Hive分桶查询和其他查询函数

最新推荐文章于 2023-02-27 09:49:08 发布

旭cooler

最新推荐文章于 2023-02-27 09:49:08 发布

阅读量511

点赞数

分类专栏： Hive 文章标签： hive

本文链接：https://blog.csdn.net/weixin_43799054/article/details/105225418

版权

本文详细介绍了Hive中的分桶表数据存储和抽样查询，以及空字段赋值、时间类函数、CASE WHEN、行转列和列转行等其他常用查询函数的应用。通过实例展示了如何创建分桶表、执行抽样查询以及如何处理空值、格式化时间、转换数据格式等操作。

摘要由CSDN通过智能技术生成

分桶及抽样查询

分桶表数据存储

分区针对的是数据的存储路径；分桶针对的是数据文件。

分区提供一个隔离数据和优化查询的便利方式。不过，并非所有的数据集都可形成合理的分区，特别是之前所提到过的要确定合适的划分大小这个疑虑。

分桶是将数据集分解成更容易管理的若干部分的另一个技术。

1．先创建分桶表，通过直接导入数据文件的方式

（1）数据准备

student.txt

1001	ss1
1002	ss2
1003	ss3
1004	ss4
1005	ss5
1006	ss6
1007	ss7
1008	ss8
1009	ss9
1010	ss10
1011	ss11
1012	ss12
1013	ss13
1014	ss14
1015	ss15
1016	ss16

（2）创建分桶表

create table stu_buck(id int, name string)
clustered by(id)
into 4 buckets
row format delimited fields terminated by '\t';

（3）查看表结构

hive (default)> desc formatted stu_buck;
Num Buckets:            4

（4）导入数据到分桶表中

hive (default)> load data local inpath '/root/datas/stu_bucket.txt' into table stu_buck;

（5）查看创建的分桶表

发现并没有分桶成四个文件，这是因为我们是使用的load加载方式，这是直接把本地文件上传到hdfs中，这种方式是不会帮你分桶的，试一下使用insert方式

首先清空原来的表

hive (default)> truncate table stu_buck;

新建一个stu表

hive (default)> create table stu(id int,name string)
              > row format delimited fields terminated by '\t';

导入数据

hive (default)> load data local inpath '/root/datas/stu_bucket.txt' into table stu;

将stu表中的数据导入到stu_buck里面去

hive (default)> insert into table stu_buck
              > select * from stu;

继续查看

还是只有一个文件

我们再给它设置几个属性，再试一次

hive (default)> set hive.enforce.bucketing=true;
hive (default)> set mapreduce.job.reduces=-1;
hive (default)> truncate table stu_buck;
hive (default)> insert into table stu_buck
              > select * from stu;