API Hive Warehouse Connector в Azure HDInsight

В этой статье перечислены все API, поддерживаемые Hive Warehouse Connector. Все примеры, приведенные ниже, выполняются с помощью сеанса Spark-shell и Hive Warehouse Connector.

Создание сеанса Hive Warehouse Connector.

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

Предварительные требования

Выполните инструкции из статьи Настройка Hive Warehouse Connector.

Поддерживаемые API

• Настройка базы данных:

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

• Вывод списка всех баз данных:

  hive.showDatabases()
  

• Вывод списка всех таблиц в текущей базе данных

  hive.showTables()
  

• Описание таблицы

  // 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>")
  

• Удаление базы данных

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

• Удаление таблицы из текущей базы данных

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

• Создание базы данных

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

• Создание таблицы в текущей базе данных

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

  Построитель для создания таблиц поддерживает только следующие операции.

  // 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()
  

  Примечание

  Этот программный интерфейс создает таблицу в формате ORC в расположении по умолчанию. Для других функций/параметров или для создания таблицы с помощью запросов Hive используйте API executeUpdate.

• Чтение из таблицы

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

• Выполнение команд DDL в 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
  

• Выполнение запроса Hive и загрузка результата в наборе данных

  • Выполнение запроса с помощью управляющих программ LLAP. [Рекомендуется]

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

  • Выполнение запроса с помощью HiveServer2 через JDBC.

    Чтобы использовать этот API, задайте для параметра spark.datasource.hive.warehouse.smartExecution значение false в настройках Spark, прежде чем запустить сеанс Spark.

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

• Закрытие сеанса Hive Warehouse Connector

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

• Выполнение запроса на слияние Hive

  Этот API создает запрос на слияние Hive в следующем формате.

  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
  

  Построитель поддерживает следующие операции.

  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()
  

• Запись набора данных в таблицу Hive в пакетной службе

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

  • Имя таблицы TableName должно иметь вид <db>.<table> или <table>. Если имя базы данных не указано, поиск по таблице или создание таблицы будет выполняться в текущей базе данных.

  • Типы SaveMode:

    • Добавить: добавляет набор данных в заданную таблицу.

    • Перезаписать: перезаписывает данные в заданной таблице с помощью набора данных.

    • Игнорировать: пропускает запись, если таблица уже существует; ошибка не выдается.

    • ErrorIfExists: выдает ошибку, если таблица уже существует.

• Запись набора данных в таблицу Hive с помощью 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()
  

  Примечание

  Потоковая запись всегда добавляет данные.

• Запись потока Spark в таблицу Hive

  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()