Hive Warehouse Connector-API's in Azure HDInsight

In dit artikel vindt u alle API's die worden ondersteund door de Hive-warehouseconnector. Alle onderstaande voorbeelden worden uitgevoerd met behulp van spark-shell en Hive Warehouse-connectorsessie.

Een Hive-warehouseconnectorsessie maken:

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

Vereiste

Voer de installatiestappen voor Hive Warehouse Connector uit .

Ondersteunde API's

• Stel de database in:

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

• Alle databases weergeven:

  hive.showDatabases()
  

• Alle tabellen in de huidige database weergeven

  hive.showTables()
  

• Een tabel beschrijven

  // 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>")
  

• Een database verwijderen

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

• Een tabel in de huidige database neerzetten

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

• Een database maken

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

• Een tabel maken in de huidige database

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

  Builder voor create-table ondersteunt alleen de onderstaande bewerkingen:

  // 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()
  

  Notitie

  Deze API maakt een tabel met ORC-indeling op de standaardlocatie. Gebruik API voor andere functies/opties of om een tabel te maken met hive-query's executeUpdate .

• Een tabel lezen

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

• DDL-opdrachten uitvoeren op 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
  

• Hive-query uitvoeren en resultaat laden in gegevensset

  • Query uitvoeren via LLAP-daemons. [Aanbevolen]

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

  • Query uitvoeren via HiveServer2 via JDBC.

    Instellen spark.datasource.hive.warehouse.smartExecution op false in Spark-configuraties voordat de Spark-sessie wordt gestart om deze API te gebruiken

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

• Hive-warehouseconnectorsessie sluiten

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

• Hive-samenvoegquery uitvoeren

  Deze API maakt een Hive-samenvoegquery met de onderstaande indeling

  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
  

  Builder ondersteunt de volgende bewerkingen:

  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()
  

• Een gegevensset in batch naar hive-tabel schrijven

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

  • TableName moet de vorm <db>.<table> of <table>hebben. Als er geen databasenaam wordt opgegeven, wordt de tabel doorzocht/gemaakt in de huidige database

  • SaveMode-typen zijn:

    • Toevoegen: voegt de gegevensset toe aan de opgegeven tabel

    • Overschrijven: de gegevens in de opgegeven tabel worden overschreven met een gegevensset

    • Negeren: schrijfbewerkingen overslaan als de tabel al bestaat, er is geen fout opgetreden

    • ErrorIfExists: genereert een fout als de tabel al bestaat

• Een gegevensset schrijven naar Hive Table met behulp van 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()
  

  Notitie

  Stream-schrijfbewerkingen voegen altijd gegevens toe.

• Een spark-stroom schrijven naar een Hive-tabel

  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()