一文教你學會Hive視圖和索引

4b71a40a198d36b81e59f43fbf9116c7.jpg


前言

         咱們在寫HQL有沒有遇到過數據量特別大的時候好比,使用HQL 處理起來很是複雜,很是慢,這時候咱們可使用Hive給加個索引來提升咱們的速度。多了就不說了,咱們直接開始。node

e059118d211e08d59926169c37a53199.jpg

1、Hive視圖

1.1 簡介

         Hive 中的視圖和 RDBMS 中視圖的概念一致,都是一組數據的邏輯表示,本質上就是一條 SELECT 語句的結果集。視圖是純粹的邏輯對象,沒有關聯的存儲 (Hive 3.0.0 引入的物化視圖除外),當查詢引用視圖時,Hive 能夠將視圖的定義與查詢結合起來,例如將查詢中的過濾器推送到視圖中。git

1.2 特色

  1. 不支持物化視圖
  2. 只查詢,不能作加載數據操做
  3. 視圖的建立,只是保存一份元數據,查詢視圖才執行對應的子查詢
  4. view定義中若包含了ORDER BY/LIMIT語句,當查詢視圖時也進行了ORDER BY/LIMIT語句操做,view當中定義的優先級更高 ;
  5. Hive視圖支持迭代視圖

1.3 建立視圖

CREATE VIEW [IF NOT EXISTS] [db_name.]view_name   -- 視圖名稱
  [(column_name [COMMENT column_comment], ...) ]    --列名
  [COMMENT view_comment]  --視圖註釋
  [TBLPROPERTIES (property_name = property_value, ...)]  --額外信息
  AS SELECT ...;

建立視圖注意事項程序員

  • CREATE VIEW建立具備給定名稱的視圖。若是已經存在具備相同名稱的表或視圖,則會引起錯誤。您可使用IF NOT EXISTS跳過該錯誤。
  • 刪除表並不會刪除視圖,須要手動刪除視圖;
  • 視圖是隻讀的,不能用做LOAD / INSERT / ALTER的目標
  • 建立視圖時,若是未提供列名,則將從 SELECT 語句中自動派生列名;
  • 一個視圖可能包含ORDER BY和LIMIT子句。若是參照查詢還包含這些條款,查詢級別子句進行評估視圖條款(和以後在查詢的任何其它操做)。例如,若是視圖指定LIMIT 5,而且引用查詢執行爲(從v LIMIT 10中選擇*),那麼最多將返回5行。

準備數據github

-- 建立測試表
create  table default.user(
   id string , -- 主鍵
   sex string-- 性別
   name string -- 名稱
);
--  導入數據
insert into default.user (id, sex, name)
values ("1","男","張三"),("2","女","小花"),("3","男","趙柳"),("4","男","李嘿嘿");

建立一個測試視圖面試

hive (default)> create view if not exists  default.user_view as select * from default.user;
OK
id      sex     name
Time taken: 0.181 seconds

1.4 查詢視圖

-- 查詢視圖內容呢
select * from default.user_view;
-- 查詢視圖結構
desc default.user_view;
-- 查詢視圖詳細信息
desc formatted default.user_view;
-- 查詢視圖 沒有指定的方式跟查詢全部表同樣
show tables;

1.5 刪除視圖

-- 模板
DROP VIEW [IF EXISTS] [db_name.]view_name;
--  刪除視圖 
DROP  VIEW IF EXISTS user_view;

1.6 修改視圖屬性

語法:apache

ALTER VIEW [db_name.]view_name SET TBLPROPERTIES table_properties; 
table_properties:
  : (property_name = property_value, property_name = property_value, ...)

示例app

alter  view  default.user_view set tblproperties ('name'='DSJLG','GZH'='DSJLG')

經過 desc formatted default.user_view;詳情信息ide

48bae0480b0c3189324ba00812d3ecca.jpg

2、索引

2.1 簡介

         Hive 在 0.7.0 引入了索引的功能,索引的設計目標是提升表某些列的查詢速度。若是沒有索引,帶有謂詞的查詢(如'WHERE table1.column = 10')會加載整個表或分區並處理全部行。可是若是 column 存在索引,則只須要加載和處理文件的一部分oop

2.2  建立索引模板

CREATE INDEX index_name     --索引名稱
  ON TABLE base_table_name (col_name, ...)  --創建索引的列
  AS index_type    --索引類型
  [WITH DEFERRED REBUILD]    --重建索引
  [IDXPROPERTIES (property_name=property_value, ...)]  --索引額外屬性
  [IN TABLE index_table_name]    --索引表的名字
  [
     [ ROW FORMAT ...] STORED AS ...  
     | STORED BY ...
  ]   --索引錶行分隔符 、 存儲格式
  [LOCATION hdfs_path]  --索引表存儲位置
  [TBLPROPERTIES (...)]   --索引表表屬性
  [COMMENT "index comment"];  --索引註釋

2.3 建立索引

咱們在使用以前上面建立好的user表對id字段建立名字爲user_index,索引存儲在user_index_table索引表中測試

create index user_index on table user(idas 'org.apache.hadoop.hive.ql.index.compact.CompactIndexHandler'
with deferred rebuild  in table user_index_table;

此時索引表中是沒有數據的,須要重建索引纔會有索引的數據。

2.4 重建索引

hive (default)> ALTER index user_index on user rebuild ;
Query ID = root_20201015081313_879ce697-a6a4-4c38-a1a9-0e72a52feb6b
Total jobs = 1
Launching Job 1 out of 1
Number of reduce tasks not specified. Estimated from input data size: 1
In order to change the average load for a reducer (in bytes):
  set hive.exec.reducers.bytes.per.reducer=<number>
In order to limit the maximum number of reducers:
  set hive.exec.reducers.max=<number>
In order to set a constant number of reducers:
  set mapreduce.job.reduces=<number>
Starting Job = job_1602711568359_0002, Tracking URL = http://node01:8088/proxy/application_1602711568359_0002/
Kill Command = /export/servers/hadoop-2.6.0-cdh5.14.0/bin/hadoop job  -kill job_1602711568359_0002
Hadoop job information for Stage-1number of mappers: 1; number of reducers: 1
2020-10-15 08:13:47,425 Stage-1 map = 0%,  reduce = 0%
2020-10-15 08:13:48,546 Stage-1 map = 100%,  reduce = 0%, Cumulative CPU 1.66 sec
2020-10-15 08:13:49,576 Stage-1 map = 100%,  reduce = 100%, Cumulative CPU 2.5 sec
MapReduce Total cumulative CPU time: 2 seconds 500 msec
Ended Job = job_1602711568359_0002
Loading data to table default.user_index_table
Table default.user_index_table stats: [numFiles=1, numRows=4, totalSize=231, rawDataSize=227]
MapReduce Jobs Launched: 
Stage-Stage-1: Map: 1  Reduce: 1   Cumulative CPU: 2.5 sec   HDFS Read: 12945 HDFS Write: 581944 SUCCESS
Total MapReduce CPU Time Spent: 2 seconds 500 msec
OK
Time taken: 12.85 seconds

         Hive 會啓動 MapReduce 做業去創建索引,創建好後查看索引表數據以下。三個表字段分別表明:索引列的值該值對應的 HDFS 文件路徑該值在文件中的偏移量

hive (default)> select * from user_index_table; 
OK
user_index_table.id     user_index_table._bucketname    user_index_table._offsets
1       hdfs://node01:8020/user/hive/warehouse/user/000000_0    [0]
2       hdfs://node01:8020/user/hive/warehouse/user/000000_0    [13]
3       hdfs://node01:8020/user/hive/warehouse/user/000000_0    [26]
4       hdfs://node01:8020/user/hive/warehouse/user/000000_0    [39]
Time taken: 0.047 seconds, Fetched: 4 row(s)

2.5 自動使用索引

         默認狀況下,雖然創建了索引,可是 Hive 在查詢時候是不會自動去使用索引的,須要開啓相關配置。開啓配置後,涉及到索引列的查詢就會使用索引功能去優化查詢

SET hive.input.format=org.apache.hadoop.hive.ql.io.HiveInputFormat;
SET hive.optimize.index.filter=true;
SET hive.optimize.index.filter.compact.minsize=0;

2.6 查看索引

show index on user;43f7c242c5fe053f0f833db4bc107003.jpg

2.7 刪除索引

刪除索引會刪除對應的索引表。

DROP INDEX [IF EXISTS] index_name ON table_name;

若是存在索引的表被刪除了,其對應的索引和索引表都會被刪除。若是被索引表的某個分區被刪除了,那麼分區對應的分區索引也會被刪除。

2.8 索引的原理

          在指定列上創建索引,會產生一張索引表(Hive的一張物理表),裏面字段包括:索引列的值該值對應的 HDFS 文件路徑該值在文件中的偏移量。         

       在執行索引字段查詢時候,首先額外生成一個MapReduce job,根據對索引列的過濾條件,從索引表中過濾出索引列的值對應的hdfs文件路徑及偏移量輸出到hdfs上的一個文件中,而後根據這些文件中的hdfs路徑和偏移量,篩選原始input文件,生成新的split,做爲整個job的split,這樣就達到不用全表掃描的目的。

總結

         今天給你們分享了Hive中經常使用的視圖和說索引,索引雖然能幫助咱們提升查詢效率和分組效率但它也有缺點的,建立好索引是沒法自動rebuild 也就意味着修改數據和添加數據都須要手動執行rebuild。若是頻繁修改的數據就不建議使用索引了。信本身,努力和汗水總會能獲得回報的。我是大數據老哥,咱們下期見~~~

獲取Flink面試題,Spark面試題,程序員必備軟件,hive面試題,Hadoop面試題,Docker面試題,簡歷模板等資源請去GitHub自行下載 https://github.com/lhh2002/Framework-Of-BigData

相關文章
相關標籤/搜索