如何从分区配置单元 table 中删除行?

How to drop rows from partitioned hive table?

我需要从已分区的 Hive table 中删除特定行。这些要删除的行符合某些条件,因此不能删除整个分区。假设 table Table 有三列:partnerdatesource_key,并按 datesource_key.

已知不支持删除或更新配置单元中特定记录集的操作(See How to delete and update a record in Hive)

this solution 之后,我成功执行了以下查询,以便 仅保留 符合某些给定条件的记录,例如:属于 [= 的某个给定范围18=],具有 source_key='heaven' 和列 partner<>'angel'...

创建 table Table.

的临时空副本
CREATE TABLE IF NOT EXISTS tmpTable LIKE Table;

用当前行填充它。

INSERT OVERWRITE TABLE tmpTable
PARTITION (date,source_key)
SELECT * FROM Table
WHERE
date >= '2020-05-01' AND date < '2020-11-30' AND
source_key = 'heaven';

删除目标分区。

ALTER TABLE Table DROP IF EXISTS
PARTITION (source_key = 'heaven' , date >= '2020-05-01' , date < '2020-11-30' );

将编辑后的分区插入目标table。 (由于语法错误无法插入 OVERWRITE)

INSERT INTO Table
PARTITION (source_key,date)
SELECT * FROM tmpTable
WHERE
partner <> 'angel';

临时删除 table。

DROP TABLE IF EXISTS tmpTable;

查询运行正常。因为 table Table 是托管的,当分区被删除时,hdfs 文件应该被删除,但是有些地方是错误的(可能在最后一个 INSERT INTO 语句中)因为在执行所有这些查询之后target table Table 保留给定日期范围内 partner = 'angel' 的所有记录,基本上保持不变。

错在哪里?什么东西少了?如何为这样的 Hive 准确删除符合特定条件的特定行 table?

Table 分区可以直接从 select 自身 + WHERE 过滤器覆盖。场景很简单,不需要任何临时的table。如果您不确定会发生什么,请进行备份 table。

  1. 如果要删除整个分区(不覆盖),执行

    ALTER TABLE TableName DROP IF EXISTS
    PARTITION (<partition spec to be dropped>); --check partition spec to be dropped carefully
    

如果没有要删除的分区,请跳过此步骤。

  1. 用筛选的行覆盖其他分区:

    set hive.exec.dynamic.partition=true;
    set hive.exec.dynamic.partition.mode=nonstrict;
    set hive.allow.move.on.s3=true; --If you are on Qubole/S3
    
    insert overwrite table TableName partition (date, source_key ) --partition spec should match table DDL
    select * from TableName 
     where <condition> --condition should be True for rows which NOT be deleted
    

您的代码相当混乱,因为您使用 LIKE 创建临时 table 但使用不同的分区规范和 selecting *(与原始 table 中的列顺序相同)。列的顺序必须完全匹配,分区列是最后的,也是相同的顺序。