Hive输出组件用于向Hive数据源写入数据。同步其他数据源的数据至Hive数据源的场景中,完成源数据源的信息配置后,需要配置Hive输出组件写入数据的目标数据源。本文为您介绍如何配置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、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。
Kudu表数据集成请使用Impala输出组件。更多信息,请参见配置Impala输出组件配置Impala输出组件。
前提条件
操作步骤
请参见离线管道组件开发入口,进入离线管道脚本的开发页面。
按照下图操作指引,进入Hive输出配置对话框。
在Hive输出配置对话框,配置参数。
参数
描述
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:
只能包含汉字、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。
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,创建数据源。具体操作,请参见创建Hive数据源。
表
选择数据同步的目标表。
如果Hive数据源中没有数据同步的目标表,则您可以通过一键生成目标表功能,简单快速的生成目标表。详细的操作步骤如下:
单击一键生成目标表。
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。您可以根据业务情况完成创建目标表的SQL脚本的修改,并单击新建。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。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。
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。加载策略包括覆盖数据和追加数据,适用场景说明如下:
覆盖数据:写入的数据中有主键时新数据覆盖旧数据,无主键时追加数据。
追加数据:写入的数据中有主键时忽略新数据,无主键时追加数据。
字段分隔符
非必填项,填写字段之间分隔符。如果您没有填写,则系统自动添加半角逗号(,)作为分隔符。
压缩格式
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。
输入字段
展示从源表中读取的字段。
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时数据会出错,输出字段必须和输入组件的字段全部映射。
快速映射
映射关系用于将源表的输入字段和目标表的输出字段映射起来,便于后续进行数据同步。映射关系包括同名映射和同行映射。适用场景说明如下:
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。
单击确认,完成Hive输出组件的属性配置。
- 本页导读 (0)