Sdílet prostřednictvím

Rozhraní API konektoru Hive Warehouse 2.0 ve službě Azure HDInsight

  • Článek

Tento článek obsahuje seznam všech rozhraní API podporovaných konektorem Hive Warehouse 2.0. Všechny uvedené příklady ukazují, jak spustit pomocí spark-shellu a relace konektoru hive warehouse.

Vytvoření relace konektoru skladu Hive:

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

Požadavek

Dokončete kroky nastavení konektoru Hive Warehouse Connector.

Podporovaná rozhraní API

  • Nastavte databázi:

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

  • Výpis všech databází:

    hive.showDatabases()

  • Výpis všech tabulek v aktuální databázi

    hive.showTables()

  • Popis tabulky

    // 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>")

  • Vyřazení databáze

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

  • Přetažení tabulky v aktuální databázi

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

  • Vytvořit databázi 

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

  • Vytvoření tabulky v aktuální databázi

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

    Tvůrce pro vytvoření tabulky podporuje pouze následující operace:

    // 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()

    Poznámka:

    Toto rozhraní API vytvoří ve výchozím umístění tabulku ve formátu ORC. Pro další funkce nebo možnosti nebo vytvoření tabulky pomocí dotazů Hive použijte executeUpdate rozhraní API.

  • Čtení z tabulky

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

  • Spouštění příkazů DDL na 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 exception in HiveServer2
// Returns true or false if the query succeeded or failed respectively
hive.executeUpdate("<hive-query>", propagateException) // propagate exception is boolean value

  • Spuštění dotazu Hive a načtení výsledku v datové sadě

    • Provádění dotazu prostřednictvím démonů LLAP. [Doporučeno]

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

    • Provádění dotazu prostřednictvím HiveServer2 přes JDBC.

      Před spuštěním relace Sparku pro použití tohoto rozhraní API nastavte spark.datasource.hive.warehouse.smartExecution v false konfiguracích Sparku.

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

  • Zavření relace konektoru Pro sklad Hive

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

  • Spuštění dotazu Hive Merge

    Toto rozhraní API vytvoří dotaz sloučení Hive ve formátu.

    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

    Tvůrce podporuje následující operace:

    mergeBuilder.mergeInto("<target-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()

  • Zápis datové sady do tabulky Hive v dávce

    df.write.format("com.microsoft.hwc.v2")
   .option("table", tableName)
   .mode(SaveMode.Type)
   .save()

    • TableName by měl mít tvar <db>.<table> nebo <table>. Pokud není zadaný žádný název databáze, bude tabulka prohledána nebo vytvořena v aktuální databázi.

    • Typy SaveMode jsou:

      • Připojení: Připojí datovou sadu k dané tabulce.

      • Přepsání: Přepíše data v dané tabulce datovou sadou.

      • Ignorovat: Přeskočí zápis, pokud tabulka již existuje, nevyvolá se žádná chyba.

      • ErrorIfExists: Vyvolá chybu, pokud tabulka již existuje.

  • Zápis datové sady do tabulky Hive pomocí HiveStreamingu

    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()

    Poznámka:

    Stream zapisuje vždy přidávaná data.

  • Zápis streamu Sparku do tabulky Hive

    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()

Další kroky