaoyang","shagnhai":"pudong"}  201701
2   lilei   ["book","code"] {"nanjing":"jiangning","taiwan":"taibei"}   201701
3   lihua   ["music","book"]    {"heilongjiang":"haerbin"}  201701
1234567

 

观察HDFS上的文件

去hdfs上看文件 
http://namenode:50070/explorer.html#/user/hive/warehouse/test.db/t1 
可以看到，文件是根据分区分别存储 

查询相应分区的数据 
select * from t1 where pt_d = ‘000000’

添加分区，增加一个分区文件 
alter table t1 add partition (pt_d = ‘333333’); 

删除分区(删除相应分区文件) 
注意，对于外表进行drop partition并不会删除hdfs上的文件，并且通过msck repair table table_name同步回hdfs上的分区。 
alter table test1 drop partition (pt_d = ‘20170101’);

二、多个分区操作

创建分区表

create table t10(
    id      int
   ,name    string
   ,hobby   array<string>
   ,add     map<String,string>
)
partitioned by (pt_d string,sex string)
row format delimited
fields terminated by ','
collection items terminated by '-'
map keys terminated by ':'
;123456789101112

装载数据(分区字段必须都要加) 
load data local inpath ‘/home/hadoop/Desktop/data’ overwrite into table t10 partition ( pt_d = ‘0’); 
如果只是添加一个，会报错：FAILED: SemanticException [Error 10006]: Line 1:88 Partition not found ”0”

 

load data local inpath '/home/hadoop/Desktop/data' overwrite into table t10 partition ( pt_d = '0',sex='male');
load data local inpath '/home/hadoop/Desktop/data' overwrite into table t10 partition ( pt_d = '0',sex='female');12

，观察HDFS上的文件，可发现多个分区具有顺序性，可以理解为windows的树状文件夹结构。

 

 

 

表分区的增删修查

增加分区

这里我们创建一个分区外部表

create external table testljb(id int) partitioned by (age int);
12

添加分区 
官网说明：

ALTER TABLE table_name ADD [IF NOT EXISTS] PARTITION partition_spec [LOCATION 'location'][, PARTITION partition_spec [LOCATION 'location'], ...];

partition_spec:
  : (partition_column = partition_col_value, partition_column = partition_col_value, ...)12345

实例说明

一次增加一个分区

alter table testljb add partition (age=2);1

一次增加多个分区

 

alter table testljb add partition(age=3) partition(age=4);1

注意：一定不能写成如下方式：

alter table testljb add partition(age=5,age=6);1

如果我们show partitions table_name 会发现仅仅添加了age=6的分区。 

这里猜测原因：因为这种写法实际上：具有多个分区字段表的分区添加，而我们写两次同一个字段，而系统中并没有两个age分区字段，那么就会随机添加其中一个分区。 
举个例子，有个表具有两个分区字段：age分区和sex分区。那么我们添加一个age分区为1，sex分区为male的数据，可以这样添加：

alter table testljb add partition(age=1,sex='male');1

 

删除分区

删除分区age=1

alter table testljb drop partition(age=1);1

注：加入表testljb有两个分区字段（上文已经提到多个分区先后顺序类似于windows的文件夹的树状结构），partitioned by(age int ,sex string)，那么我们删除age分区（第一个分区）时，会把该分区及其下面包含的所有sex分区一起删掉。

修复分区

修复分区就是重新同步hdfs上的分区信息。

msck repair table table_name;1

 

查询分区

 

show partitions table_name;