hive分区（partition）

网上有篇关于hive的partition的使用讲解的比较好，转载了：一、背景1、在Hive Select查询中一般会扫描整个表内容，会消耗很多时间做没必要的工作。有时候只需要扫描表中关心的一部分数据，因此建表时引入了partition概念。2、分区表指的是在创建表时指定的partition的分区空间。3、如果需要创建有分区的表，需要在create表的时候调用可选参数partitioned by，详见表创建的语法结构。二、技术细节1、一个表可以拥有一个或者多个分区，每个分区以文件夹的形式单独存在表文件夹的目录下。2、表和列名不区分大小写。3、分区是以字段的形式在表结构中存在，通过describe table命令可以查看到字段存在，但是该字段不存放实际的数据内容，仅仅是分区的表示。4、建表的语法（建分区可参见PARTITIONED BY参数）：CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name [(col_name data_type [COMMENT col_comment], ...)] [COMMENT table_comment] [PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)] [CLUSTERED BY (col_name, col_name, ...) [SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] [ROW FORMAT row_format] [STORED AS file_format] [LOCATION hdfs_path]5、分区建表分为2种，一种是单分区，也就是说在表文件夹目录下只有一级文件夹目录。另外一种是多分区，表文件夹下出现多文件夹嵌套模式。a、单分区建表语句：create table day_table (id int, content string) partitioned by (dt string);单分区表，按天分区，在表结构中存在id，content，dt三列。b、双分区建表语句：create table day_hour_table (id int, content string) partitioned by (dt string, hour string);双分区表，按天和小时分区，在表结构中新增加了dt和hour两列。 表文件夹目录示意图（多分区表）：

6、添加分区表语法（表已创建，在此基础上添加分区）：ALTER TABLE table_name ADD partition_spec [ LOCATION 'location1' ] partition_spec [ LOCATION 'location2' ] ... partition_spec: : PARTITION (partition_col = partition_col_value, partition_col = partiton_col_value, ...)用户可以用 ALTER TABLE ADD PARTITION 来向一个表中增加分区。当分区名是字符串时加引号。例：ALTER TABLE day_table ADD PARTITION (dt='2008-08-08', hour='08') location '/path/pv1.txt' PARTITION (dt='2008-08-08', hour='09') location '/path/pv2.txt';7、删除分区语法：ALTER TABLE table_name DROP partition_spec, partition_spec,...用户可以用 ALTER TABLE DROP PARTITION 来删除分区。分区的元数据和数据将被一并删除。例：ALTER TABLE day_hour_table DROP PARTITION (dt='2008-08-08', hour='09');8、数据加载进分区表中语法：LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)]例： LOAD DATA INPATH '/user/pv.txt' INTO TABLE day_hour_table PARTITION(dt='2008-08- 08', hour='08'); LOAD DATA local INPATH '/user/hua/*' INTO TABLE day_hour partition(dt='2010-07- 07');当数据被加载至表中时，不会对数据进行任何转换。Load操作只是将数据复制至Hive表对应的位置。数据加载时在表下自动创建一个目录，文件存放在该分区下。9、基于分区的查询的语句：SELECT day_table.* FROM day_table WHERE day_table.dt>= '2008-08-08';10、查看分区语句：hive> show partitions day_hour_table; OK dt=2008-08-08/hour=08 dt=2008-08-08/hour=09 dt=2008-08-09/hour=09三、总结1、在 Hive 中，表中的一个 Partition 对应于表下的一个目录，所有的 Partition 的数据都存储在最字集的目录中。2、总的说来partition就是辅助查询，缩小查询范围，加快数据的检索速度和对数据按照一定的规格和条件进行管理。——————————————————————————————————————hive中关于partition的操作：hive> create table mp (a string) partitioned by (b string, c string);OKTime taken: 0.044 secondshive> alter table mp add partition (b='1', c='1');OKTime taken: 0.079 secondshive> alter table mp add partition (b='1', c='2');OKTime taken: 0.052 secondshive> alter table mp add partition (b='2', c='2');OKTime taken: 0.056 secondshive> show partitions mp ;OKb=1/c=1b=1/c=2b=2/c=2Time taken: 0.046 secondshive> explain extended alter table mp drop partition (b='1');OKABSTRACT SYNTAX TREE:  (TOK_ALTERTABLE_DROPPARTS mp (TOK_PARTSPEC (TOK_PARTVAL b '1')))STAGE DEPENDENCIES:  Stage-0 is a root stageSTAGE PLANS:  Stage: Stage-0      Drop Table Operator:        Drop Table          table: mp

Time taken: 0.048 secondshive> alter table mp drop partition (b='1');FAILED: Error in metadata: table is partitioned but partition spec is not specified or tab: {b=1}FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTaskhive> show partitions mp ;OKb=1/c=1b=1/c=2b=2/c=2Time taken: 0.044 secondshive> alter table mp add   partition ( b='1', c = '3') partition ( b='1' , c='4');OKTime taken: 0.168 secondshive> show partitions mp ;OKb=1/c=1b=1/c=2b=1/c=3b=1/c=4b=2/c=2b=2/c=3Time taken: 0.066 secondshive>insert overwrite table mp partition (b='1', c='1') select cnt from tmp_et3 ;hive>alter table mp add columns (newcol string); location指定目录结构hive> alter table alter2 add partition (insertdate='2008-01-01') location '2008/01/01';hive> alter table alter2 add partition (insertdate='2008-01-02') location '2008/01/02';

必须在表定义时创建partitiona、单分区建表语句：create table day_table (id int, content string) partitioned by (dt string);单分区表，按天分区，在表结构中存在id，content，dt三列。以dt为文件夹区分b、 双分区建表语句：create table day_hour_table (id int, content string) partitioned by (dt string, hour string);双分区表，按天和小时分区，在表结构中新增加了dt和hour两列。先以dt为文件夹，再以hour子文件夹区分 添加分区表语法（表已创建，在此基础上添加分区）：ALTER TABLE table_name ADDpartition_spec [ LOCATION 'location1' ]partition_spec [ LOCATION 'location2' ] ...ALTER TABLE day_table ADDPARTITION (dt='2008-08-08', hour='08')location '/path/pv1.txt' 删除分区语法：ALTER TABLE table_name DROPpartition_spec, partition_spec,...用户可以用 ALTER TABLE DROP PARTITION 来删除分区。分区的元数据和数据将被一并删除。例：ALTER TABLE day_hour_table DROP PARTITION (dt='2008-08-08', hour='09');数据加载进分区表中语法：LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)]例：LOAD DATA INPATH '/user/pv.txt' INTO TABLE day_hour_table PARTITION(dt='2008-08-08', hour='08'); LOAD DATA local INPATH '/user/hua/*' INTO TABLE day_hour partition(dt='2010-07-07');当数据被加载至表中时，不会对数据进行任何转换。Load操作只是将数据复制至Hive表对应的位置。数据加载时在表下自动创建一个目录基于分区的查询的语句：SELECT day_table.* FROM day_table WHERE day_table.dt>= '2008-08-08';查看分区语句：hive> show partitions day_hour_table; OK dt=2008-08-08/hour=08 dt=2008-08-08/hour=09 dt=2008-08-09/hour=09

查看2015年的分区表有哪些？select distinct TBL_NAME from tbls a,`partitions` b where a.TBL_ID=b.TBL_ID and b.PART_NAME like '%2015%'