修改表操作。
修改表的所有人
修改表的所有人,即表Owner。
命令格式
alter table <table_name> changeowner to <new_owner>;
参数说明
table_name:必填。待修改Owner的表名。
new_owner:必填。修改后的Owner账号。
使用示例
--将表test1的所有人修改为ALIYUN$xxx@aliyun.com。 alter table test1 changeowner to 'ALIYUN$xxx@aliyun.com';
修改表的注释
修改表的注释内容。
命令格式
alter table <table_name> set comment '<new_comment>';
参数说明
table_name:必填。待修改注释的表的名称。
new_comment:必填。修改后的注释名称。
使用示例
alter table sale_detail set comment 'new coments for table sale_detail';
您可以通过MaxCompute的
desc table_name
命令查看表中comment
的修改结果。
修改表的修改时间
MaxCompute SQL提供touch
操作用来修改表的LastModifiedTime
,可将表的LastModifiedTime
修改为当前时间。此操作会改变表的LastModifiedTime
的值,MaxCompute会认为表的数据有变动,生命周期的计算会重新开始。
命令格式
alter table <table_name> touch;
参数说明
table_name:必填。待修改表的修改时间的表名称。
使用示例
alter table sale_detail touch;
修改表的聚簇属性
对于分区表,MaxCompute支持通过alter table
语句增加或者去除聚簇属性。
命令格式
增加表的Hash聚簇属性的语法格式如下:
alter table <table_name> [clustered by (<col_name> [, <col_name>, ...]) [sorted by (<col_name> [asc | desc] [, <col_name> [asc | desc] ...])] into <number_of_buckets> buckets];
去除表的Hash聚簇属性的语法格式如下:
alter table <table_name> not clustered;
增加表的Range聚簇属性,Bucket数不是必须的,可以省略,此时系统会根据数据量自动决定最佳的Bucket数目。语法格式如下:
alter table <table_name> [range clustered by (<col_name> [, <col_name>, ...]) [sorted by (<col_name> [asc | desc] [, <col_name> [asc | desc] ...])] into <number_of_buckets> buckets];
去除表或分区的Range聚簇属性的语法格式如下:
alter table <table_name> not clustered; alter table <table_name> partition [<pt_spec>] not clustered;
说明通过
alter table
改变聚簇属性,只对分区表有效,非分区表一旦建立聚簇属性就无法改变。alter table
语句适用于存量表,在增加了新的聚簇属性后,新的分区将按设置的聚簇属性存储。alter table
只会影响分区表的新建分区(包括insert overwrite
生成的),新分区将按新的聚簇属性存储,老数据分区的聚簇属性和存储保持不变。即在一张曾经做过聚簇属性设置的表上,关闭了聚簇属性,再增加聚簇设置,可以在新分区设置不同于之前的聚簇列、排序列及分桶数。由于
alter table
只影响新分区,所以该语句不可以再指定分区。
参数说明
详情请参见CREATE TABLE。
使用示例
-- 创建一个分区表 create table if not exists sale_detail( shop_name STRING, customer_id STRING, total_price DOUBLE) partitioned by (sale_date STRING, region STRING); -- 修改表格的cluster属性 alter table sale_detail clustered by (customer_id) sorted by (customer_id) into 10 buckets;
更多关于cluster属性的介绍请参见Hash Clustering、Range Clustering。
重命名表
重命名表的名称。仅修改表的名字,不改动表中的数据。
命令格式
alter table <table_name> rename to <new_table_name>;
参数说明
table_name:必填。待修改名称的表。
new_table_name:必填。修改后的表名称。如果已存在与new_table_name同名的表,会返回报错。
使用示例
alter table sale_detail rename to sale_detail_rename;
修改表的生命周期
修改已存在的分区表或非分区表的生命周期。
命令格式
alter table <table_name> set lifecycle <days>;
参数说明
table_name:必填。需要修改生命周期的表名。
days:必填。修改后的生命周期时间,只能为正整数,单位为天。
使用示例
--修改test_lifecycle表,将生命周期设为50天。 alter table test_lifecycle set lifecycle 50;
禁止或恢复生命周期
禁止或恢复指定表或分区的生命周期。
命令格式
alter table <table_name> partition [<pt_spec>] {enable|disable} lifecycle;
参数说明
table_name:必填。待禁止或恢复生命周期的表的名称。
pt_spec:可选。待禁止或恢复生命周期的表的分区信息。格式为
partition_col1=col1_value1, partition_col2=col2_value1...
。对于有多级分区的表,必须指明全部的分区值。enable:恢复表或指定分区的生命周期功能。
表及其分区重新参与生命周期回收,默认使用当前表及分区上的生命周期配置。
开启表生命周期前可以修改表及分区的生命周期配置,防止开启表生命周期后因使用之前的配置导致数据被误回收。
disable:禁止表或指定分区的生命周期功能。
禁止表本身及其所有分区被生命周期回收,优先级高于恢复表分区生命周期。即当使用
table disable lifecycle
时,pt_spec enable lifecycle
设置无效。禁止表的生命周期功能后,表的生命周期配置及其分区的enable和disable标记会被保留。
禁止表的生命周期功能后,仍然可以修改表及分区的生命周期配置。
使用示例
示例1:禁止表trans的生命周期功能。
alter table trans disable lifecycle;
示例2:禁止表trans中时间为20141111分区的生命周期功能。
alter table trans partition (dt='20141111') disable lifecycle;
添加分区
为已存在的分区表新增分区。
限制条件
MaxCompute单表支持的分区数量上限为6万个。
对于有多级分区的表,如果需要添加新的分区值,必须指明全部的分区。
仅支持新增分区值,不支持新增分区字段。
命令格式
alter table <table_name> add [if not exists] partition <pt_spec> [partition <pt_spec> partition <pt_spec>...];
参数说明
table_name:必填。待新增分区的分区表名称。
if not exists:可选。如果未指定if not exists而同名的分区已存在,会执行失败并返回报错。
pt_spec:必填。新增的分区,格式为
(partition_col1 = partition_col_value1, partition_col2 = partition_col_value2, ...)
。partition_col是分区字段,partition_col_value是分区值。分区字段不区分大小写,分区值区分大小写。
使用示例
示例1:给表sale_detail添加一个分区,用来存储2013年12月杭州地区的销售记录。
alter table sale_detail add if not exists partition (sale_date='201312', region='hangzhou');
示例2:给表sale_detail同时添加两个分区,用来存储2013年12月北京和上海地区的销售记录。
alter table sale_detail add if not exists partition (sale_date='201312', region='beijing') partition (sale_date='201312', region='shanghai');
示例3:给表sale_detail添加分区,仅指定一个分区字段sale_date,返回报错,需要同时指定2个分区字段sale_date和region。
alter table sale_detail add if not exists partition (sale_date='20111011');
删除分区
为已存在的分区表删除分区。
MaxCompute支持通过条件筛选方式删除分区。如果您希望一次性删除符合某个规则条件的多个分区,可以使用表达式指定筛选条件,通过筛选条件匹配分区并批量删除分区。
限制条件
每个分区过滤子句只能访问一个分区列。
表达式用到的函数必须是内建的Scalar函数。
注意事项
删除分区之后,MaxCompute项目的存储量会降低。
您可以结合MaxCompute提供的生命周期功能,实现自动回收旧分区的能力。更多生命周期信息,请参见生命周期。
命令格式
未指定筛选条件
--一次删除一个分区。 alter table <table_name> drop [if exists] partition <pt_spec>; --一次删除多个分区。 alter table <table_name> drop [if exists] partition <pt_spec>,partition <pt_spec>[,partition <pt_spec>....];
指定筛选条件
alter table <table_name> drop [if exists] partition <partition_filtercondition>;
参数说明
table_name:必填。待删除分区的分区表名称。
if exists:可选。如果未指定if exists且分区不存在,则返回报错。
pt_spec:必填。删除的分区。格式为
(partition_col1 = partition_col_value1, partition_col2 = partition_col_value2, ...)
。partition_col是分区字段,partition_col_value是分区值。分区字段不区分大小写,分区值区分大小写。partition_filtercondition:指定筛选条件时必填。分区筛选条件,不区分大小写。格式为:
partition_filtercondition : partition (<partition_col> <relational_operators> <partition_col_value>) | partition (scalar(<partition_col>) <relational_operators> <partition_col_value>) | partition (<partition_filtercondition1> AND|OR <partition_filtercondition2>) | partition (NOT <partition_filtercondition>) | partition (<partition_filtercondition1>)[,partition (<partition_filtercondition2>), ...]
partition_col:分区名称。
relational_operators:关系运算符,详情请参见运算符。
partition_col_value:分区列比较值或正则表达式,与分区列数据类型保持一致。
scalar():Scalar函数。Scalar函数基于输入值生成对应的标量,对分区列的值(partition_col)进行处理后再按照指定的关系运算符relational_operators与partition_col_value做比较。
分区过滤条件支持逻辑运算符NOT、AND和OR。支持通过NOT过滤条件子句,取过滤规则的补集。支持多个过滤条件子句以AND或OR的关系组成整体分区匹配规则。
支持多个分区过滤子句,当多个分区过滤子句以英文逗号(,)分隔时,每个过滤子句的逻辑以OR的关系组成整体分区匹配规则。
使用示例
未指定筛选条件
--从表sale_detail中删除一个分区,2013年12月杭州分区的销售记录。 alter table sale_detail drop if exists partition(sale_date='201312',region='hangzhou'); --从表sale_detail中同时删除两个分区,2013年12月杭州和上海分区的销售记录。 alter table sale_detail drop if exists partition(sale_date='201312',region='hangzhou'),partition(sale_date='201312',region='shanghai');
指定筛选条件
--创建分区表。 create table if not exists sale_detail( shop_name STRING, customer_id STRING, total_price DOUBLE) partitioned by (sale_date STRING); --添加分区。 alter table sale_detail add if not exists partition (sale_date= '201910') partition (sale_date= '201911') partition (sale_date= '201912') partition (sale_date= '202001') partition (sale_date= '202002') partition (sale_date= '202003') partition (sale_date= '202004') partition (sale_date= '202005') partition (sale_date= '202006') partition (sale_date= '202007'); --批量删除分区。 alter table sale_detail drop if exists partition(sale_date < '201911'); alter table sale_detail drop if exists partition(sale_date >= '202007'); alter table sale_detail drop if exists partition(sale_date LIKE '20191%'); alter table sale_detail drop if exists partition(sale_date IN ('202002','202004','202006')); alter table sale_detail drop if exists partition(sale_date BETWEEN '202001' AND '202007'); alter table sale_detail drop if exists partition(substr(sale_date, 1, 4) = '2020'); alter table sale_detail drop if exists partition(sale_date < '201912' OR sale_date >= '202006'); alter table sale_detail drop if exists partition(sale_date > '201912' AND sale_date <= '202004'); alter table sale_detail drop if exists partition(NOT sale_date > '202004'); --支持多个分区过滤表达式,表达式之间是OR的关系。 alter table sale_detail drop if exists partition(sale_date < '201911'), partition(sale_date >= '202007'); --添加其他格式分区。 alter table sale_detail add IF NOT EXISTS partition (sale_date= '2019-10-05') partition (sale_date= '2019-10-06') partition (sale_date= '2019-10-07'); --批量删除分区,使用正则表达式匹配分区。 alter table sale_detail drop if exists partition(sale_date RLIKE '2019-\\d+-\\d+'); --创建多级分区表。 create table if not exists region_sale_detail( shop_name STRING, customer_id STRING, total_price DOUBLE) partitioned by (sale_date STRING , region STRING ); --添加分区。 alter table region_sale_detail add IF NOT EXISTS partition (sale_date= '201910',region = 'shanghai') partition (sale_date= '201911',region = 'shanghai') partition (sale_date= '201912',region = 'shanghai') partition (sale_date= '202001',region = 'shanghai') partition (sale_date= '202002',region = 'shanghai') partition (sale_date= '201910',region = 'beijing') partition (sale_date= '201911',region = 'beijing') partition (sale_date= '201912',region = 'beijing') partition (sale_date= '202001',region = 'beijing') partition (sale_date= '202002',region = 'beijing'); --执行如下语句批量删除多级分区,两个匹配条件是或的关系,会将sale_date小于201911或region等于beijing的分区都删除掉。 alter table region_sale_detail drop if exists partition(sale_date < '201911'),partition(region = 'beijing'); --如果删除sale_date小于201911且region等于beijing的分区,可以使用如下方法。 alter table region_sale_detail drop if exists partition(sale_date < '201911', region = 'beijing');
批量删除多级分区时,在一个
partition
过滤子句中,不能根据多个分区列编写组合条件匹配分区,如下语句会报错FAILED: ODPS-0130071:[1,82] Semantic analysis exception - invalid column reference region, partition expression must have one and only one column reference
。--分区过滤子句只能访问一个分区列,如下语句报错。 alter table region_sale_detail drop if exists partition(sale_date < '201911' AND region = 'beijing');
修改分区的更新时间
MaxCompute SQL提供touch
操作,用于修改分区表中分区的LastModifiedTime
。此操作会将LastModifiedTime
修改为当前时间。此时,MaxCompute会认为数据有变动,重新计算生命周期。
使用限制
对于有多级分区的表,必须指明全部的分区。
命令格式
alter table <table_name> touch partition (<pt_spec>);
参数说明
table_name:必填。待修改分区更新时间的分区表名称。如果表不存在,则返回报错。
pt_spec:必填。需要修改更新时间的分区信息。格式为
(partition_col1 = partition_col_value1, partition_col2 = partition_col_value2, ...)
。partition_col是分区字段,partition_col_value是分区值。如果指定的分区字段或分区值不存在,则返回报错。
使用示例
--修改表sale_detail的分区sale_date='201312', region='shanghai'的LastModifiedTime。 alter table sale_detail touch partition (sale_date='201312', region='shanghai');
修改分区值
MaxCompute SQL支持通过rename
操作更改分区表的分区值。
使用限制
不支持修改分区列的列名,只能修改分区列对应的值。
对于有多级分区的表,必须指明全部的分区。
命令格式
alter table <table_name> partition (<pt_spec>) rename to partition (<new_pt_spec>);
参数说明
table_name:必填。待修改分区值的表名称。
pt_spec:必填。需要修改分区值的分区信息。格式为
(partition_col1 = partition_col_value1, partition_col2 = partition_col_value2, ...)
。partition_col是分区字段,partition_col_value是分区值。如果指定的分区字段或分区值不存在,则返回报错。new_pt_spec:必填。修改后的分区信息。格式为
(partition_col1 = new_partition_col_value1, partition_col2 = new_partition_col_value2, ...)
。partition_col是分区字段,new_partition_col_value是新分区值。
使用示例
--修改表sale_detail的分区值。 alter table sale_detail partition (sale_date = '201312', region = 'hangzhou') rename to partition (sale_date = '201310', region = 'beijing');
合并分区
MaxCompute SQL提供merge partition
对分区表的分区进行合并,即将同一个分区表下的多个分区合并成一个分区,同时删除被合并的分区维度的信息,把数据移动到指定分区。
使用限制
不支持外部表,聚簇表合并后的分区会消除聚簇属性。
一次性合并分区数量限制为4000个。
命令格式
alter table <table_name> merge [if exists] partition (<predicate>) [, partition(<predicate2>) ...] overwrite partition (<fullpartitionSpec>) [purge];
参数说明
table_name:必填。待合并分区的分区表名称。
if exists:可选。如果未指定if exists,且分区不存在,会执行失败并返回报错。如果指定if exists后不存在满足
merge
条件的分区,则不生成新分区。如果运行过程中出现源数据被并发修改(包括insert
、rename
或drop
)时,即使指定if exists也会报错。predicate:必填。筛选待合并分区需要满足的条件。
fullpartitionSpec:必填。目标分区信息。
purge:可选关键字。选择该字段,则会清理session目录,默认清理3天内的日志。详情请参见Purge。
使用示例
示例1:合并满足指定条件的分区到目标分区。
--查看分区表的分区。 show partitions intpstringstringstring; ds=20181101/hh=00/mm=00 ds=20181101/hh=00/mm=10 ds=20181101/hh=10/mm=00 ds=20181101/hh=10/mm=10 --合并所有满足hh='00'的分区到hh='00',mm='00'中。 alter table intpstringstringstring merge partition(hh='00') overwrite partition(ds='20181101', hh='00', mm='00'); --查看合并后的分区。 show partitions intpstringstringstring; ds=20181101/hh=00/mm=00 ds=20181101/hh=10/mm=00 ds=20181101/hh=10/mm=10
示例2:合并指定的多个分区到目标分区。
--合并多个指定分区。 alter table intpstringstringstring merge if exists partition(ds='20181101', hh='00', mm='00'), partition(ds='20181101', hh='10', mm='00'), partition(ds='20181101', hh='10', mm='10') overwrite partition(ds='20181101', hh='00', mm='00') purge; --查看分区表的分区。 show partitions intpstringstringstring; ds=20181101/hh=00/mm=00
添加列或注释
为已存在的非分区表或分区表添加列或注释。
MaxCompute已支持添加STRUCT类型的列,例如struct<x: string, y: bigint>
、map<string, struct<x: double, y: double>>
。
命令格式
alter table <table_name> add columns (<col_name1> <type1> comment ['<col_comment>'][, <col_name2> <type2> comment '<col_comment>'...]);
参数说明
table_name:必填。待新增列的表名称。添加的新列不支持指定顺序,默认在最后一列。
col_name:必填。新增列的名称。
type:必填。新增列的数据类型。
col_comment:可选。新增列的注释。
使用示例
示例1:给表sale_detail添加两个列。
alter table sale_detail add columns (customer_name STRING, education BIGINT);
示例2:给表sale_detail添加两个列并同时添加列注释。
alter table sale_detail add columns (customer_name STRING comment '客户', education BIGINT comment '教育' );
示例3:给表sale_detail添加一个复杂数据类型列。
alter table sale_detail add columns (region struct<province:string, area:string>);
删除列
为已存在的非分区表或分区表删除指定的单个或多个列。
在下列场景中,如果执行了删除列操作,会使表的读写行为发生变化:
作业类型是MapReduce 1.0时,Graph任务无法读写修改的表。
CUPID作业只有Spark以下版本可以读表,但是不可以写表:
Spark-2.3.0-odps0.34.0
Spark-3.1.1-odps0.34.0
PAI作业可以读表,但不可以写表。
Hologres作业在1.3版本之前,Hologres引用修改的表作为外部表时,无法读写该表。
表做过删除列操作后,不支持
CLONE TABLE
。
此外,Streaming Tunnel在写入表时,不可以修改表结构。
命令格式
alter table <table_name> drop columns <col_name1>[, <col_name2>...];
参数说明
table_name:必填。待删除列的表名称。
col_name:必填。待删除的列名称。
使用示例
--删除表sale_detail的列customer_id。输入yes确认后,即可删除列。 alter table sale_detail drop columns customer_id; --删除表sale_detail的列shop_name和customer_id。输入yes确认后,即可删除列。 alter table sale_detail drop columns shop_name, customer_id;
更改列数据类型
为已存在的列更改数据类型。
在下列场景中,如果执行了更改列数据类型操作,会使表的读写行为发生变化:
作业类型是MapReduce 1.0时,Graph任务无法读写修改的表。
CUPID作业只有Spark以下版本可以读表,但是不可以写表:
Spark-2.3.0-odps0.34.0
Spark-3.1.1-odps0.34.0
PAI作业可以读表,但不可以写表。
Hologres作业在1.3版本之前,Hologres引用修改的表作为外部表时,无法读写该表。
表做过更改列数据类型操作后,不支持
CLONE TABLE
。
此外,Streaming Tunnel在写入表时,不可以修改表结构。
命令格式。
alter table <table_name> change [column] <old_column_name> <new_column_name> <new_data_type>;
参数说明。
table_name:必填。待修改列数据类型的表名称。
old_column_name:必填。待修改列数据类型的列名称。
new_column_name:必填。修改列数据类型后的列名称。old_column_name可以与new_column_name保持一致,表示不修改列名称。但是new_column_name不能与除old_column_name之外的列名称相同。
new_data_type:必填。待修改的列修改后的数据类型。
使用示例。
--将mf_evol_t3表的id字段由int转化为bigint alter table mf_evol_t3 change id id bigint; --将mf_evol_t3表的id字段类型由bigint转化为string alter table mf_evol_t3 change column id id string;
数据类型支持转换表。
说明Y表示支持转换;N表示不支持转换;-表示不涉及;Y()表示满足括号内的条件支持转换。
修改列的顺序
为已存在的非分区表或分区表修改列顺序。
在下列场景中,如果执行了更改表的列顺序、添加新列并修改列顺序操作,会使表的读写行为发生变化:
作业类型是MapReduce 1.0时,Graph任务无法读写修改的表。
CUPID作业只有Spark以下版本可以读表,但是不可以写表:
Spark-2.3.0-odps0.34.0
Spark-3.1.1-odps0.34.0
PAI作业可以读表,但不可以写表。
Hologres作业在1.3版本之前,Hologres引用修改的表作为外部表时,无法读写该表。
表做过更改表的列顺序操作后,不支持
CLONE TABLE
。
此外,Streaming Tunnel在写入表时,不可以修改表结构。
命令格式
alter table <table_name> change <old_column_name> <new_column_name> <column_type> after <column_name>;
参数说明
table_name:必填。待修改列顺序的表名称。
old_column_name:必填。待修改顺序的列的原始名称。
new_col_name:必填。修改后的列名称。new_col_name可以与old_column_name保持一致,表示不修改列名称。但new_col_name不能与除old_column_name的之外的列名称相同。
column_type:必填。待修改的列的原始数据类型。不可修改。
column_name:必填。将待调整顺序的列调整至column_name之后。
使用示例
--修改表sale_detail的列customer_id为customer并位于total_price之后。 alter table sale_detail change customer_id customer string after total_price; --修改表sale_detail的列customer_id位于total_price之后,不修改列名称。 alter table sale_detail change customer_id customer_id string after total_price;
修改列名
为已存在的非分区表或分区表修改列名称。
命令格式
alter table <table_name> change column <old_col_name> rename to <new_col_name>;
参数说明
table_name:必填。待修改列名的表名称。
old_col_name:必填。待修改的列名称。old_col_name必须是已存在的列。
new_col_name:必填。修改后的列名称。表中不能有名为new_col_name的列。
使用示例
--修改表sale_detail的列名customer_name为customer。 alter table sale_detail change column customer_name rename to customer;
修改列注释
为已存在的非分区表或分区表修改列注释。
语法格式
alter table <table_name> change column <col_name> comment '<col_comment>';
参数说明
table_name:必填。待修改列注释的表名称。
col_name:必填。待修改注释的列名称。col_name必须是已存在的列。
col_comment:必填。修改后的注释信息。注释内容为长度不超过1024字节的有效字符串,否则报错。
使用示例
--修改表sale_detail的列customer的注释。 alter table sale_detail change column customer comment 'customer';
修改列名及注释
修改非分区表或分区表的列名或注释。
命令格式
alter table <table_name> change column <old_col_name> <new_col_name> <column_type> comment '<col_comment>';
参数说明
table_name:必填。需要修改列名以及注释的表名称。
old_col_name:必填。需要修改的列名称。
old_col_name
必须是已存在的列。new_col_name:必填。新的列名称。表中不能有名为
new_col_name
的列。column_type:必填。列的数据类型。
col_comment:可选。修改后的注释信息。内容最长为1024字节。
使用示例
--修改表sale_detail的列名customer_name为customer_newname,注释“客户”为“customer”。 alter table sale_detail change column customer_name customer_newname STRING comment 'customer';
修改表的列非空属性
修改表的非分区列的非空属性。即如果表的非分区列值禁止为NULL,您可以通过本命令修改分区列值允许为NULL。
您可以通过desc extended table_name;
命令查看Nullable
属性值,判断列的非空属性。如果Nullable
为true
,表示允许为NULL;如果Nullable
为false
,表示禁止为NULL。
使用限制
修改分区列值允许为NULL后,不可回退,不支持再修改分区列值禁止为NULL,请谨慎操作。
命令格式
alter table <table_name> change column <old_col_name> null;
参数说明
table_name:必填。待修改列非空属性的表名称。
old_col_name:必填。待修改的非分区列的名称。old_col_name必须是已存在的非分区列。
使用示例
--创建一张分区表,id列禁止为NULL。 create table null_test(id int not null, name string) partitioned by (ds string); --修改id列允许为NULL。 alter table null_test change column id null;
合并Transactional表文件
Transactional表底层物理存储为不支持直接读取的Base文件和Delta文件。对Transactional表执行update
或delete
操作,不会修改Base文件,只会追加Delta文件,所以会出现更新或删除次数越多,表实际占用存储越大的情况,多次累积的Delta文件会产生较高的存储和后续查询费用。
对同一表或分区,执行多次update
或delete
操作,会生成较多Delta文件。系统读数据时,需要加载这些Delta文件来确定哪些行被更新或删除,较多的Delta文件会影响数据读取效率。此时您可以将Base文件和Delta合并,减少存储以便提升数据读取效率。
命令格式
alter table <table_name> [partition (<partition_key> = '<partition_value>' [, ...])] compact {minor|major};
参数说明
table_name:必填。待合并文件的Transactional表名称。
partition_key:可选。当Transactional表为分区表时,指定分区列名。
partition_value:可选。当Transactional表为分区表时,指定分区列名对应的列值。
major|minor:至少选择其中一个。二者的区别是:
minor
:只将Base文件及其下所有的Delta文件合并,消除Delta文件。major
:不仅将Base文件及其下所有的Delta文件合并,消除Delta文件,还会把表对应的Base文件中的小文件进行合并。当Base文件较小(小于32 MB)或有Delta文件的情况下,等价于重新对表执行insert overwrite
操作,但当Base文件足够大(大于等于32 MB ),且不存在Delta文件的情况下,不会重写。
使用示例
示例1:基于Transactional表acid_delete,合并表文件。命令示例如下:
alter table acid_delete compact minor;
返回结果如下:
Summary: Nothing found to merge, set odps.merge.cross.paths=true if cross path merge is permitted. OK
示例2:基于Transactional表acid_update_pt,合并表文件。命令示例如下:
alter table acid_update_pt partition (ds = '2019') compact major;
返回结果如下:
Summary: table name: acid_update_pt /ds=2019 instance count: 2 run time: 6 before merge, file count: 8 file size: 2613 file physical size: 7839 after merge, file count: 2 file size: 679 file physical size: 2037 OK
合并小文件
分布式文件系统按块Block存放,文件大小比块大小(64 M)小的文件称之为小文件。分布式系统不可避免会产生小文件,比如SQL或其他分布式引擎计算结果,tunnel数据采集都会产生小文件,小文件合并可以提高计算性能。
命令格式
ALTER TABLE <tablename> [PARTITION(<partition_key>=<partition_value>)] MERGE SMALLFILES;
参数说明
table_name:必填。待合并文件的表名称。
partition_key:可选。当表为分区表时,指定分区列名。
partition_value:可选。当表为分区表时,指定分区列名对应的列值。
使用示例
set odps.merge.cross.paths=true; set odps.merge.smallfile.filesize.threshold=128; set odps.merge.max.filenumber.per.instance = 2000; alter table tbcdm.dwd_tb_log_pv_di partition (ds='20151116') merge smallfiles;
使用合并小文件功能需要用到计算资源,如果您购买的实例是按量计费,会产生相关费用,具体计费规则与SQL按量计费保持一致,详情请参见SQL作业按量计费。
更多详情,请参见合并小文件。
相关命令
CREATE TABLE:创建非分区表、分区表、外部表或聚簇表。
TRUNCATE:将指定表中的数据清空。
DROP TABLE:删除分区表或非分区表。
DESC TABLE/VIEW:查看MaxCompute内部表、视图、物化视图、外部表、聚簇表或Transactional表的信息。
SHOW:查看表的SQL DDL语句、列出项目下所有的表和视图或列出一张表中的所有分区。