【hive】- 使用insert into/insert overwrite插入数据到静态分区、动态分区、动静态分区

文章目录

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

createtable test_1
(id string,
name string,
classes string,
scores int)
partitioned by(city_code string,cur_day string)row format delimited fieldsterminatedby',';

辅助分区表的测试表

createtable test_1_tmp(
id string,
name string,
classes string,
scores int,
city_code string,
cur_day string)row format delimited fieldsterminatedby',';

静态分区插入数据

• insert into，在city_code=‘200’,cur_day='20231111’分区下追加数据。

insertintotable 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;insertintotable 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。

insertintotable 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 insertinto target table because column number/types are different 'cur_day': Table insclause-0 has 6columns, but query has 4columns.(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;insertintotable 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;insertintotable 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-partitioncolumns(state=42000,code=40000)