如何通过SELECT语句向Hive分区表指定列插入数据

你给出的示例SQL存在字段顺序匹配的逻辑错误，Hive向分区表插入指定列时，需要严格遵循「SELECT返回列顺序和INSERT声明的列顺序（非分区列在前，分区列在后）完全对齐」的规则，未指定插入的c、d列会默认填充NULL，具体实现分两种常见场景：

1. 动态分区写入（分区值p1来自源表数据自动创建/匹配分区） #

首先需要提前开启Hive动态分区相关配置（如果集群未默认开启的话）：

SET hive.exec.dynamic.partition = true;
SET hive.exec.dynamic.partition.mode = nonstrict;

正确插入SQL如下：

INSERT INTO TABLE tb_1 PARTITION (p1) (a, b)
SELECT
  a,
  b,
  p1 -- 必须在SELECT末尾追加分区字段，顺序和PARTITION子句声明的分区字段一致
FROM tb_2;

核心注意点：动态分区模式下，绝对不能漏写SELECT中的分区字段。如果只查a、b两列，Hive会把b字段的值识别为p1的分区值，导致b列实际写入NULL、p1分区值完全错误的字段错位问题。

2. 静态分区写入（分区值p1为固定常量，不需要从源表读取） #

如果要写入固定分区，比如指定写入p1='202405'这个分区，不需要在SELECT中追加分区字段，SQL写法如下：

INSERT INTO TABLE tb_1 PARTITION (p1='202405') (a, b)
SELECT a, b FROM tb_2;

补充说明 #

如果你不希望c、d列默认填充NULL，可以在INSERT子句中声明c、d列，在SELECT中给这两列赋固定默认值即可，示例：

-- 给c默认赋值0，d默认赋值空字符串
INSERT INTO TABLE tb_1 PARTITION (p1) (a, b, c, d)
SELECT a, b, 0, '', p1 FROM tb_2;

内容的提问来源于stack exchange，提问作者david vallet