API Hive Warehouse Connector dans Azure HDInsight

Cet article liste toutes les API prises en charge par Hive Warehouse Connector. Tous les exemples présentés ci-dessous sont exécutés à l’aide de l’interpréteur de commandes Spark et d’une session Hive Warehouse Connector.

Comment créer une session Hive Warehouse Connector :

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

Configuration requise

Suivez les étapes de Configuration de Hive Warehouse Connector.

API prises en charge

• Définir la base de données :

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

• Lister toutes les bases de données :

  hive.showDatabases()
  

• Lister toutes les tables de la base de données active

  hive.showTables()
  

• Décrire une table

  // 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>")
  

• Déposer une base de données

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

• Supprimer une table de la base de données active

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

• Création d'une base de données

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

• Créer une table dans la base de données active

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

  Le générateur pour la création de table prend en charge uniquement les opérations ci-dessous :

  // 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()
  

  Notes

  Cette API crée une table au format ORC à l’emplacement par défaut. Pour d’autres fonctionnalités/options ou pour créer une table à l’aide de requêtes Hive, utilisez l’API executeUpdate.

• Lire une table

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

• Exécuter des commandes DDL sur 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
  

• Exécuter une requête Hive et charger le résultat dans un jeu de données

  • Exécution d’une requête par le biais de démons LLAP. [Recommandé]

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

  • Exécution d’une requête par le biais de HiveServer2 via JDBC.

    Définir spark.datasource.hive.warehouse.smartExecution sur false dans les configurations Spark avant de démarrer la session Spark pour utiliser cette API

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

• Fermer une session Hive Warehouse Connector

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

• Exécuter une requête de fusion Hive

  Cette API crée une requête de fusion Hive au format ci-dessous

  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
  

  Le générateur prend en charge les opérations suivantes :

  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()
  

• Écrire un jeu de données dans la table Hive par lot

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

  • TableName être au format <db>.<table> ou <table>. Si aucun nom de base de données n’est fourni, la table est explorée/créée dans la base de données active

  • Les types SaveMode (Mode d’enregistrement) sont les suivants :

    • Append : ajoute le jeu de données à la table spécifiée

    • Overwrite : remplace les données de la table spécifiée par le jeu de données

    • Ignore : ignore l’écriture si la table existe déjà ; aucune erreur n’est générée

    • ErrorIfExists : génère une erreur si la table existe déjà

• Écrire un jeu de données dans une table Hive à l’aide de 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()
  

  Notes

  Les écritures en flux ajoutent toujours des données.

• Écriture d’un flux Spark dans une table 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()