API:er för Hive Warehouse Connector i Azure HDInsight

I den här artikeln visas alla API:er som stöds av Hive Warehouse Connector. Alla exempel som visas nedan körs med spark-shell och hive warehouse connector session.

Så här skapar du hive-lageranslutningssession:

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

Förutsättning

Slutför konfigurationsstegen för Hive Warehouse Connector .

API:er som stöds

• Ange databasen:

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

• Visa en lista över alla databaser:

  hive.showDatabases()
  

• Visa en lista över alla tabeller i den aktuella databasen

  hive.showTables()
  

• Beskriva en tabell

  // 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>")
  

• Ta bort en databas

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

• Ta bort en tabell i den aktuella databasen

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

• Skapa en databas

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

• Skapa en tabell i den aktuella databasen

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

  Builder för create-table stöder endast åtgärderna nedan:

  // 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()
  

  Anteckning

  Det här API:et skapar en ORC-formaterad tabell på standardplatsen. Använd API för andra funktioner/alternativ eller för att skapa en tabell med hive-frågor executeUpdate .

• Läsa en tabell

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

• Köra DDL-kommandon på 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
  

• Köra Hive-fråga och läs in resultat i Datauppsättning

  • Köra frågor via LLAP-daemoner. [Rekommenderas]

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

  • Köra frågor via HiveServer2 via JDBC.

    Ange spark.datasource.hive.warehouse.smartExecution till false i Spark-konfigurationer innan spark-sessionen startas för att använda det här API:et

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

• Stäng Hive-informationslageranslutningssession

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

• Köra Hive Merge-fråga

  Det här API:et skapar en Hive-sammanslagningsfråga med nedanstående format

  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 stöder följande åtgärder:

  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()
  

• Skriva en datauppsättning till Hive-tabellen i batch

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

  • TableName ska vara av formulär <db>.<table> eller <table>. Om inget databasnamn anges söks/skapas tabellen i den aktuella databasen

  • SaveMode-typer är:

    • Tillägg: Lägger till datauppsättningen i den angivna tabellen

    • Skriv över: Skriver över data i den angivna tabellen med datauppsättning

    • Ignorera: Hoppar över skrivning om tabellen redan finns, inget fel utlöses

    • ErrorIfExists: Genererar fel om tabellen redan finns

• Skriva en datauppsättning till Hive-tabellen med 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()
  

  Anteckning

  Stream-skrivningar lägger alltid till data.

• Skriva en Spark-ström till en Hive-tabell

  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()