hive创建表和增加表分区的两种方式

hive表增加分区的两种方式

第一种方式：load data local inpath
注意点：
1.必须是本地文件，不能是集群上的文件
2.文件路径中的变量如果无法替换，可以把单引号换成双引号，一般双引号总是没问题的
3.hive库在配置的时候有一个hdfs基础路径，用这种方式创建的表时可以不指定hdfs路径，导入数据后会自然在“hdfs基础路径/表名/”下生成相应的分区文件夹
4.用desc formatted table_name;可以查看hdfs路径

# 加载数据的脚本如下

#!/bin/sh
if [[ $# -eq 1 ]];then
    dt="${1}"
else
    echo "无输入时间，请传入一个时间参数给程序"
    exit 1
fi

queryengine --sessionconf engine=wing -e"
SET mapred.job.priority=VERY_HIGH;
SET hive.merge.mapredfiles=true;
SET hive.merge.size.per.task=536870912;
SET hive.merge.smallfiles.avgsize=536870912;
SET mapred.job.name=log_day_'${dt}';

ADD FILE '/home/work/local/log_pretty/${dt}.log';
load data local inpath '${dt}.log' overwrite INTO
    TABLE default.log_day PARTITION (pdate = '${dt}');
;"

if [[ $? -eq 0 ]];then
    echo "数据入库正常........."
    exit 0
else
    echo "数据入库出现异常.........."
    exit 1
fi

# 创建表的语句如下

USE default;
CREATE TABLE log_day (   
    req_date                                STRING COMMENT '请求日期',
    req_time                                STRING COMMENT '请求时间',
    user_id                                 BIGINT COMMENT '用户id',
    url                                     STRING COMMENT 'url',
    module                                  STRING COMMENT '模块名',
    operation                               STRING COMMENT '操作名',
    task_id                                 BIGINT COMMENT '任务id'
)
COMMENT '清洗后的日志'
PARTITIONED BY(pdate STRING)
ROW FORMAT CHARSET 'UTF8'
DELIMITED FIELDS TERMINATED BY '\001'
LINES TERMINATED BY '\n'
STORED AS TEXTFILE ;

第二种方式：创建外部表然后增加分区
注意点：
1. location的全路径是创建表时的hdfs路径加上location中指定的分区文件夹
2. 删除分区时不会删除hdfs数据

# 增加分区的脚本如下

hour_interval=-1
startday=`date "+%Y%m%d"`
tmp_time=`date -d "$startday  $hour_interval days" "+%Y%m%d%H"`
cur_date=${tmp_time:0:8}
cur_hour=${tmp_time:8:2}

while [ 1 ]
do
        hive -e "use default; ALTER TABLE detail_report ADD IF NOT EXISTS PARTITION (dt = $cur_date, hour = $cur_hour) location '$cur_date/$cur_hour';"
        tmp_time=`date -d "$cur_date $cur_hour +1 hours" "+%Y%m%d%H"`
        cur_date=${tmp_time:0:8}
        cur_hour=${tmp_time:8:2}

        tmp_time1=`date -d "+2 hours" "+%Y%m%d%H"`
        cur_date1=${tmp_time1:0:8}
        cur_hour1=${tmp_time1:8:2}
        if [ $cur_date1 -eq $cur_date -a $cur_hour1 -eq $cur_hour ]
        then
                sleep 3600
        fi
done

# 创建表的脚本如下

use default;
create EXTERNAL table
IF NOT EXISTS hive_table_name (
ac            string comment '',
res_type      string comment '',
install_date        string comment '',
install_time        string comment '',
ip                  string comment '',
uid             string comment ''
)
COMMENT ''
PARTITIONED BY(day STRING, hour STRING)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
LOCATION 'hdfs://xx/xx/xx/hive_table_name';

hive常用语句
查看分区 show partitions table_name;
查看表详情 desc formatted table_name;
查看建表语句 show create table table_name;
删除分区 ALTER TABLE hive_cfp_install_report DROP IF EXISTS PARTITION (day='20181003');

下面提供一个批量删除分区的方式

# 循环删除分区
#!/bin/sh
source /etc/profile
startdate=`date -d $1 +"%Y%m%d"`
tempdate=${startdate}
enddate=`date -d $2 +"%Y%m%d"`

# 将时间戳转成整数比大小
while [ $((tempdate)) -le $((enddate)) ]
do
      echo $tempdate "start####" # 20180801

      hive -e"
      use default;
      ALTER TABLE hive_report DROP IF EXISTS PARTITION (day='$tempdate');"
      tempdate=`date -d "1 day $tempdate" +"%Y%m%d"` # 20180802
done