1.分区表
假如有一日志文件,其中每条记录都包含一个时间戳。我们根据日期来对他进行分区,那么同一天的记录就会被存放在同一个分区中。
- 为避免产生过多小文件,建议只对离散字段分区。
- 使用分区并不会影响大范围查询的执行,仍然可以跨分区查询。
- 分区实质:在数据表文件夹下再次创建分区文件夹
2.子分区
在日期分区的基础上,还可以根据国家对每个分区进行子分区,以加快根据地理位置的查询。
子分区的实质:在分区目录下创建子分区目录。
分区在创建表时用partitioned by定义,创建表后可以使用alter table语句来增加或移除分区。
create table logs (ts bigint,line string) partitioned by (dt string,country string) Row Format Delimited Fields Terminated By ‘\t’ ;
Load数据时,显示指定分区值:
load data local inpath ‘/root/hive/file2‘ into table logs partition (dt=‘2001-01-01‘,country=‘GB‘);
更多数据文件加载到logs表之后,目录结构:
日志表中:两个日期分区 + 两个国家分区。数据文件则存放在底层目录中。
/user/hive/warehouse/logs /dt=2010-01-01/country=GB/file1 /file2 /country=US/file3 /dt=2010-01-02/country=GB/file4 /country=US/file5 /file6
使用show partitions logs命令获得logs表中有那些分区:
dt=2001-01-01/country=GB
dt=2001-01-01/country=US
dt=2001-01-02/country=GB
dt=2001-01-02/country=US
显示表的结构信息:Describe logs;
ts bigint line string dt string country string # Partition Information # col_name data_type comment dt string country string
- 需要注意,Partitioned by子句中的列定义是表中正式的列,称为“分区列”partition column。
- 但是,数据文件并不包含这些列的值,因为他们源于目录名。
- 可以在select语句中以普通方式使用分区列。Hive会对输入进行修剪,从而只扫描相关的分区。
select ts,dt,line from logs where country=‘GB‘;
将只扫描file1,file2,file4。
- 还要注意,这个查询返回dt分区列的值。这个值是Hive从目录名中读取。
时间: 2024-11-10 16:08:59