hive 分区表和分桶表
1、创建分区表
- hive> create table weather_list(year int,data int) partitioned by (createtime string,area string) row format delimited fields terminated by ",";
修改表:
- hive> alter table weather_list change data new_data int;
- hive> alter table weather_list change year new_year int;
1.1、加载数据
- hive> load data local inpath '/home/hadoop/sampler/w2.csv' into table weather_list partition(createtime='2011-01-01',area='bj');
- Loading data to table busdata.weather_list partition (createtime=2011-01-01, area=bj)
- OK
- Time taken: 1.455 seconds
- hive> load data local inpath '/home/hadoop/sampler/w3.csv' into table weather_list partition(createtime='2011-01-02',area='sc');
- Loading data to table busdata.weather_list partition (createtime=2011-01-02, area=sc)
- OK
- Time taken: 1.394 seconds
- hive> load data local inpath '/home/hadoop/sampler/w4.csv' into table weather_list partition(createtime='2011-01-03',area='tj');
- Loading data to table busdata.weather_list partition (createtime=2011-01-03, area=tj)
- OK
- Time taken: 1.568 seconds
- hive> load data local inpath '/home/hadoop/sampler/w4.csv' into table weather_list partition(createtime='2011-01-04',area='sz');
- Loading data to table busdata.weather_list partition (createtime=2011-01-04, area=sz)
- OK
- Time taken: 1.209 seconds
- hive> load data local inpath '/home/hadoop/sampler/w5.csv' into table weather_list partition(createtime='2011-01-05',area='gz');
- Loading data to table busdata.weather_list partition (createtime=2011-01-05, area=gz)
- OK
- Time taken: 1.148 seconds
- hive> load data local inpath '/home/hadoop/sampler/w5.csv' into table weather_list partition(createtime='2011-01-01',area='gz');
- Loading data to table busdata.weather_list partition (createtime=2011-01-01, area=gz)
- OK
- Time taken: 1.278 seconds
partition的分区字段体现在存储目录上,与文件中的实际存储字段没有关系。
- hive> dfs -ls /hive/warehouse/busdata.db/weather_list/createtime=2011-01-01/area=gz;
- Found 6 items
- -rw-r--r-- 1 hadoop supergroup 18018 2019-03-05 22:14 /hive/warehouse/busdata.db/weather_list/createtime=2011-01-01/area=gz/w1.csv
- -rw-r--r-- 1 hadoop supergroup 18022 2019-03-05 22:14 /hive/warehouse/busdata.db/weather_list/createtime=2011-01-01/area=gz/w2.csv
- -rw-r--r-- 1 hadoop supergroup 18028 2019-03-05 22:14 /hive/warehouse/busdata.db/weather_list/createtime=2011-01-01/area=gz/w3.csv
- -rw-r--r-- 1 hadoop supergroup 18022 2019-03-05 22:14 /hive/warehouse/busdata.db/weather_list/createtime=2011-01-01/area=gz/w4.csv
- -rw-r--r-- 1 hadoop supergroup 18027 2019-03-05 22:12 /hive/warehouse/busdata.db/weather_list/createtime=2011-01-01/area=gz/w5.csv
- -rw-r--r-- 1 hadoop supergroup 18027 2019-03-05 22:14 /hive/warehouse/busdata.db/weather_list/createtime=2011-01-01/area=gz/w5_copy_1.csv
- hive> dfs -ls /hive/warehouse/busdata.db/weather_list/createtime=2011-01-01;
- Found 2 items
- drwxr-xr-x - hadoop supergroup 0 2019-03-05 22:09 /hive/warehouse/busdata.db/weather_list/createtime=2011-01-01/area=bj
- drwxr-xr-x - hadoop supergroup 0 2019-03-05 22:14 /hive/warehouse/busdata.db/weather_list/createtime=2011-01-01/area=gz
1.2、显示分区信息
- hive> show partitions weather_list;
- OK
- createtime=2010-01-01/area=bj
- createtime=2010-01-01/area=sh
- createtime=2010-01-01/area=yn
- createtime=2010-01-02/area=sh
- createtime=2011-01-01/area=bj
- createtime=2011-01-01/area=gz
- createtime=2011-01-02/area=sc
- createtime=2011-01-03/area=tj
- createtime=2011-01-04/area=sz
- createtime=2011-01-05/area=gz
- Time taken: 0.584 seconds, Fetched: 10 row(s)
1.3、分区列属于表的正式列,但是文件中没有存储分区列信息。分区列的信息是从目录中读取的。
- hive> select * from weather_list where area='bj' limit 10;
- OK
- 1999 71 2010-01-01 bj
- 1994 57 2010-01-01 bj
- 1995 33 2010-01-01 bj
- 1993 44 2010-01-01 bj
- 1994 99 2010-01-01 bj
- 1994 83 2010-01-01 bj
- 1995 59 2010-01-01 bj
- 1991 32 2010-01-01 bj
- 1992 74 2010-01-01 bj
- 2000 56 2010-01-01 bj
- Time taken: 2.527 seconds, Fetched: 10 row(s)
2、分桶表
2.1、检查分桶属性,设置分桶属性是为了使用hive来自动分桶,因为分桶是根据分桶字段和数量进行hash取余,也可以自己分桶后导入。
- hive> set hive.enforce.bucketing;
- hive.enforce.bucketing=false
- hive> set hive.enforce.bucketing=true;
- hive> set hive.enforce.bucketing;
- hive.enforce.bucketing=true
2.2、建立分桶表
- hive> create table bucket_userinfo(userid int,username string) clustered by (userid) sorted by (userid asc) into 2 buckets row format delimited fields terminated by ",";
- hive> desc formatted bucket_userinfo;
- OK
- # col_name data_type comment
- userid int
- username string
- # Detailed Table Information
- Database: busdata
- OwnerType: USER
- Owner: hadoop
- CreateTime: Wed Mar 06 23:11:37 CST 2019
- LastAccessTime: UNKNOWN
- Retention: 0
- Location: hdfs://bigdata-senior01.home.com:9000/hive/warehouse/busdata.db/bucket_userinfo
- Table Type: MANAGED_TABLE
- Table Parameters:
- COLUMN_STATS_ACCURATE {\"BASIC_STATS\":\"true\",\"COLUMN_STATS\":{\"userid\":\"true\",\"username\":\"true\"}}
- SORTBUCKETCOLSPREFIX TRUE
- bucketing_version 2
- numFiles 0
- numRows 0
- rawDataSize 0
- totalSize 0
- transient_lastDdlTime 1551885097
- # Storage Information
- SerDe Library: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe
- InputFormat: org.apache.hadoop.mapred.TextInputFormat
- OutputFormat: org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat
- Compressed: No
- Num Buckets: 2
- Bucket Columns: [userid]
- Sort Columns: [Order(col:userid, order:1)]
- Storage Desc Params:
- field.delim ,
- serialization.format ,
- Time taken: 0.379 seconds, Fetched: 34 row(s)
2.3、使用hive自动分桶,这种情况是针对源数据已经导入hive。
- hive> insert overwrite table bucket_userinfo select userid,username from userinfo;
- 然后hive启动作业分桶导入数据,本例中分两个桶,所以最终会根据userid的奇偶生成两个文件。
- hive> dfs -ls /hive/warehouse/busdata.db/bucket_userinfo;
- Found 2 items
- -rw-r--r-- 1 hadoop supergroup 106 2019-03-06 23:13 /hive/warehouse/busdata.db/bucket_userinfo/000000_0
- -rw-r--r-- 1 hadoop supergroup 103 2019-03-06 23:13 /hive/warehouse/busdata.db/bucket_userinfo/000001_0
- hive> dfs -cat /hive/warehouse/busdata.db/bucket_userinfo/000000_0;
- 2,xu.dm
- 4,user123
- 6,user2
- 8,user4
- 10,user6
- 14,user8
- 16,user10
- 18,user12
- 20,user14
- 22,soldier2
- 24,soldier4
- hive> dfs -cat /hive/warehouse/busdata.db/bucket_userinfo/000001_0;
- 1,admin
- 3,myuser
- 5,user1
- 7,user3
- 9,user5
- 13,user7
- 15,user9
- 17,user11
- 19,user13
- 21,soldier1
- 23,soldier3
- hive> select * from bucket_userinfo;
- OK
- 2 xu.dm
- 4 user123
- 6 user2
- 8 user4
- 10 user6
- 14 user8
- 16 user10
- 18 user12
- 20 user14
- 22 soldier2
- 24 soldier4
- 1 admin
- 3 myuser
- 5 user1
- 7 user3
- 9 user5
- 13 user7
- 15 user9
- 17 user11
- 19 user13
- 21 soldier1
- 23 soldier3
- Time taken: 0.238 seconds, Fetched: 22 row(s)
2.4、从外部文件导入数据,结果与上面一样
- hive> create table bucket_userinfo2(userid int,username string) clustered by (userid) sorted by (userid) into 2 buckets row format delimited fields terminated by ",";
- hive> load data local inpath '/home/hadoop/userinfo2.txt' into table bucket_userinfo2;
- hive> select * from bucket_userinfo2;
- OK
- 2 xu.dm
- 4 user123
- 6 user2
- 8 user4
- 10 user6
- 14 user8
- 16 user10
- 18 user12
- 20 user14
- 22 soldier2
- 24 soldier4
- 1 admin
- 3 myuser
- 5 user1
- 7 user3
- 9 user5
- 13 user7
- 15 user9
- 17 user11
- 19 user13
- 21 soldier1
- 23 soldier3
- hive>dfs -ls /hive/warehouse/busdata.db/bucket_userinfo2;
- Found 2 items
- -rw-r--r-- 1 hadoop supergroup 106 2019-03-07 22:44 /hive/warehouse/busdata.db/bucket_userinfo2/000000_0
- -rw-r--r-- 1 hadoop supergroup 103 2019-03-07 22:44 /hive/warehouse/busdata.db/bucket_userinfo2/000001_0
2.4、对桶数据采样
- hive> select * from bucket_userinfo tablesample(bucket 1 out of 2 on userid);
- OK
- 2 xu.dm
- 6 user2
- 10 user6
- 20 user14
- 3 myuser
- 7 user3
- 17 user11
- 19 user13
- 21 soldier1
- Time taken: 0.077 seconds, Fetched: 9 row(s)
hive 分区表和分桶表的更多相关文章
- Hive 学习之路(五)—— Hive 分区表和分桶表
一.分区表 1.1 概念 Hive中的表对应为HDFS上的指定目录,在查询数据时候,默认会对全表进行扫描,这样时间和性能的消耗都非常大. 分区为HDFS上表目录的子目录,数据按照分区存储在子目录中.如 ...
- Hive 系列(五)—— Hive 分区表和分桶表
一.分区表 1.1 概念 Hive 中的表对应为 HDFS 上的指定目录,在查询数据时候,默认会对全表进行扫描,这样时间和性能的消耗都非常大. 分区为 HDFS 上表目录的子目录,数据按照分区存储在子 ...
- 入门大数据---Hive分区表和分桶表
一.分区表 1.1 概念 Hive 中的表对应为 HDFS 上的指定目录,在查询数据时候,默认会对全表进行扫描,这样时间和性能的消耗都非常大. 分区为 HDFS 上表目录的子目录,数据按照分区存储在子 ...
- 一起学Hive——创建内部表、外部表、分区表和分桶表及导入数据
Hive本身并不存储数据,而是将数据存储在Hadoop的HDFS中,表名对应HDFS中的目录/文件.根据数据的不同存储方式,将Hive表分为外部表.内部表.分区表和分桶表四种数据模型.每种数据模型各有 ...
- Hive 教程(四)-分区表与分桶表
在 hive 中分区表是很常用的,分桶表可能没那么常用,本文主讲分区表. 概念 分区表 在 hive 中,表是可以分区的,hive 表的每个区其实是对应 hdfs 上的一个文件夹: 可以通过多层文件夹 ...
- Hive SQL之分区表与分桶表
Hive sql是Hive 用户使用Hive的主要工具.Hive SQL是类似于ANSI SQL标准的SQL语言,但是两者有不完全相同.Hive SQL和Mysql的SQL方言最为接近,但是两者之间也 ...
- Hive(六)【分区表、分桶表】
目录 一.分区表 1.本质 2.创建分区表 3.加载数据到分区表 4.查看分区 5.增加分区 6.删除分区 7.二级分区 8.分区表和元数据对应得三种方式 9.动态分区 二.分桶表 1.创建分桶表 2 ...
- 第2节 hive基本操作:11、hive当中的分桶表以及修改表删除表数据加载数据导出等
分桶表 将数据按照指定的字段进行分成多个桶中去,说白了就是将数据按照字段进行划分,可以将数据按照字段划分到多个文件当中去 开启hive的桶表功能 set hive.enforce.bucketing= ...
- Hive分区表与分桶
分区表 在Hive Select查询中.通常会扫描整个表内容,会消耗非常多时间做不是必需的工作. 分区表指的是在创建表时,指定partition的分区空间. 分区语法 create table tab ...
随机推荐
- Lite OS学习之事件EVENT
1. Lite OS的事件EVENT,就是一个任务向另外一个任务通知事件的,不能数据传输.看下有的函数,实际比较复杂 2. 具体还是看编程,先全局结构体整个事件变量 /*事件控制结构体*/ EVENT ...
- 《Node.js 包教不包会》
<Node.js 包教不包会> 为何写作此课程 在 CNode(https://cnodejs.org/) 混了那么久,解答了不少 Node.js 初学者们的问题.回头想想,那些问题所需要 ...
- Mybatis传递参数的三种方式
第一种: Dao层使用@Param注解的方法 VersionBox getVersionByVersionNumAndVersionType(@Param("versionNum" ...
- 函数parseQuery用于解析url查询参数
在百度上找的,以后忘了再看. 语法如下: var obj = parseQuery(query) query是被解析的查询参数,函数返回解析后的对象. 使用范例如下: var jerry = pars ...
- Google TensorFlow for GPU安装、配置大坑
Google TensorFlow for GPU安装.配置大坑 从本周一开始(12.05),共4天半的时间,终于折腾好Google TensorFlow for GPU版本,其间跳坑无数,摔得遍体鳞 ...
- Saving James Bond - Easy Version (MOOC)
06-图2 Saving James Bond - Easy Version (25 分) This time let us consider the situation in the movie & ...
- List Leaves 树的层序遍历
3-树2 List Leaves (25 分) Given a tree, you are supposed to list all the leaves in the order of top do ...
- 云主机启动提示Booting from Hard Disk GRUB
版本:Openstack ocata 系统:centos7.3 环境:VMware workstation12 解决方法: 或者
- [ Continuously Update ] The Paper List of Seq2Seq Tasks ( including Attention Mechanism )
Papers Published in 2017 Convolutional Sequence to Sequence Learning - Jonas Gehring et al., CoRR 20 ...
- 学习使用Git 版本控制 代码管理
title: 学习使用Git 版本控制 代码管理 notebook: 经验累积 tags:Git --- Git 版本控制 学习教程 Git版本控制器,可以作为程序员.计算机科学和软件工程的研究人员在 ...