1.首先創建表
create table user(
id int,
name string,
address string
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
STORED AS TEXTFILE;
2.創建索引
create index user_index on table user(id)
as 'org.apache.hadoop.hive.ql.index.compact.CompactIndexHandler'
with deferred rebuild
idxproperties('creator' = 'Alex','create_at' = 'sometimes')
in table user_index_table; -- 生成user_index_table一張額外的表，該表里面 包括索引字段，以及該值所對應的HDFS文件路徑，和該值在文件中的偏移量。
alter index user_index on user rebuild;
這樣就對user表加了索引了，索引字段為id。
3.刪除索引
drop index [if exists] user_index on user;
4.加載索引數據
alter index user_index on user [partition dt] rebuild;
5.查詢索引
show index on user;
6.使用索引的目的
在執行索引字段查詢的時候，首先生成一個額外的MR Job,根據對索引列的過濾條件，從索引表中過濾出索引列的值對應的HDFS文件路徑以及偏移量，輸出帶hdfs一個文件中，然后根據這些文件的hdfs路徑和偏移量篩選原始的input文件生成新的split，作為這個job的split,這樣就可以不用全表掃描。使得查詢效率更高，速度更快。
7.使用索引的缺點
需要生成索引表，然后每次執行查詢要先跑個mr獲取所要的字段的信息從索引表中，會有一定的開銷。