hive partition · Hive应用

#hive partition partition是hive提供的一种机制：用户通过指定一个或多个partition key，决定数据存放方式，进而优化数据的查询一个表可以指定多个partition key，每个partition在hive中以文件夹的形式存在。 **实例（static partition）：** ~~~ 编辑文件：/home/work/data/test3.txt; /home/work/data/test4.txt; $ cat /home/work/data/test3.txt 1,zxm 2,ljz 3,cds 4,mac 5,android 6,symbian 7,wp $ cat /home/work/data/test4.txt 8,zxm 9,ljz 10,cds 11,mac 12,android 13,symbian 14,wp ~~~ 建表： ~~~ hive> create table student_tmp(id INT, name STRING) > partitioned by(academy STRING, class STRING) > row format delimited fields terminated by ','; OK Time taken: 6.505 seconds id，name是真实列，partition列academy和class是伪列 ~~~ load数据：(此处直接load数据进partition，在hive 0.6之前的版本，必须先创建好partition，数据才能导入) ~~~ hive> load data local inpath '/home/work/data/test3.txt' into table student_tmp partition(academy='computer', class='034'); Copying data from file:/home/work/data/test3.txt Copying file: file:/home/work/data/test3.txt Loading data to table default.student_tmp partition (academy=computer, class=034) OK Time taken: 0.898 seconds hive> load data local inpath '/home/work/data/test3.txt' into table student_tmp partition(academy='physics', class='034'); Copying data from file:/home/work/data/test3.txt Copying file: file:/home/work/data/test3.txt Loading data to table default.student_tmp partition (academy=physics, class=034) OK Time taken: 0.256 seconds ~~~ 查看hive文件结构： ~~~ $ hadoop fs -ls /user/hive/warehouse/student_tmp/ Found 2 items drwxr-xr-x - work supergroup 0 2012-07-30 18:47 /user/hive/warehouse/student_tmp/academy=computer drwxr-xr-x - work supergroup 0 2012-07-30 19:00 /user/hive/warehouse/student_tmp/academy=physics $ hadoop fs -ls /user/hive/warehouse/student_tmp/academy=computer Found 1 items drwxr-xr-x - work supergroup 0 2012-07-30 18:47 /user/hive/warehouse/student_tmp/academy=computer/class=034 ~~~ 查询数据： ~~~ hive> select * from student_tmp where academy='physics'; OK 1 zxm physics 034 2 ljz physics 034 3 cds physics 034 4 mac physics 034 5 android physics 034 6 symbian physics 034 7 wp physics 034 Time taken: 0.139 seconds ~~~ 以上是static partition的示例，static partition即由用户指定数据所在的partition，在load数据时，指定partition(academy='computer', class='034'); static partition常适用于使用处理时间作为partition key的例子。但是，我们也常常会遇到需要向分区表中插入大量数据，并且插入前不清楚数据归宿的partition，此时，我们需要dynamic partition。使用动态分区需要设置hive.exec.dynamic.partition参数值为true。可以设置部分列为dynamic partition列，例如：partition(academy='computer', class); 也可以设置所有列为dynamic partition列，例如partition(academy, class); 设置所有列为dynamic partition列时，需要设置hive.exec.dynamic.partition.mode=nonstrict 需要注意的是，主分区为dynamic partition列，而副分区为static partition列是不允许的，例如partition(academy, class=‘034’);是不允许的 **示例（dynamic partition）：** ~~~ 建表 hive> create table student(id INT, name STRING) > partitioned by(academy STRING, class STRING) > row format delimited fields terminated by ','; OK Time taken: 0.393 seconds ~~~ 设置参数 ~~~ hive> set hive.exec.dynamic.partition.mode=nonstrict; hive> set hive.exec.dynamic.partition=true; ~~~ 导入数据： ~~~ hive> insert overwrite table student partition(academy, class) > select id,name,academy,class from student_tmp > where class='034'; Total MapReduce jobs = 2 ......... OK Time taken: 29.616 seconds ~~~ 查询数据： ~~~ hive> select * from student where academy='physics'; OK 1 zxm physics 034 2 ljz physics 034 3 cds physics 034 4 mac physics 034 5 android physics 034 6 symbian physics 034 7 wp physics 034 Time taken: 0.165 seconds ~~~ 查看文件： ~~~ $ hadoop fs -ls /user/hive/warehouse/student/ Found 2 items drwxr-xr-x - work supergroup 0 2012-07-30 19:22 /user/hive/warehouse/student/academy=computer drwxr-xr-x - work supergroup 0 2012-07-30 19:22 /user/hive/warehouse/student/academy=physics ~~~ **总结：** hive partition是通过将数据拆分成不同的partition放入不同的文件，从而减少查询操作时数据处理规模的手段。例如，Hive Select查询中，如果没有建partition，则会扫描整个表内容，这样计算量巨大。如果我们在相应维度做了partition，则处理数据规模可能会大大减少。附partition相关参数： hive.exec.dynamic.partition（缺省false）：设置为true允许使用dynamic partition hive.exec.dynamic.partition.mode（缺省strick）：设置dynamic partition模式（nostrict允许所有partition列都为dynamic partition，strict不允许） hive.exec.max.dynamic.partitions.pernode （缺省100）：每一个mapreduce job允许创建的分区的最大数量，如果超过了这个数量就会报错 hive.exec.max.dynamic.partitions （缺省1000）：一个dml语句允许创建的所有分区的最大数量 hive.exec.max.created.files （缺省100000）：所有的mapreduce job允许创建的文件的最大数量 reference: [Dynamic Partitions](https://cwiki.apache.org/Hive/dynamicpartitions.html) [hive中简单介绍分区表(partition table)，含动态分区(dynamic partition)与静态分区(static partition)](http://blog.sina.com.cn/s/blog_6ff05a2c0100tah0.html)