【赵渝强老师】Hive的分区表

Hive的分区表跟Oracle、MySQL中分区表的概念是一样的。当表上建立了分区，就会根据分区的条件从物理存储上将表中的数据进行分隔存储。而当执行查询语句时候，也会根据分区的条件扫描特定分区中的数据，从而避免全表扫描以提高查询的效率。Hive分区表中的每个分区将会在HDFS上创建一个目录，分区中的数据则是该目录下的文件。在执行查询语句时，可以通过SQL的执行计划了解到是否在查询的时候扫描的特定的分区。视频讲解如下：
https://www.bilibili.com/video/BV1ET42167Q3/?aid=1706316500&c...

注意：Hive的分区表具体又可以分为：静态分区表和动态分区表。

一、【实战】使用Hive的静态分区表

静态分区表需要在插入数据的时候显式指定分区的条件。下面通过具体的步骤来演示如何创建并使用Hive的静态分区表。视频讲解如下：

https://www.bilibili.com/video/BV1gT421r7a8/?aid=1706485248&c...
（1）创建静态分区表。

hive> create table emp_part
      (empno int,
      ename string,
      job string,
      mgr int,
      hiredate string,
      sal int,
      comm int)
      partitioned by (deptno int)
      row format delimited fields terminated by ',';

（2）往静态分区表中插入数据时，需要指定具体的分区条件。下面的语句使用了三条insert语句分别从内部表中查询出了10、20和30号部门的员工数据，并插入到分区表中，如下图所示。

hive> insert into table emp_part partition(deptno=10) 
      select empno,ename,job,mgr,hiredate,sal,comm from emp where deptno=10;

hive> insert into table emp_part partition(deptno=20) 
      select empno,ename,job,mgr,hiredate,sal,comm from emp where deptno=20;

hive> insert into table emp_part partition(deptno=30) 
      select empno,ename,job,mgr,hiredate,sal,comm from emp where deptno=30;

（3）通过explain语句查看SQL的执行计划，如查询10号部门的员工信息。通过执行计划，可以看出扫描的数据量大小是118B。如下图所示。

（4）下图是查询普通的内部表的执行计划，可以看出扫描的数据量大小是6290B。

二、使用Hive的动态分区表

动态分区表则可以根据插入的数据动态建立分区。下面通过具体的步骤来演示如何创建并使用Hive的动态分区表。

注意：Hive的动态分区表默认使用最后一个字段作为分区名，需要分区的字段只能放在后面，不能把顺序弄错。向动态分区表中插入数据时，Hive是根据查询字段的位置推断分区名的，而不是字段名称。

（1）启动动态分区。

hive> set hive.exec.dynamic.partition =true;
hive> set hive.exec.dynamic.partition.mode = nonstrict;

注意：参数hive.exec.dynamic.partition的默认值是false，表示禁用动态分区功能；参数hive.exec.dynamic.partition.mode的默认值是strict，表示必须有静态分区字段。

（2）据员工的job建立单字段动态分区表。

hive> create table dynamic_part_emp
      (empno int,ename string,sal int)
      partitioned by (job string);

视频讲解如下：
https://www.bilibili.com/video/BV1vM4m1y7G1/?aid=1306329087&c...

（3）向dynamic_part_emp分区表中插入数据。

hive> insert into table dynamic_part_emp 
      select empno,ename,sal,job from emp;

注意：这里将会使用查询语句的最后一个字段job作为动态分区的条件。

（4）创建半自动分区表。

hive> create table dynamic_part_emp1
      (empno int,ename string,sal int)
      partitioned by (deptno int,job string); 

视频讲解如下：
https://www.bilibili.com/video/BV1DCe2efEoq/?aid=112840434320...

注意：半自动分区表是指部分字段采用静态分区，而另一部分自动采用动态分区，且静态分区字段要在动态分区前面。

（5）向dynamic_part_emp1分区表中插入数据。

hive> insert into table dynamic_part_emp1 partition(deptno=10,job) 
      select empno,ename,sal,job from emp where deptno=10;

注意：由于部门号deptno采用静态分区，因此需要在插入数据的时候指定deptno作为静态分区的条件；而这里的job采用的动态分区。

（6）创建多字段全动态分区表。

hive> create table dynamic_part_emp2
     (empno int,ename string,sal int)
     partitioned by (deptno int,job string);

视频讲解如下：
https://www.bilibili.com/video/BV1kveReTEA8/?aid=112843873587...

（7）向dynamic_part_emp2分区表中插入数据。

hive> insert into table dynamic_part_emp2 
      select empno,ename,sal,deptno,job from emp;

注意：这里会根据deptno和job两个字段来创建动态分区。