通过Spark SQL读写C-Store数据_云原生数据仓库AnalyticDB(AnalyticDB)-阿里云帮助中心

云原生数据仓库 AnalyticDB MySQL 版集群支持通过Spark SQL在线或离线读写C-Store表（即表引擎是XUANWU的表）数据。本文主要介绍通过Spark SQL在线或离线读写C-Store表数据的具体方法。

前提条件

集群的产品系列为企业版、基础版或湖仓版。
说明
- 湖仓版集群存储预留资源需大于0 ACU。
- 企业版集群预留资源需大于0 ACU。
- 基础版集群预留资源需大于0 ACU。
已在企业版、基础版或湖仓版集群中创建Job型资源组。
已创建企业版、基础版或湖仓版集群的数据库账号。

步骤一：进入数据开发

登录云原生数据仓库AnalyticDB MySQL控制台，在左上角选择集群所在地域。在左侧导航栏，单击集群列表，然后单击目标集群ID。
在左侧导航栏，单击作业开发 > SQL开发。
在SQLConsole窗口，选择Spark引擎和Job型资源组。

步骤二：创建库和C-Store表

说明

您可以选择批处理或交互式执行任意一种方式执行以下SQL语句。详情请参见Spark SQL执行方式。

执行以下语句，创建数据库。

CREATE DATABASE spark_create_adb_db_test;

执行以下语句，创建C-Store表。Spark SQL建表语法详情请参见Spark SQL创建内表。

CREATE TABLE spark_create_adb_db_test.test_adb_tbl (
  id int,
  name string COMMENT 'test_name',
  age int
) using adb TBLPROPERTIES('primaryKey'='id,age',
                'distributeType'='HASH', 
                'distributeColumns'='id', 
                'partitionType'='value', 
                'partitionColumn'='age',   
                'partitionCount'='120',
                'storagePolicy'='COLD'   
               );

步骤三：读写C-Store表数据

说明

您可以选择批处理或交互式执行任意一种方式执行以下SQL语句。详情请参见Spark SQL执行方式。
执行Spark SQL语句，只返回执行成功或者失败，不返回数据。您可以在Spark Jar开发页面应用列表页签中的日志查看表数据。详情请参见查看Spark应用信息。

离线读写数据（INSERT OVERWRITE）时，仅需选择Spark引擎和Job型资源组，无需配置其他参数；在线读写数据（INSERT INTO）时，需通过SET命令设置执行SQL语句的资源组，且资源组类型必须为Interactive型。

离线读写数据（INSERT OVERWRITE）

注意事项

离线读写数据需注意以下内容：

仅支持通过Spark SQL读取（SELECT）和写入（INSERT）C-Store分区表中的数据，不支持读写非分区表数据。分区表创建方法，详情请参见CREATE TABLE。
不支持通过Spark SQL更新（UPDATE）和删除（DELETE）C-Store表数据（包括分区表和非分区表）。
查询热数据时，需要先修改ELASTIC_ENABLE_HOT_PARTITION_HAS_HDD_REPLICA配置项，并手动BUILD。待BUILD完成后，再执行SQL查询语句，否则会导致SQL执行失败。
1. 使用XIHE引擎执行如下SQL，修改配置项。
```
SET adb_config ELASTIC_ENABLE_HOT_PARTITION_HAS_HDD_REPLICA=true;
```
2. 手动BUILD。
  - 对指定分区BUILD：
    重要
    仅3.1.6.0及以上版本的集群支持指定分区BUILD。
    请在云原生数据仓库AnalyticDB MySQL控制台集群信息页面的配置信息区域，查看和升级内核版本。
    BUILD TABLE <table_name> force partitions='partition1,partition2';
  - 全表BUILD：
    重要
    该功能默认关闭，且强制全表BUILD时会对全表所有分区的数据重新构建索引，耗时较久。建议您使用指定分区BUILD功能。若需使用强制全表BUILD功能，请谨慎评估系统风险后提交工单开启该功能。
    BUILD TABLE <table_name> force = true;
3. 触发BUILD任务后，执行如下语句查看BUILD任务状态：
```
SELECT table_name, schema_name, status FROM INFORMATION_SCHEMA.KEPLER_META_BUILD_TASK ORDER BY create_time DESC LIMIT 10;
```

写入C-Store表数据。
AnalyticDB for MySQL支持通过INSERT OVERWRITE语句离线写入数据到C-Store表。您可以选择以下任意一种方式向C-Store表写入数据：
- 方式一：INSERT OVERWRITE静态分区写入
```
INSERT OVERWRITE spark_create_adb_db_test.test_adb_tbl partition(age=10) VALUES (1, 'bom');
```
- 方式二：INSERT OVERWRITE动态分区写入
```
INSERT OVERWRITE spark_create_adb_db_test.test_adb_tbl partition (age) VALUES (1, 'bom', 10);
```

读取C-Store表数据。

SELECT * FROM spark_create_adb_db_test.test_adb_tbl;

在线读写数据（INSERT INTO）

AnalyticDB for MySQL支持通过INSERT INTO语句在线写入数据到C-Store表。您可以通过JDBC方式或View方式读写数据。

JDBC方式

-- 集群的数据库账号、密码以及内网地址
conf spark.adb.username=user;
conf spark.adb.password=password;
conf spark.adb.endpoint=amv-bp1a74zh****.ads.aliyuncs.com:3306;
-- 开启ENI访问
SET spark.adb.eni.enabled=true;
SET spark.adb.eni.vswitchId=vsw-bp12ldm83z4zu9k4d****;
SET spark.adb.eni.securityGroupId=sg-bp1cdm3acizrgq6x****;
-- 使用JDBC模式
SET spark.adb.useJdbc = true;
-- 设置执行SQL的在线资源组
SET spark.adb.resourceGroup=user_default;
-- 写入数据
INSERT INTO spark_create_adb_db_test.test_adb_tbl VALUES (1, 'adb', 20);
--读取数据
SELECT * FROM spark_create_adb_db_test.test_adb_tbl;

参数说明：

参数	说明
spark.adb.username	集群的数据库账号。
spark.adb.password	数据库账号的密码。
spark.adb.endpoint	集群的内网地址和端口。格式为`amv-bp1a74zh****.ads.aliyuncs.com:3306`。
spark.adb.eni.enabled	开启ENI访问。访问数据时，需将`spark.adb.eni.enabled`参数设置为true。
spark.adb.eni.vswitchId	集群所属的交换机ID。
spark.adb.eni.securityGroupId	集群的安全组ID。您可以选择已有安全组或新建安全组。重要安全组需和企业版、基础版或湖仓版集群属于同一VPC。
spark.adb.useJdbc	是否使用JDBC方式访问数据。取值： true：是。 false（默认值）：否。在线写入数据时需配置为true。
spark.adb.resourceGroup	设置执行SQL语句的Interactive型资源组。说明创建企业版、基础版或湖仓版集群时，会默认创建一个名为`user_default`的Interactive型资源组，您可以选择该资源组或新建Interactive型资源组。新建资源组的具体方法，请参见新建和管理资源组。

View方式

-- 开启ENI访问
SET spark.adb.eni.enabled=true;
SET spark.adb.eni.vswitchId=vsw-bp1sxxsodv28ey5dl****;   
SET spark.adb.eni.securityGroupId=sg-bp19mr685pmg4ihc****;    
-- 创建视图
CREATE TEMPORARY VIEW table_tmp
USING org.apache.spark.sql.jdbc
OPTIONS (
  url 'jdbc:mysql://amv-bp1a74zh****.ads.aliyuncs.com:3306/spark_create_adb_db_test?useServerPrepStmts=false&rewriteBatchedStatements=true',     
  dbtable 'spark_create_adb_db_test.test_adb_tbl',    
  user 'user',       
  password 'password****'      
);
-- 写入数据
INSERT INTO table_tmp VALUES (1, 'adb', 20);
-- 查询数据
SELECT * FROM table_tmp;

参数说明：

参数	说明
spark.adb.eni.enabled	开启ENI访问。访问数据时，需将`spark.adb.eni.enabled`参数设置为true。
spark.adb.eni.vswitchId	集群所属的交换机ID。
spark.adb.eni.securityGroupId	集群的安全组ID。您可以选择已有安全组或新建安全组。重要安全组需和企业版、基础版或湖仓版集群属于同一VPC。
table_tmp	视图名称。本文以`table_tmp`为例。
USING org.apache.spark.sql.jdbc	参数取值固定为`USING org.apache.spark.sql.jdbc`。
url	集群的JDBC URL。格式：`jdbc:mysql://<endpoint:port>/<db_name>?useServerPrepStmts=false&rewriteBatchedStatements=true`，其中： endpoint：集群的内网连接地址。 port：集群的端口号。固定为3306。 db_name：集群的数据库名称。 useServerPrepStmts=false&rewriteBatchedStatements=true：批量写入数据至的必填配置，用于提高写入性能，以及降低对集群的压力。示例：`jdbc:mysql://amv-bp1a74zh****.ads.aliyuncs.com:3306/spark_create_adb_db_test?useServerPrepStmts=false&rewriteBatchedStatements=true`。
dbtable	集群的表名。格式为`db_name.table_name`。本文以`spark_create_adb_db_test.test_adb_tbl`为例。
user	集群的数据库的账号。
password	集群数据库账号的密码。

Spark配置项

通过Spark SQL读写C-Store表时，支持配置如下配置项：

配置项	说明	默认值
spark.adb.write.batchSize	单批次写入数据的条数。取值范围为大于0的正整数。说明仅在线写入数据时，支持配置该参数。	600
spark.adb.write.arrow.maxMemoryBufferSize	写入最大内存缓冲大小。取值范围为大于0的正整数，单位为MB。说明仅离线写入数据时，支持配置该参数。	1024
spark.adb.write.arrow.maxRecordSizePerBatch	单批次写入数据的最大记录条数。取值范围为大于0的正整数。说明仅离线写入数据时，支持配置该参数。	500