Hive分区表学习总结

我的原创地址：https://dongkelun.com/2018/12/02/hivePartitionTable/

前言

用了这么久的Hive，而没有认真的学习和使用过Hive的分区，现在学习记录一下。

• 分区表一般在数据量比较大，且有明确的分区字段时使用，这样用分区字段作为查询条件查询效率会比较高。

• Hive分区分为静态分区和动态分区

1、建表语句

先用一个有分区字段的分区表进行学习，静态分区和动态分区的建表语句是一样的。

create table test_partition ( id string comment 'ID', name string comment '名字' ) comment '测试分区' partitioned by (year int comment '年') ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' ; 

2、插入语句

静态分区和动态分区的插入数据的语句是不一样的，所以分开

2.1 静态分区

静态分区是在语句中指定分区字段为某个固定值，多次重复插入数据是为了看看数据如何在hdfs上存储的。

2.1.1 insert into

insert into table test_partition partition(year=2018) values ('001','张三'); insert into table test_partition partition(year=2018) values ('001','张三'); insert into table test_partition partition(year=2018) values ('002','李四'); 

2.1.2 load data

data.txt

002,李四 003,王五 

load data local inpath '/root/dkl/data/data.txt' into table test_partition partition (year =2018); load data local inpath '/root/dkl/data/data.txt' into table test_partition partition (year =2018); load data local inpath '/root/dkl/data/data.txt' into table test_partition partition (year =2017); 

2.1.3 查询及结果

2.1.4 hdfs存储形式

分区2018的路径为

/apps/hive/warehouse/dkl.db/test_partition/year=2018 

• /apps/hive/warehouse 为hive的仓库路径
• dkl.db dkl为数据库名称
• test_partition为表名
• year为分区字段名

2.2 动态分区

2.2.1 insert into

insert into table test_partition partition(year) values ('001','张三',2016); 

动态分区默认不开启，执行上面的语句会报错：

insert into table test_partition partition(year) values ('001','张三',2016); FAILED: SemanticException [Error 10096]: Dynamic partition strict mode requires at least one static partition column. To turn this off set hive.exec.dynamic.partition.mode=nonstrict 

开启：

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

然后再执行就可以了

注：上面的命令是临时生效，退出hive重新进hive需要重新执行上面的命令，才能动态分区

2.2.2 load data

不能使用load data进行动态分区插入
data.txt

002,李四,2015 003,王五,2014 

load data local inpath '/root/dkl/data/data.txt' into table test_partition partition (year); 

hive> load data local inpath '/root/dkl/data/data.txt' into table test_partition partition (year); FAILED: NullPointerException null 

可以使用另一种方法解决

首先创建没有分区的表

create table test ( id string comment 'ID', name string comment '名字', year int comment '年' ) comment '测试' ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' ; 

先将数据load进test表

load data local inpath '/root/dkl/data/data.txt' into table test; 

然后从表test，动态分区插入test_partition中

insert into table test_partition partition(year) select * from test; 

如果后面select具体字段的话，需要保证顺序一致，把分区字段放在最后。

insert into table test_partition partition(year) select id,name,year from test; 

3、查看分区信息

show partitions test_partition; 

hive> show partitions test_partition; OK year=2017 year=2018 Time taken: 0.719 seconds, Fetched: 2 row(s) 

4、添加分区字段

查了一下，不能添加新的分区字段

4.1 添加新分区

alter table test_partition add partition (year=2012); 

这样就会新建对应的hdfs路径下一个year=2012的文件夹

当然也可以指定localtion,这样就不会在默认的路径下建立文件夹了

alter table test_partition add partition (year=2010) location '/tmp/dkl'; 

这样如果/tmp/dkl文件夹不存在的话就会新建文件夹，如果存在就会把该文件夹下的所有的文件加载到Hive表，有一点需要注意，如果删除该分区的话，对应的文件夹也会删掉，删除语法请参考后面的第6部分。

4.2 添加非分区字段

alter table test_partition add columns(age int); 

这样新加的字段是在非分区字段的最后，在分区字段之前

不过这里有一个bug，就是往表里新插入数据后，新增的age字段查询全部显示为NULL（其实数据已经存在）：

• 新增加的分区是不存在这个bug的，比如之前没有year=2011这个分区，那么新增的话不会存在bug
• 分区在添加age字段之前已存在（即使该分区下没有任何数据），bug存在
  解决方法：
  对已存在的分区执行下面的sql即可,以分区2018为例

alter table test_partition partition(year=2018) add columns(age int); 

5、多个分区字段

以两个分区字段为例

5.1 建表

create table test_partition2 ( id string comment 'ID', name string comment '名字' ) comment '测试两个分区' partitioned by (year int comment '年',month int comment '月') ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' ; 

5.2 HDFS存储格式

看一下多个分区的的表如何在HDFS上存储的，用静态分区的形式插入一条记录：

insert into table test_partition2 partition(year=2018,month=12) values ('001','张三'); 

/apps/hive/warehouse/dkl.db/test_partition2/year=2018/month=12 

6、删除分区

只能删除某个分区，如删除分区2018，而不能删除整个分区year字段。

6.1 单分区表

alter table test_partition drop partition(year=2018); 

6.2 多分区表

6.2.1 删除year=2018,month=12

alter table test_partition2 drop partition(year=2018,month=12); 

6.2.2 删除year=2018

year=2018所有的月份都会删除

alter table test_partition2 drop partition(year=2018); 

6.2.3 删除month=10

所有月份等于10的分区都会删除，无论year=2018,还是year=2017…

alter table test_partition2 drop partition(month=10); 

参考

• hive分区表详细介绍
• hive分区表添加字段问题

相关阅读

Hive内部表和外部表