[[382321]]

本文轉(zhuǎn)載自微信公眾號(hào)「Java大數(shù)據(jù)與數(shù)據(jù)倉(cāng)庫(kù)」，作者柯同學(xué)。轉(zhuǎn)載本文請(qǐng)聯(lián)系Java大數(shù)據(jù)與數(shù)據(jù)倉(cāng)庫(kù)公眾號(hào)。

動(dòng)態(tài)分區(qū)調(diào)整

• 動(dòng)態(tài)分區(qū)屬性：設(shè)置為true表示開啟動(dòng)態(tài)分區(qū)功能(默認(rèn)為false)hive.exec.dynamic.partition=true;
• 動(dòng)態(tài)分區(qū)屬性：設(shè)置為nonstrict,表示允許所有分區(qū)都是動(dòng)態(tài)的(默認(rèn)為strict)設(shè)置為strict，表示必須保證至少有一個(gè)分區(qū)是靜態(tài)的hive.exec.dynamic.partition.mode=strict;
• 動(dòng)態(tài)分區(qū)屬性：每個(gè)mapper或reducer可以創(chuàng)建的最大動(dòng)態(tài)分區(qū)個(gè)數(shù)hive.exec.max.dynamic.partitions.pernode=100;
• 動(dòng)態(tài)分區(qū)屬性：一個(gè)動(dòng)態(tài)分區(qū)創(chuàng)建語(yǔ)句可以創(chuàng)建的最大動(dòng)態(tài)分區(qū)個(gè)數(shù)hive.exec.max.dynamic.partitions=1000;
• 動(dòng)態(tài)分區(qū)屬性：全局可以創(chuàng)建的最大文件個(gè)數(shù)hive.exec.max.created.files=100000;
• 控制DataNode一次可以打開的文件個(gè)數(shù) 這個(gè)參數(shù)必須設(shè)置在DataNode的$HADOOP_HOME/conf/hdfs-site.xml文件中

<property> 
    <name>dfs.datanode.max.xcievers</name> 
    <value>8192</value> 
</property> 

注意

在Hive中，動(dòng)態(tài)分區(qū)會(huì)造成在插入數(shù)據(jù)過程中，生成過多零碎的小文件

動(dòng)態(tài)分區(qū)插入

如果需要?jiǎng)?chuàng)建非常多的分區(qū)，用戶就需要寫非常多的條件查詢sql把數(shù)據(jù)插入對(duì)應(yīng)分區(qū)。好在Hive提供了動(dòng)態(tài)分區(qū)功能，可以根據(jù)分區(qū)字段的取值自動(dòng)創(chuàng)建分區(qū)。前面列出的開啟動(dòng)態(tài)分區(qū)hive.exec.dynamic.partition，并且hive.exec.dynamic.partition.mode需要為非嚴(yán)格模式，通常如果分區(qū)很多的話，hive.exec.max.dynamic.partitions.pernode也需要設(shè)置為一個(gè)較大的數(shù)，否則會(huì)有報(bào)錯(cuò)提醒。

現(xiàn)在有sql：

insert overwrite table employees partitions (country, state) 
select ...,se.cnty, se.st 
from staged_employees se; 

可以看出，Hive根據(jù)select語(yǔ)句中最后兩列來(lái)確定分區(qū)字段country和state的值，這里刻意使用了不同的命名，就是為了強(qiáng)調(diào)源表字段和輸出分區(qū)值之間的關(guān)系是根據(jù)位置而不是根據(jù)命名來(lái)匹配的。

動(dòng)靜分區(qū)結(jié)合

也可以混合使用動(dòng)態(tài)和靜態(tài)分區(qū)。上面那個(gè)例子，我們可以指定國(guó)家這個(gè)分區(qū)值五為靜態(tài)值US，而分區(qū)字段state是動(dòng)態(tài)值：

insert overwrite table employees partitions (country = 'US', state) 
select ...,se.cnty, se.st 
from staged_employees se 
where se.cnty = 'US'; 

注意：靜態(tài)分區(qū)需要出現(xiàn)在動(dòng)態(tài)分區(qū)字段之前。

動(dòng)態(tài)分區(qū)功能默認(rèn)情況下是沒有開啟的，默認(rèn)是以嚴(yán)格模式執(zhí)行，這種模式下要求至少有一列分區(qū)字段是靜態(tài)的。這樣做的好處是可以防止因設(shè)計(jì)或其它錯(cuò)誤查詢導(dǎo)致產(chǎn)生大量的分區(qū)，比如sql boy不小心使用了時(shí)間戳作為分區(qū)字段，那將是災(zāi)難。在日常導(dǎo)入一天的數(shù)據(jù)，通常是指定日期為靜態(tài)分區(qū)，小時(shí)為動(dòng)態(tài)分區(qū)，進(jìn)行混合模式導(dǎo)入。

例子

建表

create table if not exists test.test 
( 
id string, 
name string 
) 
partitioned by (dt string,hour string) 
row format delimited fields terminated by '\t'; 
 
create table if not exists test.test2 
( 
id string, 
name string 
) 
partitioned by (dt string,hour string) 
row format delimited fields terminated by '\t' 
stored as orc; 

導(dǎo)入數(shù)據(jù)到test.test表

load data local inpath '/home/hadoop/data/test.txt' into table test.test partition(dt = '2019-09-10', hour = '02'); 
 
test.txt 
001    keguang 
002    kg 
003    kk 
004    ikeguang 

利用動(dòng)態(tài)分區(qū)插入

insert overwrite table test.test2 partition(dt, hour) select `(dt|hour)?+.+`,dt,hour from test.test; 

這里，(dt|hour)?+.+表示查詢出test表除了dt和hour這兩個(gè)字段的其它所有字段。