Hive分区值的插入

对于Hive分区表，在我们插入数据的时候需要指定对应的分区值，而这里就会涉及很多种情况。比如静态分区插入、动态分区插入、提供的分区值和分区字段类型不一致，或者提供的分区值是NULL的情况，下面我们依次来展现下不同情况下的表现。

1. 静态分区和动态分区

假如建表如下：

create table tbl_name(xxx) partitioned by(pt xxx, online xxx);

Hive默认是静态分区，即明确指定分区值，写法如下：

insert overwrite table tbl_name partition(pt=20121023, if_online=1)  
select field1, field2, ..., fieldn  
from tbl where xxx;  

有时，我们就需要使用动态分区，因为需要根据某些字段来选择插入对应的分区里，不能指定分区值。首先要开启动态分区设置：

set hive.exec.dynamic.partition=true;  
set hive.exec.dynamic.partition.mode=nonstrict;  

然后写法如下（注意select最后的字段值就是对应这分区值）：

insert overwrite table tbl_name partition(pt, if_online)  
select field1, field2, ..., pt, if_online  
from tbl where xxx;  

 动态分区与静态分区还有一个细微的差别是，静态分区一定会创建分区，不管SELECT语句的结果有没有数据。而动态分区，只有在SELECT结果的记录数>0的时候，才会创建分区。因此在不同的业务场景下，可能会选择不同的方案。静态和动态并不是分区的属性，而只是指定值与不指定值的区别。另外可以混合使用动态和静态分区，不过要注意,静态分区列一定要在动态分区列前面。

2. 提供的分区值和分区字段类型不一致

这会导致数据会被插入到对应的分区值里，show partitions xxx也能显示出对应的分区值，但是在s查询时，有可能分区值是NULL，是不是NULL要看分区字段类型是否能兼容提供的分区值。

比如：

情况1：分区字段类型是int，提供的分区值是string（含有非数字）

create table t2(a int, b string) partitioned by(dt int);
insert into t2 partition(dt='2222') values(1, 'xxxx');
insert into t2 partition(dt='asd') values(2, 'xxxx');

 

 

情况2：分区字段类型是string，提供的分区值是int

create table t3(a int, b string) partitioned by(dt string);
insert into t3 partition(dt=111) values(2, 'xxxx');
insert into t3 partition(dt='asd') values(1, 'xxxx');

 

 

3. 提供的分区值是NULL

只有动态分区才能提供分区值是NULL的情况，即

Insert into table partition(分区字段) select f1,f2...分区值 from xxx

然后分区值又没有值，即是null的情况下，这会导致Hive写入到默认分区 __HIVE_DEFAULT_PARTITION__里去。