Hive中索引的使用及注意事项

川长思鸟来 2022-05-24 09:15 296阅读 0赞

##### 索引的作用 #####

Hive支持索引，但是Hive的索引与关系型数据库中的索引并不相同，比如，Hive不支持主键或者外键。

Hive索引可以建立在表中的某些列上，以提升一些操作的效率，例如减少MapReduce任务中需要读取的数据块的数量。

在可以预见到分区数据非常庞大的情况下，索引常常是优于分区的。

虽然Hive并不像事物数据库那样针对个别的行来执行查询、更新、删除等操作。它更多的用在多任务节点的场景下，快速地全表扫描大规模数据。但是在某些场景下，**建立索引还是可以提高Hive表指定列的查询速度。（虽然效果差强人意）**

##### 索引适用的场景 #####

适用于不更新的静态字段。以免总是重建索引数据。每次建立、更新数据后，都要重建索引以构建索引表。

Hive索引的机制如下：

hive在指定列上建立索引，会产生一张索引表（Hive的一张物理表），里面的字段包括，索引列的值、该值对应的HDFS文件路径、该值在文件中的偏移量;

v0.8后引入bitmap索引处理器，这个处理器适用于排重后，值较少的列（例如，某字段的取值只可能是几个枚举值）

因为索引是用空间换时间，索引列的取值过多会导致建立bitmap索引表过大。

但是，很少遇到hive用索引的。说明还是有缺陷or不合适的地方的。

##### 索引的建立与使用 #####

语法如下：

CREATE INDEX index_name 
    ON TABLE base_table_name (col_name, ...)
    AS 'index.handler.class.name'
    [WITH DEFERRED REBUILD]
    [IDXPROPERTIES (property_name=property_value, ...)]
    [IN TABLE index_table_name]
    [PARTITIONED BY (col_name, ...)]
    [
       [ ROW FORMAT ...] STORED AS ...
       | STORED BY ...
    ]
    [LOCATION hdfs_path]
    [TBLPROPERTIES (...)]
    [COMMENT "index comment"]

AS ...语句指定了 索引处理器，也就是一个实现了索引接口的Java类。

建立完索引之后 需要重建索引数据，会触发一个mr job

ALTER INDEX employee_index
    ON TABLE employee
    PARTITION (country = 'US')
    REBUILD;

建立完可以通过显示命令显示索引

SHOW FORMATTED INDEX ON employees;

想要索引在查询时，生效，还得设置使用索引：默认是不使用的。

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;

最后，删除索引的语法如下：

DROP INDEX IF EXISTS employees_index ON TABLE employees;