永州网站建设求职简历,开县做网站,品牌网站建设策,企业营销型网站seo推广分区表和分桶表 文章目录分区表和分桶表分区表语法加载数据增加分区删除分区查看分区表有多少分区查看分区表结构动态分区开启动态分区功能#xff08;默认 true#xff0c;开启#xff09;设置为非严格模式在所有执行 MR 的节点上#xff0c;最大一共可以创建多少个动态分…分区表和分桶表 文章目录分区表和分桶表分区表语法加载数据增加分区删除分区查看分区表有多少分区查看分区表结构动态分区开启动态分区功能默认 true开启设置为非严格模式在所有执行 MR 的节点上最大一共可以创建多少个动态分区。默认 1000在每个执行 MR 的节点上最大可以创建多少个动态分区。整个 MR Job 中最大可以创建多少个 HDFS 文件。默认 100000当有空分区生成时是否抛出异常分桶表创建分桶表查看表结构导入数据分桶规则区别分区表
分区表实际上就是对应一个 HDFS 文件系统上的独立的文件夹该文件夹下是该分区所有的数据文件。 Hive 中的分区就是分目录把一个大的数据集根据业务需要分割成小的数据集。在查询时通过 WHERE 子句中的表达式选择查询所需要的指定的分区这样的查询效率会提高很多所以我们需要把常常用在 WHERE 语句中的字段指定为表的分区字段。 这样查询时只要扫描需要的文件即可
语法
create table dept_partition(
deptno int, dname string, loc string
)
partitioned by (day string)
row format delimited fields terminated by \t;注意分区字段不能是表中已经存在的数据可以将分区字段看作表的伪列。
加载数据
load data local inpath /opt/text.txt into table dept_partition partition(fieldxxxx);注意分区表加载数据时必须指定分区
增加分区
增加单个
alter table dept_partition add partition(fieldxxxx);增加多个(无逗号)
alter table dept_partition add partition(fieldxxxx) partition(fieldyyyy);删除分区
删除单个
alter table dept_partition drop partition (fieldxxxx);删除多个有逗号
alter table dept_partition drop partition (fieldxxxx), partition(fieldyyyy);查看分区表有多少分区
show partitions dept_partition;查看分区表结构
desc formatted dept_partition;动态分区
关系型数据库中对分区表 Insert 数据时候数据库自动会根据分区字段的值将数据插入到相应的分区中Hive 中也提供了类似的机制即动态分区(Dynamic Partition)只不过使用 Hive 的动态分区需要进行相应的配置。
开启动态分区功能默认 true开启
set hive.exec.dynamic.partitiontrue;设置为非严格模式 动态分区的模式默认 strict表示必须指定至少一个分区为静态分区nonstrict 模式表示允许所有的分区字段都可以使用动态分区。 set hive.exec.dynamic.partition.modenonstrict;在所有执行 MR 的节点上最大一共可以创建多少个动态分区。默认 1000
set hive.exec.max.dynamic.partitions1000;在每个执行 MR 的节点上最大可以创建多少个动态分区。 该参数需要根据实际的数据来设定。比如源数据中包含了一年的数据即 day 字段有365 个值那么该参数就需要设置成大于 365如果使用默认值 100则会报错。 set hive.exec.max.dynamic.partitions.pernode100;整个 MR Job 中最大可以创建多少个 HDFS 文件。默认 100000
set hive.exec.max.created.files100000;当有空分区生成时是否抛出异常 一般不需要设置。默认 false set hive.error.on.empty.partitionfalse;分桶表
分区提供一个隔离数据和优化查询的便利方式。不过并非所有的数据集都可形成合理的分区。对于一张表或者分区Hive 可以进一步组织成桶也就是更为细粒度的数据范围划分。分桶是将数据集分解成更容易管理的若干部分的另一个技术。 分区针对的是数据的存储路径分桶针对的是数据文件。
创建分桶表
create table stu_buck(id int, name string
)
clustered by(id) into 4 buckets
row format delimited fields terminated by \t;查看表结构
desc formatted stu_buck;导入数据
load data inpath /student.txt into table stu_buck;分桶规则 Hive 的分桶采用对分桶字段的值进行哈希然后除以桶的个数求余的方式决定该条记录存放在哪个桶当中 1reduce 的个数设置为-1让 Job 自行决定需要用多少个 reduce 或者将 reduce 的个数设置为大于等于分桶表的桶数 2从 hdfs 中 load 数据到分桶表中避免本地文件找不到问题 3不要使用本地模式
区别
分区表是指按照数据表的某列或某些列分为多个区区从形式上可以理解为文件夹。 分桶是相对分区进行更细粒度的划分。分桶将整个数据内容按照某列属性值的hash值进行区分如果按照name 属性分为3个桶就是对name属性值的hash值对3取模按照取模结果对数据分桶。如取模结果为0的数据记录存放到一个文件取模为1的数据存放到一个文件取模为2的数据存放到一个文件。
从表现形式形式上 分区表是一个目录分桶表是文件。 从创建语句上 分区表使用partitioned by 子句指定以指定字段为伪列需要指定字段类型。 分桶表由clustered by 子句指定指定字段为真实字段需要指定桶的个数。 从数量上 分区表的分区个数可以增长分桶表一旦指定不能增长。 作用上 分区避免全表扫描根据分区列查询指定目录提高查询速度 分桶保存分桶查询结果的分桶结构数据已经按照分桶字段进行了hash散列) 分桶表数据进行抽样和join时可以提高MR程序效率
