关于HIVE的SELECT count(*) 优化

刚刚下载了一份HIVE的最新源码。

印象最深的是HIVE将表的大小作为了元数据保存在了关系数据库中。

譬如在老版本中执行如下的语句：

from base insert overwrite table user select * ;

你会发现日志的末尾会有 “999 ROWD LOADED INTO TABLE USER” 的字样

代表有999条目记录保存在了user表中。

在而在新版本中，执行最后的日志展示了USER表的元数据，其中会有ROW_COUNT:999的字样

一看MYSQL中，999这个数据确实被保存了起来。

也就是说大家以后不必再用“select count(*) from user ”去查询user表的大小了，因为HIVE会将这个语句翻译为MR作业在HADOOP上运行，效率非常低。

新的方法是

HiveConf
conf = new HiveConf(SessionState.class);

Hive
hive = Hive.get(conf);

System.out.println(hive.getTable("user").getTTable()

.getParameters());

List
list = hive.getPartitions(hive.getTable("user"));

for
(Partition p : list) {

System.out.println(p.getParameters());

}

其中打印出来的就是USER表的元数据。

PS：

1。有人会问
select count(1) from user where age=20 这种带有条件的计数怎么办？

别忘记HIVE有分区的概念，看到上面的API了吗，分区也是有元数据的。

2. conf是什么东西？

conf是HIVECONF
寻找你CLASSPATH路径下的HIVESITE文件生成的配置文件对象。

将服务器上的HIVE配置文件COPY到你的项目中，这个API就可以使用了。