分区是hive存放数据的一种方式。将列值作为目录来存放数据,就是一个分区。这样查询时使用分区列进行过滤,只需根据列值直接扫描对应目录下的数据,不扫描其他不关心的分区,快速定位,提高查询效率。分动态和静态分区两种:
1、静态分区:若分区的值是确定的,那么称为静态分区。新增分区或者是加载分区数据时,已经指定分区名。
createtableifnotexistsday_part1( uidint, unamestring ) partitionedby(yearint,monthint) rowformatdelimitedfieldsterminatedby'\t'; ##加载数据指定分区 loaddatalocalinpath'/root/Desktop/student.txt'intotableday_part1partition(year=2017,month=04); ##新增分区指定分区名 altertableday_part1addpartition(year=2017,month=1)partition(year=2016,month=12);
2、动态分区:分区的值是非确定的,由输入数据来确定
2.1动态分区的相关属性:
hive.exec.dynamic.partition=true:是否允许动态分区
hive.exec.dynamic.partition.mode=strict:分区模式设置
strict:最少需要有一个是静态分区
nostrict:可以全部是动态分区
hive.exec.max.dynamic.partitions=1000:允许动态分区的最大数量
hive.exec.max.dynamic.partitions.pernode=100:单个节点上的mapper/reducer允许创建的最大分区
2.2动态分区的操作
##创建临时表 createtableifnotexiststmp (uidint, commentidbigint, recommentidbigint, yearint, monthint, dayint) rowformatdelimitedfieldsterminatedby'\t'; ##加载数据 loaddatalocalinpath'/root/Desktop/comm'intotabletmp; ##创建动态分区表 createtableifnotexistsdyp1 (uidint, commentidbigint, recommentidbigint) partitionedby(yearint,monthint,dayint) rowformatdelimitedfieldsterminatedby'\t'; ##严格模式 insertintotabledyp1partition(year=2016,month,day) selectuid,commentid,recommentid,month,dayfromtmp; ##非严格模式 ##设置非严格模式动态分区 sethive.exec.dynamic.partition.mode=nostrict; ##创建动态分区表 createtableifnotexistsdyp2 (uidint, commentidbigint, recommentidbigint) partitionedby(yearint,monthint,dayint) rowformatdelimitedfieldsterminatedby'\t'; ##为非严格模式动态分区加载数据 insertintotabledyp2partition(year,month,day) selectuid,commentid,recommentid,year,month,dayfromtmp;
3、分区注意细节
(1)、尽量不要用动态分区,因为动态分区的时候,将会为每一个分区分配reducer数量,当分区数量多的时候,reducer数量将会增加,对服务器是一种灾难。
(2)、动态分区和静态分区的区别,静态分区不管有没有数据都将会创建该分区,动态分区是有结果集将创建,否则不创建。
(3)、hive动态分区的严格模式和hive提供的hive.mapred.mode的严格模式。
hive提供我们一个严格模式:为了阻止用户不小心提交恶意hql
hive.mapred.mode=nostrict:strict
如果该模式值为strict,将会阻止以下三种查询:
(1)、对分区表查询,where中过滤字段不是分区字段。
(2)、笛卡尔积join查询,join查询语句,不带on条件或者where条件。
(3)、对orderby查询,有orderby的查询不带limit语句。