更新时间:2024-11-29 GMT+08:00

建立表分区

操作场景

Hive在做Select查询时,一般会扫描整个表内容,会消耗较多时间去扫描不关注的数据。此时,可根据业务需求及其查询维度,建立合理的表分区,从而提高查询效率。

操作步骤

  1. root用户登录已安装Hive客户端的节点。
  2. 执行以下命令,进入客户端安装目录,例如“/opt/client”。

    cd /opt/client

  3. 执行source bigdata_env命令,配置客户端环境变量。
  4. 在客户端中执行如下命令,执行登录操作。

    kinit 用户名

  5. 执行以下命令登录客户端工具。

    beeline

  6. 指定静态分区或者动态分区。

    • 静态分区:

      静态分区是手动输入分区名称,在创建表时使用关键字PARTITIONED BY指定分区列名及数据类型。应用开发时,使用ALTER TABLE ADD PARTITION语句增加分区,以及使用LOAD DATA INTO PARTITON语句将数据加载到分区时,只能静态分区。

    • 动态分区:通过查询命令,将结果插入到某个表的分区时,可以使用动态分区。

      动态分区通过在客户端工具执行如下命令来开启:

      set hive.exec.dynamic.partition=true;

      动态分区默认模式是strict,也就是必须至少指定一列为静态分区,在静态分区下建立动态子分区,可以通过如下设置来开启完全的动态分区:

      set hive.exec.dynamic.partition.mode=nonstrict;

    • 动态分区可能导致一个DML语句创建大量的分区,对应的创建大量新文件夹,对系统性能可能带来影响。
    • 在文件数量大的情况下,执行一个SQL语句启动时间较长,可以在执行SQL语句之前执行“set mapreduce.input.fileinputformat.list-status.num-threads = 100;”命令来缩短启动时间。“mapreduce.input.fileinputformat.list-status.num-threads”参数需要先添加到Hive的白名单才可设置。