配置Hive输出组件

使用限制

Hive输出组件支持写入文件格式为orc、parquet、text、Hudi（Hudi格式仅支持Cloudera Data Platform7.x的Hive计算源或数据源）、iceberg（iceberg格式仅支持E-MapReduce5.x的Hive计算源或数据源）的Hive数据表。不支持ORC格式的事务表、Kudu表集成。

前提条件

• 已创建Hive数据源。具体操作，请参见创建Hive数据源。

• 进行Hive输出组件属性配置的账号，需具备该数据源的同步读权限。如果没有权限，则需要申请数据源权限。具体操作，请参见申请数据源权限。

操作步骤

1. 在Dataphin首页顶部菜单栏，选择研发 > 数据集成。

2. 在集成页面顶部菜单栏选择项目（Dev-Prod模式需要选择环境）。

3. 在左侧导航栏中单击离线集成，在离线集成列表中单击需要开发的离线管道，打开该离线管道的配置页面。

4. 单击页面右上角的组件库，打开组件库面板。

5. 在组件库面板左侧导航栏中需选择输出，在右侧的输出组件列表中找到Hive组件，并拖动该组件至画布。

6. 单击并拖动目标输入、转换或流程组件的图标，将其连接至当前Hive输出组件上。

7. 单击Hive输出组件卡片中的图标，打开Hive输出配置对话框。

8. 在Hive输出配置对话框，配置参数。

   Hive表与Hudi表所需配置的参数不同。

   输出目标表选择为Hive表

   参数		描述
   基本设置	步骤名称	即Hive输出组件的名称。Dataphin自动生成步骤名称，您也可以根据业务场景修改。命名规则如下： 只能包含中文、字母、下划线（_）、数字。 不能超过64个字符。
   	数据源	在数据源下拉列表中，展示所有Hive类型的数据源，包括您已拥有同步写权限的数据源和没有同步写权限的数据源。单击图标，可复制当前数据源名称。 对于没有同步写权限的数据源，您可以单击数据源后的申请，申请数据源的同步写权限。具体操作，请参见申请数据源权限。 如果您还没有Hive类型的数据源，单击新建数据源，创建数据源。具体操作，请参见创建Hive数据源。
   	表	选择输出数据的目标表（Hive表）。 可输入表名关键字进行搜索，或输入准确表名后单击精准查找。选择表后，系统将自动进行表状态检测。单击图标，可复制当前所选表的表名称。 如果Hive数据源中没有数据同步的目标表，则您可以通过一键建表的功能，简单快速的生成目标表。详细操作步骤如下： 单击一键建表。Dataphin会自动为您匹配创建目标表的代码，包括目标表名称（默认为来源表名）、字段类型（基于Dataphin字段做了初步的转换）等信息。 数据湖表格式选择为不选择或Iceberg。 说明 仅当所选数据源或当前项目所使用的计算源开启数据湖表格式，且选择为Iceberg时，此处支持选择Iceberg。 执行引擎选择为Hive或Spark。 说明 仅当数据湖表格式选择为Iceberg时，支持选择执行引擎。执行引擎默认为Hive，若所选数据源已开启Spark，则支持选择Spark。 DDL根据所选的数据湖表格式以及执行引擎自动生成，您可在此基础上进行修改，完成后单击新建。 目标表新建成功后，Dataphin自动将新建的目标表作为输出数据的目标表。一键生成目标表用于为开发环境、生产环境创建数据同步的目标表。Dataphin默认为您选中生产环境建表，如果生产环境已经有同名且结构相同的数据表，则您无需勾选生产环境建表。 说明 如果开发环境或生产环境存在同名的表，单击新建后，Dataphin会报已存在该表的错误。 没有匹配项时，也支持根据手动输入的表名进行集成。
   	文件编码	选择文件存储在Hive的编码方式。文件编码包括UTF-8和GBK。
   	加载策略	向目标数据源（Hive数据源）写入数据时，数据写入表中的策略。加载策略包括覆盖所有数据、追加数据、仅覆盖集成任务写入的数据，适用场景说明如下： 覆盖所有数据：会先删除目标表或分区下的所有数据，再新增以表名开头的数据文件。 追加数据：直接向目标表追加写入数据。 仅覆盖集成任务写入的数据：会先删除目标表或分区下以表名开头的数据文件（通过SQL等其他方式写入的数据不会被删除）。
   	NULL值替换（非必填）	仅支持textfile数据存储格式的来源表。填写需要替换为NULL的字符串。例如，填写\N时，系统会将\N字符串替换为NULL。
   	字段分隔符（非必填）	仅支持textfile数据存储格式的来源表。填写字段之间分隔符。如果您没有填写，则系统默认为使用\u0001作为分隔符。
   	压缩格式（非必填）	选择文件的压缩格式。根据Hive中数据存储格式不同，支持选择压缩格式不同： 数据存储格式为orc：支持选择的压缩格式包括zlib、snappy。 数据存储格式为parquet：支持选择的压缩格式包括snappy、gzip。 数据存储格式为textfile：支持选择的压缩格式包括gzip、bzip2、 lzo、lzo_deflate、hadoop-snappy和zlib。
   	字段分隔符处理（非必填）	仅支持textfile数据存储格式的输出表。数据中存在默认或自行配置的字段分隔符时，可以配置字段分隔符处理策略，防止数据写入错误。可以选择保留、去除或替换为。
   	行分隔符处理（非必填）	仅支持textfile数据存储格式的输出表。数据中存在默认或自行配置的字段分隔符时，可以配置行分隔符号处理策略，默认以\n作为行分隔符，如数据中存在换行符\r、\n，可选择处理策略，防止数据写入错误。可以选择保留、去除或替换为。
   	Hadoop参数配置（非必填）	用于调整写入参数，针对不同的表类型可以填写不同的参数，多个参数间用英文逗号隔开（,），格式为{"key1":"value1", "key2":"value2"}。例如：输出表格式为orc且字段较多的场景下可根据内存大小来调整{"hive.exec.orc.default.buffer.size"}参数，内存足够时可尝试调大该配置提高写入性能，内存不足时可尝试调小该配置减少GC时间提高写入性能，默认为16384Byte（16KB），建议不超过262144Byte（256KB）。
   	分区	如果所选的目标表是分区表，那么需要填写分区信息。例如，state_date=20190101,也支持参数的方式以便每天增量写入数据。例如，state_date=${bizdate}。
   	准备语句（非必填）	数据导入前对数据库执行的SQL脚本。 比如为了满足服务的持续可用性，当前步骤写数据执行前先创建目标表Target_A，执行写入到目标表Target_A，当前步骤写数据执行完成后，对数据库中持续提供服务的表Service_B重命名成Temp_C，然后将表Target_A重命名为Service_B，最后删除Temp_C。
   	结束语句（非必填）	数据导入后对数据库执行的SQL脚本。
   字段映射	输入字段	根据上游组件的输出，为您展示输入字段。
   	输出字段	输出字段区域展示了已选中表的所有字段。 重要 为了保证数据写入Hive时数据不会出错，输出字段必须和输入组件的字段全部映射。
   	映射关系	根据上游的输入和目标表的字段，可以手动选择字段映射。映射关系包括同行映射和同名映射。 同名映射：对字段名称相同的字段进行映射。 同行映射：源表和目标表的字段名称不一致，但字段对应行的数据需要映射。只映射同行的字段。

   输出目标表选择为Hudi表

   参数		描述
   基本设置	步骤名称	即Hive输出组件的名称。Dataphin自动生成步骤名称，您也可以根据业务场景修改。命名规则如下： 只能包含中文、字母、下划线（_）、数字。 不能超过64个字符。
   	数据源	在数据源下拉列表中，展示所有Hive类型的数据源，包括您已拥有同步写权限的数据源和没有同步写权限的数据源。单击图标，可复制当前数据源名称。 对于没有同步写权限的数据源，您可以单击数据源后的申请，申请数据源的同步写权限。具体操作，请参见申请数据源权限。 如果您还没有Hive类型的数据源，单击新建数据源，创建数据源。具体操作，请参见创建Hive数据源。
   	表	选择输出数据的目标表（Hudi表）。 可输入表名关键字进行搜索，或输入准确表名后单击精准查找。选择表后，系统将自动进行表状态检测。单击图标，可复制当前所选表的表名称。 如果Hive数据源中没有数据同步的目标表，则您可以通过一键建表的功能，简单快速的生成目标表。详细操作步骤如下： 单击一键建表。Dataphin会自动为您匹配创建目标表的代码，包括目标表名称（默认为来源表名）、字段类型（基于Dataphin字段做了初步的转换）等信息。 数据湖表格式选择为Hudi。 Hudi表类型：可选择MOR(merge on read)或COW(copy on write)，默认为MOR(merge on read)。 主键字段（非必填）：输入主键字段，多个字段间使用半角逗号（,）分隔。 扩展属性（非必填）：输入Hudi官方支持的配置属性，格式为k=v。 说明 如果开发环境或生产环境存在同名的表，单击新建后，Dataphin会报已存在该表的错误。 没有匹配项时，也支持根据手动输入的表名进行集成。 执行引擎选择为Hive或Spark。 说明 仅当数据湖表格式选择为Hudi时，支持选择执行引擎。执行引擎默认为Hive，若所选数据源已开启Spark，则支持选择Spark。 DDL根据所选的数据湖表格式以及执行引擎自动生成，您可在此基础上进行修改，完成后单击新建。
   	分区	如果所选的目标表是分区表，那么需要填写分区信息。例如，state_date=20190101,也支持参数的方式以便每天增量写入数据。例如，state_date=${bizdate}。
   	加载策略	向目标数据源（Hive数据源）写入数据时，数据写入表中的策略，包括覆盖数据、追加数据、更新数据。 覆盖数据：使用新增数据覆盖已有数据。 追加数据：直接向目标表追加写入数据。 更新数据：按主键更新，不存在时则插入数据。 说明 通过SQL等其他方式写入的数据不会被删除。
   	Hadoop参数配置（非必填）	用于调整写入参数，针对不同的表类型可以填写不同的参数，多个参数间用英文逗号隔开（,），格式为{"key1":"value1", "key2":"value2"}。可使用{"hoodie.parquet.compression.codec":"snappy"}参数将压缩格式调整为snappy。
   	BulkInsert	适用于大数据量的批量快速同步场景，通常用于初始数据的导入。 说明 仅当加载策略选择为追加策略或覆盖策略时，支持配置此项，且默认为开启。
   字段映射	输入字段	根据上游组件的输出，为您展示输入字段。
   	输出字段	输出字段区域展示了已选中表的所有字段。 说明 Hudi表无需映射所有字段。
   	映射关系	根据上游的输入和目标表的字段，可以手动选择字段映射。映射关系包括同行映射和同名映射。 同名映射：对字段名称相同的字段进行映射。 同行映射：源表和目标表的字段名称不一致，但字段对应行的数据需要映射。只映射同行的字段。

9. 单击确认，完成Hive输出组件的属性配置。