参考

我是照着这个学习, 并且自己又总结了一下,
原作者:
添加链接描述

准备数据

准备 buckt_data.txt 在 /root/soft 目录下面

1,name1
2,name2
3,name3
4,name4
5,name5
6,name6
7,name7
8,name8
9,name9

insert语句两种插入方式:

insert into 表名 values(),(),(),() – 这种查询方式太麻烦了,得手动插入,
insert into 表名 select 语句 – 这种方式是直接把查询出来的数据作为数据源存到表里面.

开始创建临时表

向分桶表导入数据时，必须运行MapReduce程序，才能实现分桶操作！
load的方式，只是执行put操作，无法满足分桶表导入数据！而你需要执行MapReduce的程序在能导数据,给所有的数据一次进行hash算法.

所以导入分桶表,必须执行insert into ,因为insert into 执行MapReduce程序.

sql:

create table test
(
   id   int comment 'ID',
   name string comment '名字'
)
   comment '测试分桶中间表'
   ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';

往临时表里面导入数据

sql :

load data local inpath '/root/soft/buckt_data.txt' into table test;

创建分桶表

sql:

create table test_bucket
(
    id   int comment 'ID',
    name string comment '名字'
)
    comment '测试分桶'
    clustered by (id) into 4 buckets
    ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';

说明:

clustered by 是用什么分桶,根据id分桶,默认是通过hash算法,hash值相同的分区在一起.
into 4 buckets 是要4个结果文件,
SORTED BY (id desc) 是按照id降序排序.

将临时表里面的数据导入到分桶表里面

sql:

set hive.enforce.bucketing=true; --默认是不会帮你分桶的
 	 -- 需要打开强制分桶开关
 	 
insert into test_bucket
select *
from test;

查看hdfs里面的数据

默认是hash分区器,当然可以自己自定义分区器

里面的内容

这个图是引用原作者的...

再次插入

sql:

insert into test_bucket select * from test;

这样会再产生新的四个文件