目录

Hive

简介

分区提供一个隔离数据和优化查询的便利方式。不过，并非所有的数据集都可形成合理的分区。对于一张表或者分区，Hive 可以进一步组织成桶，也就是更为细粒度的数据范围划分。

分桶是将数据集分解成更容易管理的若干部分的另一个技术。

分区针对的是数据的存储路径；分桶针对的是数据文件。

1）先创建分桶表

（1）数据准备

1001    ss1
1002    ss2
1003    ss3
1004    ss4
1005    ss5
1006    ss6
1007    ss7
1008    ss8
1009    ss9
1010    ss10
1011    ss11
1012    ss12
1013    ss13
1014    ss14
1015    ss15
1016    ss16

（2）创建分桶表


create table stu_bucket(id int, name string)
clustered by(id)
into 4 buckets
row format delimited fields terminated by '\t';

（3）查看表结构


hive (default)> desc formatted stu_bucket;
Hive 分桶表-最码农

（4）导入数据到分桶表中，load的方式


hive (default)> load data inpath '/student.txt' into table stu_bucket;

（5）查看创建的分桶表中是否分成4个桶

Hive 分桶表-最码农

（6）查询分桶的数据


hive(default)> select * from stu_bucket;
Hive 分桶表-最码农

（7）分桶规则：

根据结果可知：Hive的分桶采用对分桶字段的值进行哈希，然后除以桶的个数求余的方 式决定该条记录存放在哪个桶当中

2）分桶表操作需要注意的事项:

（1）reduce的个数设置为-1,让Job自行决定需要用多少个reduce或者将reduce的个数设置为大于等于分桶表的桶数

（2）从hdfs中load数据到分桶表中，避免本地文件找不到问题

（3）不要使用本地模式

3）insert方式将数据导入分桶表


hive(default)>insert into table stu_buck select * from student_insert ;