Hive 分区之静态与动态分区

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

  1. 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

  2. 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
     

  3. 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)
     

  4. 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)
     

  5. 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

  1. 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>,...]);
     

  2. 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
     

  3. 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

1. 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。

2. 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。

3. 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)
    );