如何将查询结果分区为输入？

Question

我是 hive 的新手，所以有一个基本问题：如何创建一个查询，以便该查询的结果以特定方式分区？

例如：

CREATE TABLE IF NOT EXISTS tbl_x (
 x SMALLINT,
 y FLOAT)
PARTITIONED BY (id SMALLINT)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
STORED AS ORC;

INSERT INTO TABLE `tbl_x` 
VALUES (1, 1, 1.0),
       (1, 1, 2.0),
       (1, 2, 3.0),
       (1, 2, 4.0),
       (2, 1, 5.0),
       (2, 1, 6.0),
       (2, 2, 7.0),
       (2, 2, 8.0);

CREATE TABLE tbl_y AS SELECT `id`, `x`, SUM(`y`) AS `y_sum`
FROM `tbl_x`
GROUP BY `id`, `x`;

在该示例中，我也希望对 tbl_y 进行分区。

尝试这个没有工作：

CREATE TABLE tbl_y AS SELECT `id`, `x`, SUM(`y`) AS `y_sum`
FROM `tbl_x`
GROUP BY `id`, `x` PARTITIONED BY (id SMALLINT);  

这里的诀窍是什么？我应该先定义分区表并将结果插入吗？

Answer 1

是的，您应该单独创建一个分区表。不支持创建分区表作为选择 (CTAS)。

CREATE TABLE tbl_y(x smallint,y_sum double)
partitioned by (id smallint)
STORED AS ORC;

如果表架构相同，可以使用CREATE LIKE：

CREATE TABLE tbl_y like tbl_x;

你也可以使用DISTRIBUTE BY在reducer之间平均分配数据，也可以看看这个答案：https://stackoverflow.com/a/38475807/2700344

insert overwrite table tbl_y partition(id)
select id, x, SUM(y) AS y_sum
fromtbl_x
group by id, x 
distribute by id, FLOOR(RAND()*100.0)%20;