hive 分区之动态静态分区
hive 分区
-
单值分区
静态分区: 分区值是确定的, 新增分区或者是加载分区数据时需要手动指定分区
-
静态分区创建
语法: partition by ( 分区键 类型 , 分区键 类型 )
注: 指定的分区键不能出现在定义的列名中
-
静态分区写入
覆盖写入 --- overwrite INSERT OVERWRITE TABLE <table_name> PARTITION (<partition_key>=<partition_value>[,<partition_key>=<partition_value>, ...]) SELECT <select_statement>; 追加写入 --- into INSERT INTO TABLE <table_name> .... 同上
-
添加分区
//只能添加分区列的值,不能再添加分区列; 若是多个分区列,不能单独添加其中一个 alter table tablename add partition(col=value)
-
删除分区
//可以删除一个分区列,但是会把表中所有包含当前分区列的数据全部删除 alter table tablename drop partition(col=value)
-
修复分区
现象: 手动向hdfs中创建分区目录,添加数据,创建好hive的表之后,无法加载数据 原因: 元数据中没有相应的记录 执行后: Hive会检测如果HDFS目录下存在但表的metastore中不存在的partition元信息,更新到metastore中 篇幅有限, 如果我讲的不是很清楚的话, 请移步大佬博客 https://blog.csdn.net/qq_21050291/article/details/73188666 两字概括: 清晰! msck repair table tablename
动态分区: 分区值是不确定的, 由输入值动态判断目标分区
-
动态分区创建
创建方式与静态分区表完全一样,一张表可同时被静态分区和动态分区键分区,只是动态分区键需要放在静态分区键的后面(HDFS上的动态分区目录下不能包含静态分区的子目录),如下spk即static partition key(静态分区键),dpk为dynamic partition key(动态分区键)
CREATE TABLE <table_name> PARTITIONED BY ([<spk> <data_type>, ... ,] <dpk> <data_type>, [<dpk> <data_type>,...]);
-
动态分区写入
根据表中的某一个列值来确定hdfs存储的目录:
优点:
动态可变,不需要人为控制。
假如设定的是日期,那么每一天的数据会单独存储在一个文件夹中
缺点:
需要依靠MR完成,执行比较慢
静态分区键要用 = 指定分区值;
动态分区只需要给出分出分区键名称
分区相关属性 // 是否允许动态分区 set hive.exec.dynamic.partition=true; // 分区模式设置, strict:至少有一个是静态分区; nostrict:全部是动态分区 //set hive.exec.dynamic.partition.mode=nostrict; // 设置最大分区数 set hive.exec.max.dynamic.partitions=2000; // 单个节点上的mapper/reducer允许创建的最大分区 hive.exec.max.dynamic.partitions.pernode =100 : insert into table1 select 普通字段 分区字段 from table2
-
动态分区严格模式非严格模式
创建方式与静态分区表完全一样 1. 创建一个表添加分区规则 partitioned by(year int,month int,day int) 2. 指定严格模式数据导入 set hive.exec.dynamic.partition.mode=strict; 严格模式: 至少有一个分区是静态分区,且动态分区在静态分区之后 insert into table dyp1 partition(year=2016,month,day) 3. 指定非严格模式数据导入 set hive.exec.dynamic.partition.mode=nostrict; 非严格模式: 可以全部是动态分区 insert into table dyp2 partition(year,month,day)
分区注意细节
-
-
尽量不要用动态分区,因为动态分区的时候,将会为每一个分区分配reducer数量,当分区数量多的时候,reducer数量将会增加,对服务器是一种灾难。
-
动态分区和静态分区的区别,静态分区不管有没有数据都将会创建该分区,动态分区是有结果集将创建,否则不创建。
-
hive动态分区的 hive.exec.dynamic.partition.mode 严格模式(这种严格模式在上述操作已经解释)和 hive 提供的 hive.mapred.mode 的严格模式。
hive提供我们一个严格模式:为了阻止用户不小心提交恶意hql
hive.mapred.mode=nostrict : strict
如果该模式值为strict,将会阻止以下三种查询:
1、对分区表查询,where中过滤字段不是分区字段。 2、笛卡尔积join查询,join查询语句,不带on条件或者where条件。 3、对order by查询,有order by的查询不带limit语句。
-
范围分区
-
单值分区每个分区对应于分区键的一个取值,而每个范围分区则对应分区键的一个区间,只要落在指定区间内的记录都被存储在对应的分区下。分区范围需要手动指定,分区的范围为前闭后开区间 [最小值, 最大值)。最后出现的分区可以使用 MAXVALUE 作为上限,MAXVALUE 代表该分区键的数据类型所允许的最大值
-
多个范围分区键情况
DROP TABLE IF EXISTS test_demo; CREATE TABLE test_demo (value INT) PARTITIONED BY RANGE (id1 INT, id2 INT, id3 INT) ( -- id1在(--∞,5]之间,id2在(-∞,105]之间,id3在(-∞,205]之间 PARTITION p5_105_205 VALUES LESS THAN (5, 105, 205), -- id1在(--∞,5]之间,id2在(-∞,105]之间,id3在(205,215]之间 PARTITION p5_105_215 VALUES LESS THAN (5, 105, 215), PARTITION pall_max values less than (MAXVALUE, MAXVALUE, MAXVALUE) );
-