Delen via

Hive Warehouse Connector 2.0 API's in Azure HDInsight

  • Artikel

In dit artikel worden alle API's vermeld die worden ondersteund door Hive Warehouse Connector 2.0. Alle voorbeelden die worden weergegeven, laten zien hoe u een spark-shell- en Hive Warehouse-connectorsessie gebruikt.

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

    Met deze API maakt u een Hive-samenvoegquery in de 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.microsoft.hwc.v2")
   .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.microsoft.hwc.v2.batch.stream.write")
   .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.microsoft.hwc.v2.batch.stream.write")
   .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.microsoft.hwc.v2")
    .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()

Volgende stappen