Hive Warehouse Connector-APIs in Azure HDInsight

In diesem Artikel sind alle APIs aufgeführt, die von Hive Warehouse Connector unterstützt werden. Alle unten angegebenen Beispiele werden per spark-shell und Hive Warehouse Connector-Sitzung ausgeführt.

Gehen Sie wie folgt vor, um eine Hive Warehouse Connector-Sitzung zu erstellen:

import com.hortonworks.hwc.HiveWarehouseSession
val hive = HiveWarehouseSession.session(spark).build()

Voraussetzung

Schließen Sie die Schritte für das Hive Warehouse Connector-Setup ab.

Unterstützte APIs

• Festlegen der Datenbank:

  hive.setDatabase("<database-name>")
  

• Auflisten aller Datenbanken:

  hive.showDatabases()
  

• Auflisten aller Tabellen in der aktuellen Datenbank

  hive.showTables()
  

• Beschreiben einer Tabelle

  // Describes the table <table-name> in the current database
  hive.describeTable("<table-name>")
  

  // Describes the table <table-name> in <database-name>
  hive.describeTable("<database-name>.<table-name>")
  

• Löschen einer Datenbank

  // ifExists and cascade are boolean variables
  hive.dropDatabase("<database-name>", ifExists, cascade)
  

• Auflisten einer Tabelle in der aktuellen Datenbank

  // ifExists and purge are boolean variables
  hive.dropTable("<table-name>", ifExists, purge)
  

• Erstellen einer Datenbank

  // ifNotExists is boolean variable
  hive.createDatabase("<database-name>", ifNotExists)
  

• Erstellen einer Tabelle in der aktuellen Datenbank

  // Returns a builder to create table
  val createTableBuilder = hive.createTable("<table-name>")
  

  Für den create-table-Generator werden nur die folgenden Vorgänge unterstützt:

  // Create only if table does not exists already
  createTableBuilder = createTableBuilder.ifNotExists()
  

  // Add columns
  createTableBuilder = createTableBuilder.column("<column-name>", "<datatype>")
  

  // Add partition column
  createTableBuilder = createTableBuilder.partition("<partition-column-name>", "<datatype>")
  

  // Add table properties
  createTableBuilder = createTableBuilder.prop("<key>", "<value>")
  

  // Creates a bucketed table,
  // Parameters are numOfBuckets (integer) followed by column names for bucketing
  createTableBuilder = createTableBuilder.clusterBy(numOfBuckets, "<column1>", .... , "<columnN>")
  

  // Creates the table
  createTableBuilder.create()
  

  Hinweis

  Bei dieser API wird eine Tabelle mit ORC-Formatierung an einem Standardspeicherort erstellt. Verwenden Sie die executeUpdate-API für andere Features bzw. Optionen oder zum Erstellen einer Tabelle mit Hive-Abfragen.

• Lesen einer Tabelle

  // Returns a Dataset<Row> that contains data of <table-name> in the current database
  hive.table("<table-name>")
  

• Ausführen von DDL-Befehlen auf HiveServer2

  // Executes the <hive-query> against HiveServer2
  // Returns true or false if the query succeeded or failed respectively
  hive.executeUpdate("<hive-query>")
  

  // Executes the <hive-query> against HiveServer2
  // Throws exception, if propagateException is true and query threw excpetion in HiveServer2
  // Returns true or false if the query succeeded or failed respectively
  hive.executeUpdate("<hive-query>", propagateException) // propagate exception is boolean value
  

• Ausführen einer Hive-Abfrage und Laden des Ergebnisses in das Dataset

  • Ausführen einer Abfrage über LLAP-Daemons [Empfohlen]

    // <hive-query> should be a hive query 
    hive.executeQuery("<hive-query>")
    

  • Ausführen einer Abfrage über HiveServer2 per JDBC

    Legen Sie spark.datasource.hive.warehouse.smartExecution in der Spark-Konfiguration auf false fest, bevor Sie die Spark-Sitzung für die Verwendung dieser API starten.

    hive.execute("<hive-query>")
    

• Schließen der Hive Warehouse Connector-Sitzung

  // Closes all the open connections and
  // release resources/locks from HiveServer2
  hive.close()
  

• Ausführen einer Hive-MERGE-Abfrage

  Bei dieser API wird eine Hive-MERGE-Abfrage im unten angegebenen Format erstellt:

  MERGE INTO <current-db>.<target-table> AS <targetAlias> USING <source expression/table> AS <sourceAlias>
  ON <onExpr>
  WHEN MATCHED [AND <updateExpr>] THEN UPDATE SET <nameValuePair1> ... <nameValuePairN>
  WHEN MATCHED [AND <deleteExpr>] THEN DELETE
  WHEN NOT MATCHED [AND <insertExpr>] THEN INSERT VALUES <value1> ... <valueN>
  

  val mergeBuilder = hive.mergeBuilder() // Returns a builder for merge query
  

  Der Generator unterstützt die folgenden Vorgänge:

  mergeBuilder.mergeInto("<taget-table>", "<targetAlias>")
  

  mergeBuilder.using("<source-expression/table>", "<sourceAlias>")
  

  mergeBuilder.on("<onExpr>")
  

  mergeBuilder.whenMatchedThenUpdate("<updateExpr>", "<nameValuePair1>", ... , "<nameValuePairN>")
  

  mergeBuilder.whenMatchedThenDelete("<deleteExpr>")
  

  mergeBuilder.whenNotMatchedInsert("<insertExpr>", "<value1>", ... , "<valueN>");
  

  // Executes the merge query
  mergeBuilder.merge()
  

• Schreiben eines Datasets in eine Hive-Tabelle per Batchvorgang

  df.write.format("com.hortonworks.spark.sql.hive.llap.HiveWarehouseConnector")
     .option("table", tableName)
     .mode(SaveMode.Type)
     .save()
  

  • „TableName“ sollte das Format <db>.<table> oder <table> haben. Wenn kein Datenbankname angegeben wird, wird die Suche bzw. Erstellung der Tabelle in der aktuellen Datenbank durchgeführt.

  • Die SaveMode-Typen lauten:

    • Append: Fügt das Dataset an die jeweilige Tabelle an.

    • Overwrite: Überschreibt die Daten in der jeweiligen Tabelle durch das Dataset.

    • Ignore: Überspringt den Schreibvorgang ohne Fehlerauslösung, falls die Tabelle bereits vorhanden ist.

    • ErrorIfExists: Löst einen Fehler aus, falls die Tabelle bereits vorhanden ist.

• Schreiben eines Datasets in eine Hive-Tabelle per HiveStreaming

  df.write.format("com.hortonworks.spark.sql.hive.llap.HiveStreamingDataSource")
     .option("database", databaseName)
     .option("table", tableName)
     .option("metastoreUri", "<HMS_URI>")
  // .option("metastoreKrbPrincipal", principal), add if executing in ESP cluster
     .save()
  
   // To write to static partition
   df.write.format("com.hortonworks.spark.sql.hive.llap.HiveStreamingDataSource")
     .option("database", databaseName)
     .option("table", tableName)
     .option("partition", partition)
     .option("metastoreUri", "<HMS URI>")
  // .option("metastoreKrbPrincipal", principal), add if executing in ESP cluster
     .save()
  

  Hinweis

  Bei Streamschreibvorgängen werden immer Daten angefügt.

• Schreiben eines Spark-Streams in eine Hive-Tabelle

  stream.writeStream
      .format("com.hortonworks.spark.sql.hive.llap.streaming.HiveStreamingDataSource")
      .option("metastoreUri", "<HMS_URI>")
      .option("database", databaseName)
      .option("table", tableName)
    //.option("partition", partition) , add if inserting data in partition
    //.option("metastoreKrbPrincipal", principal), add if executing in ESP cluster
      .start()