hive 索引

• 1、机制和原理
• 2、优缺点
• • 2.1、优点
  • 2.2、缺点
• 3、索引操作
• • 3.1、创建索引
  • 2、查看索引
  • 3、删除索引
  • 4、加载索引数据
  • 5、使用索引

Hive的索引其实是一张索引表（Hive的物理表），在表里面存储索引列的值，该值对应的HDFS的文件路径，该值在数据文件中的偏移量。

当Hive通过索引列执行查询时，首先通过一个MR Job去查询索引表，根据索引列的过滤条件，查询出该索引列值对应的HDFS文件目录及偏移量，并且把这些数据输出到HDFS的一个文件中，然后再根据这个文件中去筛选原文件，作为查询Job的输入。

• 可以避免全表扫描和资源浪费
• 可以加快含有group by的语句的查询速度

• 使用过程繁琐
• 需用额外Job扫描索引表
• 不会自动刷新，如果表有数据变动，索引表需要手动刷新

create index index_name on table table_name(column_name)
as 'org.apache.hadoop.hive.ql.index.compact.compactindexhandler'
with deferred rebuild
in table index_table_name;

参数解释：

'org.apache.hadoop.hive.ql.index.compact.CompactIndexHandler'：创建索引需要的实现类
index_name：索引名称
table_name：表名
column_name：索引列名
index_table_name：创建索引后生成的索引表名

show index on table_name;

drop index if exists index_name on table_name;

alter index index_name on table_name rebuild;

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;