Hive 蜂巢分区本质上是分层的吗？

假设我们将一个表分区为：-

CREATE EXTERNAL TABLE MyTable (
col1 string,
col2 string,
col3 string
)
PARTITIONED BY(year INT, month INT, day INT, hour INT, combination_id BIGINT);

现在很明显，年份将存储年份值（如2016），月份将存储月份值（如7），日期将存储日期（如18），小时将存储24小时格式的小时值（如13）。组合_id将是所有这些的填充值的组合（如果一位数的值在左边用0填充）。因此，在这种情况下，例如，组合id是2016071813

所以我们启动查询（我们称之为查询A）：-

现在Hive不知道组合id实际上是年、月、日和小时的组合。那么，这个查询不会适当地利用分区吗

换句话说，如果我有另一个查询，称之为查询B，这会比查询A更优化还是没有区别-

select * from mytable where year=2016 and month=7 and day=18 and hour=13

若配置单元分区方案在本质上是分层的，那个么从性能的角度来看，查询B应该更好，这就是我的想法。实际上，我想决定，如果组合id根本不能提高性能，是否从分区方案中完全去掉组合id

使用组合id的唯一真正优势是能够在select中使用BEVER运算符：-

select * from mytable where combination_id between 2016071813 and 2016071823

---

但是，如果这不能充分利用分区方案，就会影响性能。

是的。配置单元分区是分层的。 您可以通过使用下面的查询打印表的分区来检查这一点

show partitions MyTable;

输出：

year=2016/month=5/day=5/hour=5/combination_id=2016050505
year=2016/month=5/day=5/hour=6/combination_id=2016050506
year=2016/month=5/day=5/hour=7/combination_id=2016050507

在您的场景中，如果不使用查询，则不需要将组合_id指定为分区列

您可以通过以下两种方式进行分区：

Year, month, day, hour columns

或

通过多列进行分区有助于提高分组操作的性能

假设您想在每年的“三月”月份（2016和2015）找到最大col1

---

它可以通过转到特定的“年”分区（年=2016/2015）和月分区（月=3）轻松获取记录，并检查执行计划。这应该会给你一些关于配置单元优化器如何进行“分区修剪”的线索。因此，在这样一种情况下，你按照年、月、日、小时、组合id的顺序进行分区，然后你只查询分区id——这意味着与按年、月、日、小时（按顺序）进行查询相比，性能会很差，对吗？对。在你的例子中，如果你知道组合id，那么你就知道年、月、日、时。因此，最好查询年、月、月的特定列，。。在这些列上进行分区

Year, month, day, hour columns

combination_id only