zoukankan      html  css  js  c++  java
  • Hive_分桶表存储数据

    1 分桶表数据存储

    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,通过直接导入数据文件的方式

    (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_buck(id int, name string)
    clustered by(id) 
    into 4 buckets
    row format delimited fields terminated by '	';

    (3)查看表结构

    hive (default)> desc formatted stu_buck;
    Num Buckets:            4     

    (4)导入数据到分桶表中

    hive (default)> load data local inpath '/opt/module/datas/student.txt' into table stu_buck;

    (5)查看创建的分桶表中是否分成4个桶,如图6-7所示

    发现并没有分成4个桶。是什么原因呢?

    2.创建分桶表时,数据通过子查询的方式导入

    (1)先建一个普通的stu表

    create table stu(id int, name string)
    row format delimited fields terminated by '	';

    (2)向普通的stu表中导入数据

    load data local inpath '/opt/module/datas/student.txt' into table stu;

    (3)清空stu_buck表中数据

    truncate table stu_buck;
    select * from stu_buck;

    (4)导入数据到分桶表,通过子查询的方式

    insert into table stu_buck
    select id, name from stu;

    (5)发现还是只有一个分桶,如图6-8所示

    (6)需要设置一个属性

    hive (default)> set hive.enforce.bucketing=true;
    hive (default)> set mapreduce.job.reduces=-1;
    hive (default)> insert into table stu_buck
    select id, name from stu;

    (7)查询分桶的数据

    hive (default)> select * from stu_buck;
    OK
    stu_buck.id     stu_buck.name
    1004    ss4
    1008    ss8
    1012    ss12
    1016    ss16
    1001    ss1
    1005    ss5
    1009    ss9
    1013    ss13
    1002    ss2
    1006    ss6
    1010    ss10
    1014    ss14
    1003    ss3
    1007    ss7
    1011    ss11
    1015    ss15

    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

    学习中,博客都是自己学习用的笔记,持续更新改正。。。
  • 相关阅读:
    JS 数组去重复值
    git 上传项目 到github
    IntelliJ IDEA 创建maven 项目 并且,将springMVC 与Mybatis 整合
    easyui datagrid 动态添加columns属性
    codeMirror的简单使用,js比较文本差异(标注出增删改)
    sql注入
    Web For Pentester靶场
    一些数据库
    nginx的使用场景
    dockerfile
  • 原文地址:https://www.cnblogs.com/Tunan-Ki/p/11802109.html
Copyright © 2011-2022 走看看