Hive访问Delta Lake和Hudi数据

前提条件

• 已创建包含Hive、Delta Lake和Hudi服务的集群，详情请参见创建集群。

• 已登录集群，详情请参见登录集群。

使用限制

EMR-3.36.0及后续版本和EMR-5.2.0及后续版本，支持Hive对Hudi进行读操作。

Hive访问Delta Lake数据

1. 执行以下命令，进入Spark命令行。

   spark-sql

2. 在Spark中创建并查询表数据。

   1. 执行以下命令，在Spark中创建Delta表。

      create table delta_table (id int) using delta;

   2. 执行以下命令，向表中插入数据。

      insert into delta_table values 0,1,2,3,4;

   3. 执行以下命令，查看表数据。

      select * from delta_table;

      返回包含如下的信息。

      2
      3
      4
      0
      1
      Time taken: 1.847 seconds, Fetched 5 row(s)

3. 在Hive中查看Delta Lake数据。

   1. 执行以下命令，进入Hive命令行。

      hive

   2. 执行以下命令，在Hive中查看Delta Lake表。

      desc formatted delta_table;

   3. 执行以下命令，在Hive中查看Delta Lake表的数据。

      select * from delta_table;

      返回如下信息。

      OK
      2
      3
      4
      0
      1
      Time taken: 1.897 seconds, Fetched: 5 row(s)

      说明

      查看数据与在Spark中插入的数据一致，说明Hive已经成功访问了Delta Lake的数据。

Hive访问Hudi数据

Spark读写Hudi

• 启动方式

  • Spark2和Spark3 hudi0.11以下版本

    spark-sql \
    --conf 'spark.serializer=org.apache.spark.serializer.KryoSerializer' \
    --conf 'spark.sql.extensions=org.apache.spark.sql.hudi.HoodieSparkSessionExtension'

  • Spark3 hudi0.11及以上版本

    spark-sql \
    --conf 'spark.serializer=org.apache.spark.serializer.KryoSerializer' \
    --conf 'spark.sql.extensions=org.apache.spark.sql.hudi.HoodieSparkSessionExtension' \
    --conf 'spark.sql.catalog.spark_catalog=org.apache.spark.sql.hudi.catalog.HoodieCatalog'

• 使用示例

  • 建表

    create table h0 (
      id bigint,
      name string,
      price double,
      ts long
    ) using hudi
    tblproperties (
      primaryKey="id",
      preCombineField="ts"
    );

  • 查看表详情

    desc formatted h0;

    返回信息如下所示。

    _hoodie_commit_time     string
    _hoodie_commit_seqno    string
    _hoodie_record_key      string
    _hoodie_partition_path    string
    _hoodie_file_name       string
    id                      bigint
    name                    string
    price                   double
    ts                      bigint

    说明

    _hoodie_commit_time、_hoodie_commit_seqno、_hoodie_record_key、_hoodie_partition_path、_hoodie_file_name为Hudi默认添加的辅助字段。

  • 数据操作

    -- insert
    insert into h0 values (1, 'a1', 10, 1000), (2, 'a2', 11, 1000);
    
    -- update
    update h0 set name = 'a1_new' where id = 1;
    
    -- delete
    delete from h0 where id = 1;

  • 查询

    • 示例1

      select id, name, price, ts from h0;

      查询结果如下所示。

      2    a2    11.0    1000

    • 示例2

      select * from h0;

      查询结果如下所示。

      4.820221130150621338    20221130150621338_0_1    id:2        40d6507e-0579-42ce-a10f-c5e07a3981e5-0_0-29-2007_2022113015062****.parquet    2    a2    11.0    1000

      说明

      由于当前为非分区表，所以_hoodie_partition_path为空。前四个字段为Hudi默认添加的辅助字段的值。

  更多Spark读写Hudi示例，请参见Spark Guide。

Hive查询Hudi

-- select
select * from h0;