中文在线免费看视频_国产成人精品亚洲日本在线观看_亚洲精品第一综合99久久_国产亚洲精品日韩综合网

　　Hive表在創建的時候，其實就是在HDFS的指定目錄上創建的一個文件夾。如果是內部表，只能映射在數據庫目錄下，而如果是外部表，則可以使用location指定映射的位置。這個文件夾下的所有的數據文件，都是這個表中的數據。隨著系統運行時間的累積，文件中的數據量也會越來越大。hive在進行查詢的時候，每一次的查詢，都會從這個目錄下的所有的數據文件中進行查詢。如果數據量過大的時候，這個查詢將會非常的慢了。

　　那么，有沒有什么辦法可以加速這個查詢的過程呢?其實，最簡單的加速查詢就是減少文件的掃描量即可。

　　我們以一個電商的訂單數據表為例，表中存放著過去5年的所有的訂單數據。每一次查詢的時候，都需要從所有的數據文件中進行查詢，數據量非常龐大，導致查詢的時間會非常的長。但是，表中的5年的訂單的數據，我們在查詢的時候，很多的數據其實都是沒有必要去查詢的。其中沒有任何的數據價值，反而要增加查詢的文件數量。

　　如果我們對這些訂單的數據分個類呢?例如，按照時間?

　　我們可以在表目錄下創建若干個文件夾，例如: 2022年、2021年、2020年...，然后將不同年份的訂單數據，存放到對應的文件夾里面即可。這樣我們在進行數據查詢的時候，如果要查詢2022年的數據，是不是只需要到2022年的文件夾中查詢即可，不用再查詢所有的數據了，就達到了加速查詢的效果了!

　　這，就是分區!

　　我們使用分區，就是將表中的數據，按照不同的維度進行歸類。在進行數據查詢的時候，就可以按照不同的分區的號，到指定的文件夾中進行查詢即可。在上述的例子中，表目錄下只創建了一層的文件夾，這就是一級分區。而有時候我們還需要在一個文件夾中創建二級文件夾，來將數據進行更加細致的歸類，例如對于某一年的數據，可以按照月份再進行歸類。這就是二級分區。在創建分區的時候，還可以創建三級、四級等分區，但是實際使用中，三級分區已經是比較多的分區層級了。常用的就是一級和二級分區。

　　分區表在創建的時候，需要使用partitioned by 來指定分區的字段。例如：

　　12345

　　create table tableName(

　　.......

　　.......

　　)

　　partitioned by (colName colType [comment '...'],...)

　　需要注意的是，分區字段是一個偽字段，并不會真實的存儲數據，只是一個分區的標識而已。例如我們在建表的時候如下：

　　-- 一級分區

　　create table part1(

　　id int,

　　name string,

　　age int

　　)

　　partitioned by (dt string)

　　row format delimited

　　fields terminated by ',';

　　-- 二級分區

　　create table part2(

　　id int,

　　name string,

　　age int

　　)

　　partitioned by (year int, month int)

　　row format delimited

　　fields terminated by ',';

　　在上述的兩個分區表中，dt字段、year字段、month字段等，都是分區字段。如果我們到數據文件中進行數據的查看的話，你會發現數據文件中其實并沒有這個字段對應的信息。但是我們的確是可以通過desc查看表結構，能夠看到這個字段。因此這個字段存在的意義，只是用來區分分區的，而并不是真實的用來映射數據的。因此我們稱這樣的字段為偽字段。