文章目录
前言一、hive分区hive分区类型hive分区参数
二、数据插入方式静态分区插入数据动态分区插入数据动静混合分区插入数据
前言
Hive中支持的分区类型有两种，静态分区（static partition）与动态分区（dynamic partition），本文主要讲针对不同分区情况，如何正确地使用insert into/insert overwrite 将数据插入表里对应的分区。
一、hive分区
hive分区类型
静态分区与动态分区的区别： 静态分区字段需要手动指定，通过用户传递来决定；而动态分区字段是根据select出来的具体值进行动态分区。
hive分区参数
hive.exec.dynamic.partition：是否启动动态分区，默认为false。hive.exec.dynamic.partition.mode：打开动态分区后，动态分区的模式为strict和nonstrict。
strict 可设置为静态和半动态，要求至少包含一个静态分区列。nonstrict 可设置为静态、半动态和动态，动态必须设置此参数。 hive.exec.max.dynamic.partitions：允许的最大的动态分区的个数，默认为1000。hive.exec.max.dynamic.partitions.permode：一个mapreduce job所允许的最大的动态分区的个数，默认为100。
二、数据插入方式
建立分区表
create table test_1
(id string,
name string,
classes string,
scores int)
partitioned by (city_code string,cur_day string)
row format delimited fields terminated by ',';
辅助分区表的测试表
create table test_1_tmp(
id string,
name string,
classes string,
scores int,
city_code string,
cur_day string)
row format delimited fields terminated by ',';
静态分区插入数据
insert into，在city_code=‘200’,cur_day='20231111’分区下追加数据。
insert into table test_1
partition(city_code='200',cur_day='20231111')
select
t.id,
t.name,
t.classes,
t.scores
from test_1_tmp t where city_code='200'
;
insert overwrite，删除在city_code=‘200’,cur_day='20231111’分区下数据，重新写入数据。
insert overwrite table test_1
partition(city_code='200',cur_day='20231111')
select
t.id,
t.name,
t.classes,
t.scores
from test_1_tmp t where city_code='200'
;
动态分区插入数据
insert into / insert overwrite
set hive.exec.dynamic.partition=true;
set hive.exec.dynamic.partition.mode=nonstrict;
insert into table test_1
partition(city_code,cur_day)
select
t.id,
t.name,
t.classes,
t.scores,
t.city_code,
t.cur_day
from test_1_tmp t
;
set hive.exec.dynamic.partition=true;
set hive.exec.dynamic.partition.mode=nonstrict;
insert overwrite table test_1
partition(city_code,cur_day)
select
t.id,
t.name,
t.classes,
t.scores,
t.city_code,
t.cur_day
from test_1_tmp t
;
insert into table 插入动态分区，如果被插入表原来就有该分区，则追加插入数据；否则就正常插入数据。 insert overwrite table 插入动态分区，如果被插入表原来就有该分区，删除原来该分区下数据，重新插入；否则就正常插入数据。
举例：
未将test_2_tmp数据插入到test_1时，test_1表的数据情况：
select * from test_1;
表test_2_tmp的情况：
desc test_2_tmp;
+------------+------------+----------+
| col_name | data_type | comment |
+------------+------------+----------+
| id | string | |
| name | string | |
| classes | string | |
| scores | int | |
| city_code | string | |
| cur_day | string | |
+------------+------------+----------+
select * from test_2_tmp;
用insert overwrite table重写写入（city_code='200’与cur_day='20231111’分区）和（city_code='763’与cur_day='20231112’分区），如下：
set hive.exec.dynamic.partition=true;
set hive.exec.dynamic.partition.mode=nonstrict;
insert overwrite table test_1
partition(city_code,cur_day)
select
t.id,
t.name,
t.classes,
t.scores,
t.city_code,
t.cur_day
from test_2_tmp t
;
select * from test_1;
注意：
1、hive支持全动态分区，但是在使用前必须设置以下参数： set hive.exec.dynamic.partition=true; set hive.exec.dynamic.partition.mode=nonstrict; 2、字段和目标表动态分区的对应关系是由字段顺序决定，并不是由列名称决定的。
3、向动态分区插入数据时，动态分区必须在select列表中，否则会执行失败。
insert into table test_1
partition(city_code,cur_day)
select
t.id,
t.name,
t.classes,
t.scores
from test_1_tmp t
;
报错：
Error: Error while compiling statement: FAILED: SemanticException [Error 10044]: Line 1:18 Cannot insert into target table because column number/types are different 'cur_day': Table insclause-0 has 6 columns, but query has 4 columns. (state=42000,code=10044)
动静混合分区插入数据
insert into / insert overwrite
set hive.exec.dynamic.partition=true;
set hive.exec.dynamic.partition.mode=strict;
insert into table test_1
partition(city_code='763',cur_day)
select
t.id,
t.name,
t.classes,
t.scores,
t.cur_day
from test_1_tmp t
;
set hive.exec.dynamic.partition=true;
set hive.exec.dynamic.partition.mode=strict;
insert overwrite table test_1
partition(city_code='763',cur_day)
select
t.id,
t.name,
t.classes,
t.scores,
t.cur_day
from test_1_tmp t
;
insert into table 插入动静混合分区，如果被插入表原来就有该分区，则追加插入数据；否则就正常插入数据。 insert overwrite table 插入动静混合分区，如果被插入表原来就有该分区，删除原来该分区下数据，重新插入；否则就正常插入数据。
举例：
未将test_2_tmp数据插入到test_1时，test_1表的数据情况：
select * from test_1;
表test_2_tmp的情况：
select * from test_2_tmp;
用insert into追加插入（city_code=‘763’,cur_day）分区的情况，如下：
set hive.exec.dynamic.partition=true;
set hive.exec.dynamic.partition.mode=strict;
insert into table test_1
partition(city_code='763',cur_day)
select
t.id,
t.name,
t.classes,
t.scores,
t.cur_day
from test_2_tmp t
;
用insert overwrite重写（city_code=‘763’,cur_day）分区的情况，如下：
set hive.exec.dynamic.partition=true;
set hive.exec.dynamic.partition.mode=strict;
insert overwrite table test_1
partition(city_code='763',cur_day)
select
t.id,
t.name,
t.classes,
t.scores,
t.cur_day
from test_2_tmp t
;
注意： 动静态分区混合插入，静态分区要在动态分区前面。
set hive.exec.dynamic.partition=true;
set hive.exec.dynamic.partition.mode=strict;
insert into table test_1
partition(cur_day,city_code='763')
select
t.id,
t.name,
t.classes,
t.scores,
t.cur_day
from test_1_tmp t
;
报错：
Error: Error while compiling statement: FAILED: ValidationFailureSemanticException summary_fz_province.test_1: Partition spec {city=763, cur_day=null} contains non-partition columns (state=42000,code=40000)
参考阅读
发表评论