Hive中的分桶

對於每乙個表（table）或者分割槽， hive可以進一步組織成桶，也就是說桶是更為細粒度的資料範圍劃分。hive也是針對某一列進行桶的組織。hive採用對列值雜湊，然後除以桶的個數求餘的方式決定該條記錄存放在哪個桶當中。

把錶（或者分割槽）組織成桶（bucket）有兩個理由：

（1）獲得更高的查詢處理效率。桶為表加上了額外的結構，hive 在處理有些查詢時能利用這個結構。具體而言，連線兩個在（包含連線列的）相同列上劃分了桶的表，可以使用 map 端連線（map-side join）高效的實現。比如join操作。對於join操作兩個表有乙個相同的列，如果對這兩個表都進行了桶操作。那麼將儲存相同列值的桶進行join操作就可以，可以大大較少join的資料量。

（2）使取樣（sampling）更高效。在處理大規模資料集時，在開發和修改查詢的階段，如果能在資料集的一小部分資料上試執行查詢，會帶來很多方便。

按我的理解，所謂hive中的分桶，實際就是指的mapreduce中的分割槽。根據reduce的數量，分成不同個數的檔案。

我們以乙個demo進行說明。

建立分桶表

drop
table
stu_buck;
create
table stu_buck(id int, name string, score double
)clustered
by(id) 
sorted 
by(id asc
)into
4buckets
row format delimited
fields terminated by『
,『;

設定變數,設定分桶為true, 設定reduce數量是分桶的數量個數

set hive.enforce.bucketing =
true;
set mapreduce.job.reduces=
4;

我們從另外乙個表student查詢資料放到該表中，student中的表資料如下：

開始往建立的分通表插入資料(插入資料需要是已分桶, 且排序的)

可以使用distribute by(id) sort by(id asc)

排序和分桶的字段相同的時候也可以使用cluster by(字段)

注意使用cluster by 就等同於分桶+排序(sort)

可以嘗試以下幾種方式：

insert
into
table
stu_buck
select id,name,score from student distribute by(id) sort by(id asc
);insert overwrite table
stu_buck
select id,name,score from student distribute by(id) sort by(id asc
);insert overwrite table
stu_buck
select id,name,score from student cluster by
(id);
insert overwrite table
stu_buck
select id,name,score from student cluster by(id) sort by(id); 報錯,cluster 和 sort 不能共存

效果：

我們來檢視以下檔案的內容：

注：1、order by 會對輸入做全域性排序，因此只有乙個reducer，會導致當輸入規模較大時，需要較長的計算時間。

2、sort by不是全域性排序，其在資料進入reducer前完成排序。因此，如果用sort by進行排序，並且設定mapred.reduce.tasks>1，則sort by只保證每個reducer的輸出有序，不保證全域性有序。

3、distribute by(字段)根據指定的字段將資料分到不同的reducer，且分發演算法是hash雜湊。

4、cluster by(字段) 除了具有distribute by的功能外，還會對該字段進行排序。

5、建立分桶表並不意味著load進資料也是分桶的，你必須先分好桶，然後再放到表中。

因此，如果分桶和sort欄位是同乙個時，此時，cluster by = distribute by + sort by

分桶表的作用：最大的作用是用來提高join操作的效率；但是兩者的分桶數要相同或者成倍數。

為什麼可以提高join操作的效率呢？因為按照mapreduce的分割槽演算法，是id的hashcode值模上reducetasknumbers，所以乙個id會分到同乙個桶中，這樣合併就不用整個表遍歷求笛卡爾積了，對應的桶合併就可以了。

Hive中的分桶

hive 修改分桶數分桶表 Hive中的分桶

Hive學習筆記 Hive中的分桶

hive分桶 hive學習筆記之五分桶

Hive中的分桶

hive 修改分桶數 分桶表 Hive中的分桶

Hive學習筆記 Hive中的分桶

hive分桶 hive學習筆記之五 分桶

相關推薦

hive 修改分桶數分桶表 Hive中的分桶

hive分桶 hive學習筆記之五分桶