Hive的动态分区

2018-02-08 10:20:59来源:oschina作者:仔仔1993人点击

分享

关系型数据库(如Oracle)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。


先看一个应用场景,源表t_lxw1234的数据如下:


SELECT day,url FROM t_lxw1234;
2015-05-10 url1
2015-05-10 url2
2015-06-14 url1
2015-06-14 url2
2015-06-15 url1
2015-06-15 url2
……

目标表为:

CREATE TABLE t_lxw1234_partitioned (
url STRING
) PARTITIONED BY (month STRING,day STRING)
stored AS textfile;

需求:将t_lxw1234中的数据按照时间(day),插入到目标表t_lxw1234_partitioned的相应分区中。


如果按照之前介绍的往指定一个分区中Insert数据,那么这个需求很不容易实现。


这时候就需要使用动态分区来实现,使用动态分区需要注意设定以下参数:

hive.exec.dynamic.partition

默认值:false


是否开启动态分区功能,默认false关闭。


使用动态分区时候,该参数必须设置成true;

hive.exec.dynamic.partition.mode

默认值:strict


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。


一般需要设置为nonstrict

hive.exec.max.dynamic.partitions.pernode

默认值:100


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。

hive.exec.max.dynamic.partitions

默认值:1000


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。


同上参数解释。

hive.exec.max.created.files

默认值:100000


整个MR Job中,最大可以创建多少个HDFS文件。


一般默认值足够了,除非你的数据量非常大,需要创建的文件数大于100000,可根据实际情况加以调整。

hive.error.on.empty.partition

默认值:false


当有空分区生成时,是否抛出异常。


一般不需要设置。

那么,上面的需求可以使用如下的语句来完成:

SET hive.exec.dynamic.partition=true;
SET hive.exec.dynamic.partition.mode=nonstrict;
SET hive.exec.max.dynamic.partitions.pernode = 1000;
SET hive.exec.max.dynamic.partitions=1000;INSERT overwrite TABLE t_lxw1234_partitioned PARTITION (month,day)
SELECT url,substr(day,1,7) AS month,day
FROM t_lxw1234;

注意:在PARTITION (month,day)中指定分区字段名即可;


在SELECT子句的最后两个字段,必须对应前面PARTITION (month,day)中指定的分区字段,包括顺序。


执行结果如下:


Loading data to table liuxiaowen.t_lxw1234_partitioned partition (month=null, day=null)


Loading partition {month=2015-05, day=2015-05-10}


Loading partition {month=2015-06, day=2015-06-14}


Loading partition {month=2015-06, day=2015-06-15}


Partition liuxiaowen.t_lxw1234_partitioned{month=2015-05, day=2015-05-10} stats: [numFiles=1, numRows=2, totalSize=10, rawDataSize=8]


Partition liuxiaowen.t_lxw1234_partitioned{month=2015-06, day=2015-06-14} stats: [numFiles=1, numRows=2, totalSize=10, rawDataSize=8]


Partition liuxiaowen.t_lxw1234_partitioned{month=2015-06, day=2015-06-15} stats: [numFiles=1, numRows=2, totalSize=10, rawDataSize=8]

使用show partitions t_lxw1234_partitioned;查看目标表有哪些分区:


hive> show partitions t_lxw1234_partitioned;


OK


month=2015-05/day=2015-05-10


month=2015-06/day=2015-06-14


month=2015-06/day=2015-06-15

最新文章

123

最新摄影

闪念基因

微信扫一扫

第七城市微信公众平台