hive中partition如何使用

網上有篇關於hive的partition的使用講解的比較好，轉載了：

一、背景

1、在Hive Select查詢中一般會掃描整個表內容，會消耗很多時間做沒必要的工作。有時候只需要掃描表中關心的一部分資料，因此建表時引入了partition概念。

2、分割槽表指的是在建立表時指定的partition的分割槽空間。

3、如果需要建立有分割槽的表，需要在create表的時候呼叫可選引數partitioned by，詳見表建立的語法結構。

二、技術細節

1、一個表可以擁有一個或者多個分割槽，每個分割槽以資料夾的形式單獨存在表資料夾的目錄下。

2、表和列名不區分大小寫。

3、分割槽是以欄位的形式在表結構中存在，通過describe table命令可以檢視到欄位存在，但是該欄位不存放實際的資料內容，僅僅是分割槽的表示。

4、建表的語法（建分割槽可參見PARTITIONED BY引數）：

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、分割槽建表分為2種，一種是單分割槽，也就是說在表資料夾目錄下只有一級資料夾目錄。另外一種是多分割槽，表資料夾下出現多資料夾巢狀模式。

a、單分割槽建表語句：create table day_table (id int, content string) partitioned by (dt string);單分割槽表，按天分割槽，在表結構中存在id，content，dt三列。

b、雙分割槽建表語句：create table day_hour_table (id int, content string) partitioned by (dt string, hour string);雙分割槽表，按天和小時分割槽，在表結構中新增加了dt和hour兩列。

表資料夾目錄示意圖（多分割槽表）：

6、新增分割槽表語法（表已建立，在此基礎上新增分割槽）：

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, …)

使用者可以用 ALTER TABLE ADD PARTITION 來向一個表中增加分割槽。當分割槽名是字串時加引號。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、刪除分割槽語法：

ALTER TABLE table_name DROP partition_spec, partition_spec,…

使用者可以用 ALTER TABLE DROP PARTITION 來刪除分割槽。分割槽的後設資料和資料將被一併刪除。例：

ALTER TABLE day_hour_table DROP PARTITION (dt=’2008-08-08′, hour=’09’);

8、資料載入進分割槽表中語法：

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′);

當資料被載入至表中時，不會對資料進行任何轉換。Load操作只是將資料複製至Hive表對應的位置。資料載入時在表下自動建立一個目錄，檔案存放在該分割槽下。

9、基於分割槽的查詢的語句：

SELECT day_table.* FROM day_table WHERE day_table.dt>= ‘2008-08-08′;

10、檢視分割槽語句：

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、總結

1、在 Hive 中，表中的一個 Partition 對應於表下的一個目錄，所有的 Partition 的資料都儲存在最字集的目錄中。

2、總的說來partition就是輔助查詢，縮小查詢範圍，加快資料的檢索速度和對資料按照一定的規格和條件進行管理。