Hive 多级分区和 select with where 子句

Question

我的配置单元 table 有 2 个分区，第一个分区是城市，第二个分区是村庄，所以每个城市分区都将包含 it.Some 中所有村庄分区的列表，比如以下

city1/village1
city1/village2
city1/village3
city2/village5
city2/village6

所以如果我的 select 语句是 select * from table where village = 'village5' 在输出结果之前会搜索城市1和城市2的所有分区吗？或者它会看到 hive metastore 文件并只命中 village5 分区。

Answer 1

这将取决于您的 Hive 版本如何优化它。在我当前的版本（1.1.0）中，Hive 能够在不扫描顶部分区的情况下指向特定分区

这是一个快速演示。

create table mydb.partition_test 
(id string)
partitioned by (city string, village string);

INSERT OVERWRITE TABLE mydb.partition_test PARTITION (city,village)
select * from (

select '1', 'city1', 'village1'
union all 
select '1', 'city1', 'village2'
union all 
select '1', 'city1', 'village3'
union all 
select '1', 'city2', 'village5'
union all 
select '1', 'city2', 'village6'
) t;

explain select * from mydb.partition_test where village='village5';

STAGE DEPENDENCIES:
  Stage-0 is a root stage

STAGE PLANS:
  Stage: Stage-0
    Fetch Operator
      limit: -1
      Processor Tree:
        TableScan
          alias: partition_test
          filterExpr: (village = 'village5') (type: boolean)
          Statistics: Num rows: 1 Data size: 1 Basic stats: COMPLETE Column stats: PARTIAL
          Select Operator
            expressions: id (type: string), city (type: string), 'village5' (type: string)
            outputColumnNames: _col0, _col1, _col2
            Statistics: Num rows: 1 Data size: 1 Basic stats: COMPLETE Column stats: PARTIAL
            ListSink

正如您从执行计划中看到的那样，它能够在没有 mapred 操作的情况下估计该特定分区的记录数，并且 table 扫描指向特定分区。

Hive 多级分区和 select with where 子句

Hive multilevel partitions and select with where clause

hive

mapreduce

hiveql

hadoop2