hive-分区表

1 分区表

[PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)]

1.1 分区表

在建表时，指定了PARTITIONED BY ，这个表称为分区表
PARTITIONED BY 以什么分区

1.2 分区概念

MR： 在MapTask输出key-value时，为每个key-value计算一个区号，同一个分区的数据，会被同一个reduceTask处理
这个分区的数据，最终生成一个结果文件！
通过分区，将MapTask输出的key-value经过reduce后，分散到多个不同的结果文件中！
Hive: 将表中的数据，分散到表目录下的多个子目录(分区目录)中

1.3 分区意义

• 分区的目的是为了就数据，分散到多个子目录中，在执行查询时，可以只选择查询某些子目录中的数据，加快查询效率！
• 只有分区表才有子目录(分区目录)
• 分区目录的名称由两部分确定： 分区列列名=分区列列值
• 将输入导入到指定的分区之后，数据会附加上分区列的信息！
• 分区的最终目的是在查询时，使用分区列进行过滤！

2 分区表操作

2.1 创建分区表

多级分区表，有多个分区字段
create external table if not exists learnwork.deptpart2(
deptno int,
dname string,
loc int
)
PARTITIONED BY(area string,province string)
row format delimited fields terminated by '\t';

---

create external table if not exists learnwork.deptpart3(
deptno int,
dname string,
loc int
)
PARTITIONED BY(area string)
row format delimited fields terminated by '\t'
location 'hdfs://hadoop101:9000/deptpart3';

2.2 分区的查询

show partitions 表名

2.3 创建分区

1. alter table 表名 add partition(分区字段名=分区字段值) ;

   • 在hdfs上生成分区路径
   • 在mysql中metastore.partitions表中生成分区的元数据
2. 直接使用load命令向分区加载数据，如果分区不存在，load时自动帮我们生成分区
3. 如果数据已经按照规范的格式，上传到了HDFS，可以使用修复分区命令自动生成分区的元数据
   msck repair table 表名;

注意事项：

1. 如果表是个分区表，在导入数据时，必须指定向哪个分区目录导入数据
2. 如果表是多级分区表，在导入数据时，数据必须位于最后一级分区的目录