大数据开发学习之Hive的静态分区与动态分区

lnh2017 · · 220 次点击 · · 开始浏览    

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。

create table if not exists day_part1(
  uid int,
  uname string
  )
  partitioned by(year int,month int)
  row format delimited fields terminated by '\t';
 
  ##加载数据指定分区
 
  load data local inpath '/root/Desktop/student.txt' into table day_part1 partition(year=2017,month=04);
 
  ##新增分区指定分区名
 
  alter table day_part1 add partition(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
 
  create table if not exists tmp
 
  (uid int,
 
  commentid bigint,
 
  recommentid bigint,
 
  year int,
 
  month int,
 
  day int)
 
  row format delimited fields terminated by '\t';
 
  ##加载数据
 
  load data local inpath '/root/Desktop/comm' into table tmp;
 
  ##创建动态分区表
 
  create table if not exists dyp1
 
  (uid int,
 
  commentid bigint,
 
  recommentid bigint)
 
  partitioned by(year int,month int,day int)
 
  row format delimited fields terminated by '\t';
 
  ##严格模式
 
  insert into table dyp1 partition(year=2016,month,day)
 
  select uid,commentid,recommentid,month,day from tmp;
 
  ##非严格模式
 
  ##设置非严格模式动态分区
 
  set hive.exec.dynamic.partition.mode=nostrict;
 
  ##创建动态分区表
 
  create table if not exists dyp2
 
  (uid int,
 
  commentid bigint,
 
  recommentid bigint)
 
  partitioned by(year int,month int,day int)
 
  row format delimited fields terminated by '\t';
 
  ##为非严格模式动态分区加载数据
 
  insert into table dyp2 partition(year,month,day)
 
  select uid,commentid,recommentid,year,month,day from tmp;

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order by查询,有order by的查询不带limit语句。

220 次点击  
加入收藏 微博
添加一条新回复 (您需要 登录 后才能回复 没有账号 ?)
  • 请尽量让自己的回复能够对别人有帮助
  • 支持 Markdown 格式, **粗体**、~~删除线~~、`单行代码`
  • 支持 @ 本站用户;支持表情(输入 : 提示),见 Emoji cheat sheet
  • 图片支持拖拽、截图粘贴等方式上传