ITPub博客

首页 > 大数据 > 数据分析 > 好程序员大数据开发之掌握Hive的静态分区与动态分区

好程序员大数据开发之掌握Hive的静态分区与动态分区

原创 数据分析 作者:好程序员IT 时间:2019-03-29 15:27:49 0 删除 编辑

  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''

 

  ;

 

  ## 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'';

 

  ## 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''

 

  ;

 

  ## 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'';

 

  ## 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) 、尽量不要是用动态分区,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。



来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/69913892/viewspace-2639741/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论
欢迎关注公众号:好程序员特训营 web前端教程分享 723729549 大数据教程分享 703503210

注册时间:2019-03-20

  • 博文量
    539
  • 访问量
    338414