Azure HDInsight 中的 Hive Warehouse Connector 2.0 API

本文列出了 Hive Warehouse Connector 2.0 支持的所有 API。 显示的所有示例都是关于如何使用 spark-shell 和 Hive Warehouse Connector 会话来运行的。

如何创建 Hive Warehouse Connector 会话:

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

先决条件

完成 Hive Warehouse Connector 设置步骤。

受支持的 API

  • 设置数据库:

    hive.setDatabase("<database-name>")
    
  • 列出所有数据库:

    hive.showDatabases()
    
  • 列出当前数据库中的所有表

    hive.showTables()
    
  • 描述一个表

    // 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>")
    
  • 删除数据库

    // ifExists and cascade are boolean variables
    hive.dropDatabase("<database-name>", ifExists, cascade)
    
  • 删除当前数据库中的一个表

    // ifExists and purge are boolean variables
    hive.dropTable("<table-name>", ifExists, purge)
    
  • 创建数据库

    // ifNotExists is boolean variable
    hive.createDatabase("<database-name>", ifNotExists)
    
  • 在当前数据库中创建一个表

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

    create-table 的生成器仅支持以下操作:

    // 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()
    

    注意

    此 API 在默认位置创建 ORC 格式的表。 如需其他功能/选项或者要使用 hive 查询来创建表,请使用 executeUpdate API。

  • 读取表

    // Returns a Dataset<Row> that contains data of <table-name> in the current database
    hive.table("<table-name>")
    
  • 在 HiveServer2 上执行 DDL 命令

    // 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
    
  • 执行 Hive 查询并在数据集中加载结果

    • 通过 LLAP 守护程序执行查询。 [建议]

      // <hive-query> should be a hive query 
      hive.executeQuery("<hive-query>")
      
    • 使用 JDBC 通过 HiveServer2 执行查询。

      在启动 Spark 会话以使用此 API 之前,在 Spark 配置中将 spark.datasource.hive.warehouse.smartExecution 设置为 false

      hive.execute("<hive-query>")
      
  • 关闭 Hive Warehouse Connector 会话

    // Closes all the open connections and
    // release resources/locks from HiveServer2
    hive.close()
    
  • 执行 Hive 合并查询

    此 API 创建以下格式的 Hive 合并查询

    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
    

    生成器支持以下操作:

    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()
    
  • 将数据集批量写入 Hive 表

    df.write.format("com.microsoft.hwc.v2")
       .option("table", tableName)
       .mode(SaveMode.Type)
       .save()
    
    • TableName 的格式应为 <db>.<table><table>。 如果未提供数据库名称,将在当前数据库中搜索/创建表

    • SaveMode 类型为:

      • Append:将数据集追加到给定表

      • Overwrite:使用数据集覆盖给定表中的数据

      • Ignore:如果表已存在,则跳过写入操作,不引发任何错误

      • ErrorIfExists:如果表已存在,则引发错误

  • 使用 HiveStreaming 将数据集写入 Hive 表

    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()
    

    注意

    流写入始终追加数据。

  • 将 Spark 流写入 Hive 表

    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()
    

后续步骤