Hive Bucketed Tables 分桶表

1. 概念

  • 分桶表也叫做桶表,是一种用于优化查询而设计的表类型。
  • 分桶表对应的数据文件在底层会被分解为若干个部分(拆分成若干个独立的小文件)
  • 在分同时,要指定根据哪个字段将数据分为几个桶(几个部分)

2. 规则

桶编号相同的数据会被分到同一个桶当中,hash_function取决于分桶字段bucketing_column的类型,如果bucketing_cloumn类型是复杂类型或则String,则将使用该类型派生的某个数字比如:hashcode。

Bucket number = hash_function(bucketing_column) mod num_buckets
//分桶编号 = 哈希方法(分桶字段) 取模 分桶个数

标准建表语法树中,分桶的字段必须是表中已经存在的字段。

//结构
[clustered by(col_name,col_name,...)[sorted by (col_name[ASC|DESC],...)] into num_buckets buckets]
//案例
create table Fentong_tablename(
	count_date string,
	country string,
	state string,
	fips int,
	cases int,
	deaths int)
clustered by(state)
sorted by (cases desc) into 5 buckets;

3. 分桶表数据加载

# 1. 开启分桶的功能,从Hive2.0开始不再需要设置
set hive.enforce.bucketing=true;
# 2. 把数据源加载到普通hive表中
drop table if exists Putong_tablename;
create table Putong_tablename(
	count_date string,
	country string,
	state string,
	fips int,
	cases int,
	deaths int)
	row format delimited fields terminated by ",";
# 3. 将数据源上传到HDFS,表名对应的路径下
hadoop fs -put us-covid19-counties.dat
/user/hive/warehouse/dbname.db/Putong_tablename
# 4. 使用insert+select语法将数据从普通表加载到分桶表中
insert into Fentong_tablename select * from Putong_tablename;

4. 分桶表使用好处

  1. 基于分桶字段查询时,减少全表扫描
  2. JOIN时可以提高MR程序效率,减少笛卡尔积数量
  3. 分桶表数据进行高校抽样
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Hive中的分区分桶是用来提高查询性能和管理数据的两种技术。 分区是将数据按照某个列的值进行分区存储的。通过将数据分散存储在不同的分区中,可以减少查询时需要扫描的数据量,提高查询效率。创建分区的语法是使用ALTER TABLE语句,并指定分区的列和值。删除分区可以使用ALTER TABLE语句的DROP PARTITION子句。可以使用DESC FORMATTED命令查看分区的结构,使用SELECT语句查询分区的数据。\[1\] 分桶是将数据按照哈希函数的结果进行分桶存储的分桶可以提高数据的读取和查询效率,特别是在进行连接操作时。创建分桶的语法是使用CLUSTERED BY子句指定分桶的列,并使用INTO子句指定分桶的数量。可以使用INSERT INTO TABLE语句将数据导入分桶。\[2\] 在Hive 0.x和1.x版本中,需要设置hive.enforce.bucketing=true来强制分桶,以便程序可以根据结构自动选择正确数量的Reducer和cluster by column来进行分桶。可以使用CTAS语句将数据从一个复制到分桶中。\[3\] 总结起来,分区分桶都是用来提高查询性能和管理数据的技术,分区是按照某个列的值进行分区存储,而分桶是按照哈希函数的结果进行分桶存储。 #### 引用[.reference_title] - *1* *2* [大数据Hive(七)_ 分区分桶](https://blog.csdn.net/m0_52968216/article/details/128667517)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [Hive分区分桶](https://blog.csdn.net/mxk4869/article/details/125635202)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值