对现有Hive的大表进行动态分区

分区是在处理大型事实表时常用的方法。分区的好处在于缩小查询扫描范围，从而提高速度。分区分为两种：静态分区static partition和动态分区dynamic partition。静态分区和动态分区的区别在于导入数据时，是手动输入分区名称，还是通过数据来判断数据分区。对于大数据批量导入来说，显然采用动态分区更为简单方便。

- 对现存hive表的分区

首先，新建一张我们需要的分区以后的表create table like 'origin'

若现存hive表中没有分区信息，我们需要手动修改hive配置数据库来增加hive表的分区信息。hive表分区存在PARTITION_KEYS数据表中，其中表项的| TBL_ID | PKEY_COMMENT | PKEY_NAME | PKEY_TYPE | INTEGER_IDX |分别是hive表名（在TBLS中存储），备注，分区名，分区索引的顺序。建立完成后我们就有一张类似于原始表，但是带有分区的表。

然后，我们修改一下hive的默认设置以支持动态分区：

set hive.exec.dynamic.partition=true;

set hive.exec.dynamic.partition.mode=nonstrict; 

第二步仅在你仅使用动态分区字段做分区索引时。

然后用hive的insert命令进行插入操作。注意，除了所有列外，需要将分区的动态字段跟在后面。

INSERT OVERWRITE TABLE target PARTITION (dt) 
SELECT id,user_id,app_id,time,ip,substr(time,0,10) FROM origin 

可以看到，动态分区的字段支持函数操作。

这样，我们得到了一张分区后的hive大表。

参考：https://cwiki.apache.org/Hive/dynamicpartitions.html

转载地址： http://blog.youkuaiyun.com/awayyao/article/details/7630000