1.首先创建表
create table user(
id int,
name string,
address string
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
STORED AS TEXTFILE;
2.创建索引
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一张额外的表，该表里面 包括索引字段，以及该值所对应的HDFS文件路径，和该值在文件中的偏移量。
alter index user_index on user rebuild;
这样就对user表加了索引了，索引字段为id。
3.删除索引
drop index [if exists] user_index on user;
4.加载索引数据
alter index user_index on user [partition dt] rebuild;
5.查询索引
show index on user;
6.使用索引的目的
在执行索引字段查询的时候，首先生成一个额外的MR Job,根据对索引列的过滤条件，从索引表中过滤出索引列的值对应的HDFS文件路径以及偏移量，输出带hdfs一个文件中，然后根据这些文件的hdfs路径和偏移量筛选原始的input文件生成新的split，作为这个job的split,这样就可以不用全表扫描。使得查询效率更高，速度更快。
7.使用索引的缺点
需要生成索引表，然后每次执行查询要先跑个mr获取所要的字段的信息从索引表中，会有一定的开销。