大数据技术基础实验十一：Hive实验——Hive分区

大数据技术基础实验十一：Hive实验——Hive分区

一、前言

在前面一期Hive实验中我们学习了有关Hive创建表查看表以及删除表的基本操作，本期博客我们将来学习有关创建Hive分区表并将本地文件导入到我们划分好的分区内进行操作。

二、实验目的

掌握Hive分区的用法，加深对Hive分区概念的理解，了解Hive表在HDFS的存储目录结构。

三、实验要求

创建一个Hive分区表；根据数据年份创建year=2014和year=2015两个分区；将2015年的数据导入到year=2015的分区；在Hive界面用条件year=2015查询2015年的数据。

四、实验原理

分区(Partition) 对应于数据库中的 分区(Partition) 列的密集索引，但是 Hive 中 分区(Partition) 的组织方式和数据库中的很不相同。在 Hive 中，表中的一个分区(Partition) 对应于表下的一个目录，所有的分区(Partition) 的数据都存储在对应的目录中。例如：pvs 表中包含 ds 和 ctry 两个分区(Partition)，则对应于 ds = 20090801, ctry = US 的 HDFS 子目录为：/wh/pvs/ds=20090801/ctry=US；对应于 ds = 20090801, ctry = CA 的 HDFS 子目录为；/wh/pvs/ds=20090801/ctry=CA。

外部表(External Table) 指向已经在 HDFS 中存在的数据，可以创建分区(Partition)。它和 Table 在元数据的组织上是相同的，而实际数据的存储则有较大的差异。

Table 的创建过程和数据加载过程（这两个过程可以在同一个语句中完成），在加载数据的过程中，实际数据会被移动到数据仓库目录中；之后对数据的访问将会直接在数据仓库目录中完成。删除表时，表中的数据和元数据将会被同时删除。

五、实验步骤

1、启动Hadoop集群

因为Hive依赖于MapReduce，所以本实验之前先要启动Hadoop集群，我们在master虚拟机上进入Hadoop安装目录下的sbin文件内启动Hadoop集群：

cd /usr/cstor/hadoop/sbin
./start-all.sh

在实验启动时Hadoop集群已经启动了，所以不用自己去启动。

2、用命令进入Hive客户端

进入Hive安装目录，用命令进入Hive客户端：

cd /usr/cstor/hive/bin/
hive

3、通过HQL语句进行实验

进入客户端后，查看Hive数据库，并选择default数据库：

show databases;
use default;

在命令端创建Hive分区表：

create table parthive (createdate string, value string) partitioned by (year string) row format delimited fields terminated by '\t';

查看新建的表：

show tables;

给parthive表创建两个分区：

alter table parthive add partition(year='2014');
alter table parthive add partition(year='2015');

查看parthive的表结构：

describe parthive;

向year=2015分区导入本地数据：

load data local inpath '/root/data/12/parthive.txt' into table parthive partition(year='2015');

根据条件查询year=2015的数据：

select * from parthive t where t.year='2015';

根据条件统计year=2015的数据：

select count(*) from parthive where year='2015';

六、最后我想说

本期实验就到这里结束了，Hive实验也结束了，学校大数据平台上面基本都是基础知识，后面我会继续更新有关大数据组件的实验，然后再更新大数据综合实验的博客。