Hive分区分桶以及自定义函数的介绍

这篇文章主要介绍“Hive分区分桶以及自定义函数的介绍”，在日常操作中，相信很多人在Hive分区分桶以及自定义函数的介绍问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”Hive分区分桶以及自定义函数的介绍”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

导入数据：

1、

load data local inpath '/root/tes.txt' into table test.usr;

      将本地的数据导入到hive中

2、从hdfs集群导入数据

load data inpath 'hdfs://node01:9000/user/tes.txt' into table test.te;

LOAD DATA命令，可分为LOAD DATA LOCAL INPATH和LOAD DATA INPATH。两者的区别在于LOCAL导入的是本地文件而不加LOCAL的导入的是HDFS文件---相当于直接将文件进行相应的上传

3、insert into---内外部表，不适应于分区

4、

from table1insert into（overwrite） tables2select id ,name

分区表

Hive 分区partition(分成不同的文件目录进行存储)

1、静态分区：

必须在表定义时指定对应的partition字段-----分区字段一定不能与表中字段重复

a、单分区建表语句：

create table day_table (id int, content string) partitioned by (dt int);上传数据：load data local inpath '/root/tes.txt' into table test.usr partition (age=10);

单分区表，按天分区，在表结构中存在id，content，dt三列。

以dt为文件夹区分

粗细力度分区的时候要根据业务需求，提前进行相应的设定 年月日时分秒----为了减少每一个分区中的内容，提高计算效率

b、 双分区建表语句：

create table hour(id int, content string) partitioned by (dt int, hour int);

双分区表，按天和小时分区，在表结构中新增加了dt和hour两列。

先以dt为文件夹，再以hour子文件夹区分

增加分区

alter table hour add partition(dt=10,hour=40);

alert table tablename add partiton(dt=20,hour=40)

也就是说添加分区的时候不能直接添加，而是需要将原来的分区也要包含其中，完成相应的排序

删除分区

alter table tablename drop partition (sex='boy')

alert table tablename drop partiton(dt=20,hour=40)

注：删除分区的时候，会将所有存在的分区都删除

2、动态分区：

修改权限的方式：

1、conf/hive-site.xml

2、在hive内部使用set进行相应的设置

3、hive启动的时候设置 hive --conf hive.exec.dynamic.partiton=true

修改权限的方法

1、修改权限

set hive.exec.dynamic.partiton=true //开启动态分区

2、修改默认状态

set hive.exec.dynamic.partiton.mode=nostrict //默认strict。至少有一个静态分区

创建分区表：

create table psn22( id int, name string, likes array<String>, address map<string ,string> ) partitioned by (age int ,sex string) ROW FORMAT DELIMITED FIELDS TERMINATED BY ’,’ COLLECTION ITEMS TERMINATED BY ‘,’ MAP KEYS TERMINATED BY ‘:’ LINES TERMINATED BY ‘\t’

写入数据

from psn21 //已经存在的表格并且要有数据insert overwrite table pas22 partiton (age,sex)select * distribute by age,sex

分桶表：

测试数据

1，tom,11

开启分桶

set hive.enforce.bucketing=true

创建桶

create table psnbucket1 (id int,name string,age int)clustered by (age) into 4 bucketsrow format delimited fields terminated by ','

加载数据

insert into  table psnbucket select id,name,age from psn31

抽样

select * from bucket_table tablesample(bucket 1 out of 4 by colimes)

自定义函数

UDF:一对一

1、继承UDF

2、重写evaluate

（实现传入的参数，并且封装了很多的方法）

public class AddPrefix extends UDF {  /**   * 这里我们实现将任一输入添加自定义前缀信息   */  public String evaluate(String str) {    return "HIVE UDF Prefix:"+ str;  }}

UDAF：多对一

UDTF：一对多

1、创建udf自定义函数

2、达成jar包并上传到linux集群

3、将集群中的jar包上传到hive中：add jar /opt/software/jars/UDF.jar；

4、创建属于我自己的函数

create temporary function bws as "com.hpe.TestUdf.TestUdf";

5、使用函数执行

但是在创建自定义函数的时候，一般都是创建的临时函数，推出就木有了，那怎么创建永久函数呢？

注册永久hive自定义函数

add jar的方式只是导入临时的jar文件，所以不能创建永久的自定义函数，想要添加永久的自定义函数需要在配置文件中对jar的引入进行修改

在hive-site.xml文件中添加

<property>      <name>hive.aux.jars.path</name>      <value>file:///opt/module/hive/lib/app_logs_hive.jar</value>    </property>

注意：value中的值为你的udf.jar上传到linux的指定路径下，若是多个jar包，以,（逗号）进行分割

到此，关于“Hive分区分桶以及自定义函数的介绍”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注亿速云网站，小编会继续努力为大家带来更多实用的文章！