Hive表在创建的时候，其实就是在HDFS的指定目录上创建的一个文件夹。如果是内部表，只能映射在数据库目录下，而如果是外部表，则可以使用location指定映射的位置。这个文件夹下的所有的数据文件，都是这个表中的数据。随着系统运行时间的累积，文件中的数据量也会越来越大。hive在进行查询的时候，每一次的查询，都会从这个目录下的所有的数据文件中进行查询。如果数据量过大的时候，这个查询将会非常的慢了。

　　那么，有没有什么办法可以加速这个查询的过程呢?其实，最简单的加速查询就是减少文件的扫描量即可。

　　我们以一个电商的订单数据表为例，表中存放着过去5年的所有的订单数据。每一次查询的时候，都需要从所有的数据文件中进行查询，数据量非常庞大，导致查询的时间会非常的长。但是，表中的5年的订单的数据，我们在查询的时候，很多的数据其实都是没有必要去查询的。其中没有任何的数据价值，反而要增加查询的文件数量。

　　如果我们对这些订单的数据分个类呢?例如，按照时间?

　　我们可以在表目录下创建若干个文件夹，例如: 2022年、2021年、2020年...，然后将不同年份的订单数据，存放到对应的文件夹里面即可。这样我们在进行数据查询的时候，如果要查询2022年的数据，是不是只需要到2022年的文件夹中查询即可，不用再查询所有的数据了，就达到了加速查询的效果了!

　　这，就是分区!

　　我们使用分区，就是将表中的数据，按照不同的维度进行归类。在进行数据查询的时候，就可以按照不同的分区的号，到指定的文件夹中进行查询即可。在上述的例子中，表目录下只创建了一层的文件夹，这就是一级分区。而有时候我们还需要在一个文件夹中创建二级文件夹，来将数据进行更加细致的归类，例如对于某一年的数据，可以按照月份再进行归类。这就是二级分区。在创建分区的时候，还可以创建三级、四级等分区，但是实际使用中，三级分区已经是比较多的分区层级了。常用的就是一级和二级分区。

　　分区表在创建的时候，需要使用partitioned by 来指定分区的字段。例如：

　　12345

　　create table tableName(

　　.......

　　.......

　　)

　　partitioned by (colName colType [comment '...'],...)

　　需要注意的是，分区字段是一个伪字段，并不会真实的存储数据，只是一个分区的标识而已。例如我们在建表的时候如下：

　　-- 一级分区

　　create table part1(

　　id int,

　　name string,

　　age int

　　)

　　partitioned by (dt string)

　　row format delimited

　　fields terminated by ',';

　　-- 二级分区

　　create table part2(

　　id int,

　　name string,

　　age int

　　)

　　partitioned by (year int, month int)

　　row format delimited

　　fields terminated by ',';

　　在上述的两个分区表中，dt字段、year字段、month字段等，都是分区字段。如果我们到数据文件中进行数据的查看的话，你会发现数据文件中其实并没有这个字段对应的信息。但是我们的确是可以通过desc查看表结构，能够看到这个字段。因此这个字段存在的意义，只是用来区分分区的，而并不是真实的用来映射数据的。因此我们称这样的字段为伪字段。