插入或覆写动态分区数据（DYNAMIC PARTITION） - 云原生大数据计算服务 MaxCompute

MaxCompute支持通过insert into或insert overwrite操作向动态分区中插入数据。

本文中的命令您可以在如下工具平台执行：

前提条件

执行insert into和insert overwrite操作前需要具备目标表的修改权限（Alter）及源表的元信息读取权限（Describe）。授权操作请参见MaxCompute权限。

功能介绍

在使用MaxCompute SQL处理数据时，insert into或insert overwrite语句中不直接指定分区值，只指定分区列名（分区字段）。分区列的值在select子句中提供，系统自动根据分区列的值将数据插入到相应分区。

向静态分区插入数据的操作请参见插入或覆写数据（INSERT INTO | INSERT OVERWRITE）。

使用限制

通过insert into和insert overwrite操作向动态分区中插入数据的使用限制如下：

insert into最多可以生成10000个动态分区，insert overwrite最多可以生成60000个动态分区。
分布式环境下，在使用动态分区功能的SQL语句中，单个进程最多只能输出512个动态分区，否则会运行异常。
动态生成的分区值不允许为NULL，也不支持特殊字符和中文，否则会报错FAILED: ODPS-0123031:Partition exception - invalid dynamic partition value: province=xxx。
说明
分区值不能包含双字节字符（如中文），必须以字母开头，包含字母、数字和允许的字符，长度不超过255字节。允许的字符包括空格、冒号（:）、下划线（_）、美元符号（$）、井号（#）、英文句点（.）、感叹号（!）和at（@），其他字符的行为未定义，例如转义字符\t、\n和/。
聚簇表不支持动态分区。

注意事项

如果您需要更新表数据到动态分区，需要注意：

insert into partition时，如果分区不存在，会自动创建分区。
多个insert into partition作业并发时，如果分区不存在，优先执行成功的作业会自动创建分区，但只会成功创建一个分区。
如果不能控制insert into partition作业并发，建议您通过alter table命令提前创建分区，详情请参见分区和列操作。
如果目标表有多级分区，在执行insert操作时，允许指定部分分区为静态分区，但是静态分区必须是高级分区。
向动态分区插入数据时，动态分区列必须在select列表中，否则会执行失败。

命令格式

insert {into|overwrite} table <table_name> partition (<ptcol_name>[, <ptcol_name> ...]) 
<select_statement> from <from_statement>;

table_name：必填。需要插入数据的目标表名。
ptcol_name：必填。目标表分区列的名称。
select_statement：必填。select子句，从源表中查询需要插入目标表的数据。
如果目标表只有一级动态分区，则select子句的最后一个字段值即为目标表的动态分区值。源表select的值和输出分区的值的关系是由字段顺序决定，并不是由列名称决定的。当源表的字段与目标表字段顺序不一致时，建议您按照目标表顺序在select_statement语句中指定字段。
from_statement：必填。from子句，表示数据来源。例如，源表名称。

使用示例

示例1：将源表中的数据插入到目标表中。在运行SQL语句之前，您无法得知会产生哪些分区。只有在语句运行结束后，才能通过region字段产生的值确定产生的分区。命令示例如下：

--创建目标表total_revenues。
create table total_revenues (revenue double) partitioned by (region string);

--将源表sale_detail中的数据插入到目标表total_revenues。源表信息请参见插入或覆写数据（INSERT INTO | INSERT OVERWRITE）。
set odps.sql.allow.fullscan=true; 
insert overwrite table total_revenues partition(region)
select total_price as revenue, region from sale_detail;

--执行show partitions语句查看表total_revenues的分区。
show partitions total_revenues;
   
--返回结果。
region=china  

--开启全表扫描，仅此Session有效。执行select语句查看表total_revenues中的数据。  
set odps.sql.allow.fullscan=true; 
select * from total_revenues;    

--返回结果。
+------------+------------+
| revenue    | region     |
+------------+------------+
| 100.1      | china      |
| 100.2      | china      |
| 100.3      | china      |
+------------+------------+

示例2：将源表中的数据插入到目标表中。多级分区，指定一级分区sale_date。命令示例如下：

--创建目标表sale_detail_dypart。 
create table sale_detail_dypart like sale_detail; 

--指定一级分区，将数据插入目标表。
insert overwrite table sale_detail_dypart partition (sale_date='2013', region)
select shop_name,customer_id,total_price,region from sale_detail;

--开启全表扫描，仅此Session有效。执行select语句查看表sale_detail_dypart中的数据。
set odps.sql.allow.fullscan=true; 
select * from sale_detail_dypart;

--返回结果。
+------------+-------------+-------------+------------+------------+
| shop_name  | customer_id | total_price | sale_date  | region     |
+------------+-------------+-------------+------------+------------+
| s1         | c1          | 100.1       | 2013       | china      |
| s2         | c2          | 100.2       | 2013       | china      |
| s3         | c3          | 100.3       | 2013       | china      |
+------------+-------------+-------------+------------+------------+

示例3：动态分区中，select_statement字段和目标表动态分区的对应关系是由字段顺序决定，并不是由列名称决定的。命令示例如下：

--将源表sale_detail中的数据插入到目标表sale_detail_dypart。
insert overwrite table sale_detail_dypart partition (sale_date, region)
select shop_name,customer_id,total_price,sale_date,region from sale_detail;

--开启全表扫描，仅此Session有效。执行select语句查看表sale_detail_dypart中的数据。
set odps.sql.allow.fullscan=true; 
select * from sale_detail_dypart;

--返回结果。决定目标表sale_detail_dypart动态分区的字段sale_date为源表sale_detail的字段sale_date；决定目标表sale_detail_dypart动态分区的字段region为源表sale_detail的字段region。
+------------+-------------+-------------+------------+------------+
| shop_name  | customer_id | total_price | sale_date  | region     |
+------------+-------------+-------------+------------+------------+
| s1         | c1          | 100.1       | 2013       | china      |
| s2         | c2          | 100.2       | 2013       | china      |
| s3         | c3          | 100.3       | 2013       | china      |
+------------+-------------+-------------+------------+------------+

--将源表sale_detail中的数据插入到目标表sale_detail_dypart，调整select字段顺序。
insert overwrite table sale_detail_dypart partition (sale_date, region)
select shop_name,customer_id,total_price,region,sale_date from sale_detail;

--开启全表扫描，仅此Session有效。执行select语句查看表sale_detail_dypart中的数据。
set odps.sql.allow.fullscan=true; 
select * from sale_detail_dypart;

--返回结果。决定目标表sale_detail_dypart动态分区的字段sale_date为源表sale_detail的字段region；决定目标表sale_detail_dypart动态分区的字段region为源表sale_detail的字段sale_date。
+------------+-------------+-------------+------------+------------+
| shop_name  | customer_id | total_price | sale_date  | region     |
+------------+-------------+-------------+------------+------------+
| s1         | c1          | 100.1       | china      | 2013       |
| s2         | c2          | 100.2       | china      | 2013       |
| s3         | c3          | 100.3       | china      | 2013       |
+------------+-------------+-------------+------------+------------+

示例4：向动态分区插入数据时，动态分区列必须在select列表中，否则会执行失败。错误命令示例如下：

insert overwrite table sale_detail_dypart partition (sale_date='2013', region)
select shop_name,customer_id,total_price from sale_detail;

示例5：向动态分区插入数据时，不能仅指定低级子分区，而动态插入高级分区，否则会执行失败。错误命令示例如下：
```
insert overwrite table sale_detail_dypart partition (sale_date, region='china')
select shop_name,customer_id,total_price,sale_date from sale_detail_dypart;
```

示例6：MaxCompute在向动态分区插入数据时，如果分区列的类型与对应select中列的类型不严格一致，会隐式转换，命令示例如下：

--创建源表src。
create table src (c int, d string) partitioned by (e int);

--向源表src增加分区。
alter table src add if not exists partition (e=201312);

--向源表src追加数据。
insert into src partition (e=201312) values (1,100.1),(2,100.2),(3,100.3);

--创建目标表parttable。
create table parttable(a int, b double) partitioned by (p string);

--将源表src数据插入目标表parttable。
insert into parttable partition (p) select c, d, current_timestamp() from src;

--查询目标表parttable。
set odps.sql.allow.fullscan=true;
select * from parttable;

--返回结果如下。
+------------+------------+------------+
| a          | b          | p          |
+------------+------------+------------+
| 1          | 100.1      | 2020-11-25 15:13:28.686 |
| 2          | 100.2      | 2020-11-25 15:13:28.686 |
| 3          | 100.3      | 2020-11-25 15:13:28.686 |
+------------+------------+------------+

说明

如果您的数据是有序的，动态分区插入会把数据随机打散，导致压缩率较低。推荐您使用Tunnel命令上传数据到动态分区，以获取较好的压缩率。使用该命令的详细示例请参见RDS迁移至MaxCompute实现动态分区。