本文共 3971 字，大约阅读时间需要 13 分钟。

Hive分区更方便于数据管理，常见的有时间分区和业务分区。

 

一、单分区操作

1.创建分区表

create table t1(    id      int   ,name    string   ,hobby   array
   
       ,add     map
    
     )partitioned by (pt_d string)row format delimitedfields terminated by ','collection items terminated by '-'map keys terminated by ':';
    
   

注：这里分区字段不能和表中的字段重复。如果分区字段和表中字段相同的话，会报错，如下：

create table t1(    id      int   ,name    string   ,hobby   array
   
       ,add     map
    
     )partitioned by (id int)row format delimitedfields terminated by ','collection items terminated by '-'map keys terminated by ':';
    
   

报错信息：FAILED: SemanticException [Error 10035]: Column repeated in partitioning columns

2.装载数据

需要装载的文件内容如下：

1,xiaoming,book-TV-code,beijing:chaoyang-shagnhai:pudong2,lilei,book-code,nanjing:jiangning-taiwan:taibei3,lihua,music-book,heilongjiang:haerbin

执行load data

load data local inpath '/home/hadoop/Desktop/data' overwrite into table t1 partition ( pt_d = '201701');

• 3.查看数据及分区

查看数据

select * from t1;

结果

1   xiaoming    ["book","TV","code"]    {"beijing":"chaoyang","shagnhai":"pudong"}  2017012   lilei   ["book","code"] {"nanjing":"jiangning","taiwan":"taibei"}   2017013   lihua   ["music","book"]    {"heilongjiang":"haerbin"}  201701

查看分区

show partitions t1;

插入另一个分区

在创建一份数据并装载，分区=‘000000’

load data local inpath '/home/hadoop/Desktop/data' overwrite into table t1 partition ( pt_d = '000000');

查看数据：select * from t1;

1   xiaoming    ["book","TV","code"]    {"beijing":"chaoyang","shagnhai":"pudong"}  0000002   lilei   ["book","code"] {"nanjing":"jiangning","taiwan":"taibei"}   0000003   lihua   ["music","book"]    {"heilongjiang":"haerbin"}  0000001   xiaoming    ["book","TV","code"]    {"beijing":"chaoyang","shagnhai":"pudong"}  2017012   lilei   ["book","code"] {"nanjing":"jiangning","taiwan":"taibei"}   2017013   lihua   ["music","book"]    {"heilongjiang":"haerbin"}  201701

观察HDFS上的文件

去hdfs上看文件,可以看到，文件是根据分区分别存储

查询相应分区的数据

select * from t1 where pt_d = ‘000000’

添加分区，增加一个分区文件

alter table t1 add partition (pt_d = ‘333333’);

删除分区(删除相应分区文件)

注意，对于外表进行drop partition并不会删除hdfs上的文件，并且通过msck repair table table_name同步回hdfs上的分区。 alter table test1 drop partition (pt_d = ‘20170101’);

二、多个分区操作

创建分区表

create table t10(    id      int   ,name    string   ,hobby   array
   
       ,add     map
    
     )partitioned by (pt_d string,sex string)row format delimitedfields terminated by ','collection items terminated by '-'map keys terminated by ':';
    
   

装载数据(分区字段必须都要加)

load data local inpath ‘/home/hadoop/Desktop/data’ overwrite into table t10 partition ( pt_d = ‘0’); 如果只是添加一个，会报错：FAILED: SemanticException [Error 10006]: Line 1:88 Partition not found ”0”

load data local inpath '/home/hadoop/Desktop/data' overwrite into table t10 partition ( pt_d = '0',sex='male');load data local inpath '/home/hadoop/Desktop/data' overwrite into table t10 partition ( pt_d = '0',sex='female');

• 观察HDFS上的文件，可发现多个分区具有顺序性，可以理解为windows的树状文件夹结构。

表分区的增删修查

增加分区

这里我们创建一个分区外部表

create external table testljb(id int) partitioned by (age int);

添加分区,官网说明：

ALTER TABLE table_name ADD [IF NOT EXISTS] PARTITION partition_spec [LOCATION 'location'][, PARTITION partition_spec [LOCATION 'location'], ...];partition_spec:  : (partition_column = partition_col_value, partition_column = partition_col_value, ...)

实例说明

• 一次增加一个分区

alter table testljb add partition (age=2);

• 一次增加多个分区

alter table testljb add partition(age=3) partition(age=4);

注意：一定不能写成如下方式：

alter table testljb add partition(age=5,age=6);

如果我们show partitions table_name 会发现仅仅添加了age=6的分区。

这里猜测原因：因为这种写法实际上：具有多个分区字段表的分区添加，而我们写两次同一个字段，而系统中并没有两个age分区字段，那么就会随机添加其中一个分区。举个例子，有个表具有两个分区字段：age分区和sex分区。那么我们添加一个age分区为1，sex分区为male的数据，可以这样添加：

alter table testljb add partition(age=1,sex='male');

删除分区

删除分区age=1

alter table testljb drop partition(age=1);

注：加入表testljb有两个分区字段（上文已经提到多个分区先后顺序类似于windows的文件夹的树状结构），partitioned by(age int ,sex string)，那么我们删除age分区（第一个分区）时，会把该分区及其下面包含的所有sex分区一起删掉。

修复分区

修复分区就是重新同步hdfs上的分区信息。

msck repair table table_name;

查询分区

show partitions table_name;