hive中partition如何使用

网上有篇关于hive的partition的使用讲解的比较好，转载了：

1、背景

一、在Hive Select查询中通常会扫描整个表内容，会消耗不少时间作不必的工做。有时候只须要扫描表中关心的一部分数据，所以建表时引入了partition概念。

二、分区表指的是在建立表时指定的partition的分区空间。

三、若是须要建立有分区的表，须要在create表的时候调用可选参数partitioned by，详见表建立的语法结构。

2、技术细节

一、一个表能够拥有一个或者多个分区，每一个分区以文件夹的形式单独存在表文件夹的目录下。

二、表和列名不区分大小写。

三、分区是以字段的形式在表结构中存在，经过describe table命令能够查看到字段存在，可是该字段不存放实际的数据内容，仅仅是分区的表示。

四、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]

五、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，在表结构中新增长了dt和hour两列。

表文件夹目录示意图（多分区表）：

 

六、添加分区表语法（表已建立，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, ...)

用户能够用 ALTER TABLE ADD PARTITION 来向一个表中增长分区。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';

七、删除分区语法：

ALTER TABLE table_name DROP partition_spec, partition_spec,...

用户能够用 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');

八、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操做只是将数据复制至Hive表对应的位置。数据加载时在表下自动建立一个目录，文件存放在该分区下。

九、基于分区的查询的语句：

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

十、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

3、总结

一、在 Hive 中，表中的一个 Partition 对应于表下的一个目录，全部的 Partition 的数据都存储在最字集的目录中。

二、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必定的规格和条件进行管理。