Hive分区表修改表结构的问题

在使用 Alter语句修改 Hive分区表结构的时候，会出现已存在的分区结构没有被修改的情况。比如说，新增了一个字段，但是向原有分区插入新增字段数据之后，查询却发现数据为 NULL，或者修改了一个字段类型，查询原有分区的时候发现数据没有被正确识别。

 

之所以会出现这种情况，是因为 Hive对应分区表表结构的修改，默认采用了限制模式。限制模式下，修改分区表结构的时候，只会对修改后新增的分区有效，修改表结构前已存在的分区不受影响。对应的，Hive也提供了级联修改的命令，在Alter语句后添加 cascade参数，就可以连同过去存在的分区一起修改表结构（注意：Hive在0.15 版本之后才提供此参数）。

 

不过，在实际使用过程中，当历史分区数据过多的时候（比如千个以上），使用 cascade参数修改表结构，会出现操作超时的情况；或者是忘记使用 cascade参数的情况。这些情况下，我们就需要通过直接修改 Hive 元数据的方式来修改 Hive表结构。

 

使用修改元数据的方式修改分区表结构分两步。首先是使用 Alter语句修改表结构。然后登陆到Hive的元数据库，执行 SQL语句修改已存在分区对应的表结构信息。以 MySQL元数据库为例，需要执行以下语句（将表名、库名替换成需要修改的表的库名和表名）：

 

UPDATE TBLS T1,DBST2,SDS T3,PARTITIONS T4,SDS T5

SET T5.CD_ID = T3.CD_ID

WHERE T2.NAME = '库名'

AND T1.TBL_NAME = '表名'

AND T1.DB_ID = T2.DB_ID

AND T1.SD_ID = T3.SD_ID

AND T1.TBL_ID =T4.TBL_ID

ANDT4.SD_ID = T5.SD_ID

;

 

执行上面语句以后，就会将原有分区的表结构信息同步成最新的表结构。

 

以下是涉及到的 Hive元数据库的表。一个有五张。

 

DBS，用于存储数据库信息                

字段名	说明	示例
DB_ID	数据库ID	1
DESC	描述	Default Hive database
DB_LOCATION_URI	HDFS路径信息	hdfs://namenode:9000/user/hive/warehouse
NAME	名称	default
OWNER_NAME	所有者名称	public
OWNER_TYPE	所有者类型	ROLE

 

TBLS，用于存储表基本信息

字段名	说明	示例
TBL_ID	表ID	1
CREATE_TIME	创建时间	1469592205
DB_ID	所在数据库ID	1
LAST_ACCESS_TIME	最后访问时间	0
OWNER	所有者	Hadoop
RETENTION	保留字段	0
SD_ID	存储ID	1，对应 SDS的SD_ID
TBL_NAME	表名	l_test1
TBL_TYPE	表类型	常见的有MANAGED_TABLE、EXTERNAL_TABLE
VIEW_EXPANDED_TEXT
VIEW_ORIGINAL_TEXT

 

SDS，文件存储的基本信息

字段名	说明	示例
SD_ID	存储ID	1
CD_ID	字段信息ID	1，对应COLUMNS_V2的CD_ID
INPUT_FORMAT	文件输入格式	org.apache.hadoop.mapred.TextInputFormat
IS_COMPRESSED	是否压缩	0
IS_STOREDASSUBDIRECTORIES	是否以子目录存储	0
LOCATION	HDFS路径信息	hdfs://namenode:9000/user/hive/warehouse/l_test1
NUM_BUCKETS	分桶数量	-1
OUTPUT_FORMAT	文件输出格式	org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat
SERDE_ID	序列化类ID	1

 

COLUMNS_V2，字段基本信息

字段名	说明	示例
CD_ID	字段信息ID	1
COMMENT	注释信息	测试字段1
COLUMN_NAME	列名	val1
TYPE_NAME	字段类型	string
INTEGER_IDX	字段顺序	1

 

PARTITIONS，存储各个分区的基本信息

字段名	说明	示例
PART_ID	分区ID	1
CREATE_TIME	创建时间
LAST_ACCESS_TIME	最后访问时间
PART_NAME	分区名称	2016-12-19
SD_ID	存储ID	1
TBL_ID	表ID	1

 

他们之间的关系如下：

 

 

Hive分区表的分区字段信息是单独存储的，上面的语句，就是将SDS 中存储的原有分区的 CD_ID更新成表最新的 CD_ID。

 

参考资料：https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL#LanguageManualDDL-AlterTable/PartitionCompact