查询Delta表数据

使用限制

本文适用于EMR-3.37.0及后续版本，EMR-5.3.0及后续版本以及EMR-4.10.0版本。

通过Spark创建表查询Delta表

1. 进入Spark命令行。
   1. 使用SSH方式登录到集群主节点，详情请参见登录集群。
   2. 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 location "/tmp/delta_table";

   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. 查询Delta表数据。

   通过Hive查询Delta表数据

   重要

   • EMR 3.x系列的EMR-3.37.0及后续版本，需要添加参数，您可以在EMR控制台添加，也可以在运行命令时设置。控制台添加参数时，在Hive服务的配置页面的hive-site.xml中，如果使用的是Hive on MR，则添加参数名为hive.input.format，参数值为io.delta.hive.HiveInputFormat的配置项。如果使用的是Hive on Tez，则添加参数名为hive.tez.input.format，参数值为io.delta.hive.HiveInputFormat的配置项。添加操作请参见添加组件参数。

   • 如果需要向Delta表中添加字段（使用ADD COLUMN），为了避免Hive查询数据异常的情况，建议将新增字段追加到分区字段之前。更多详细信息，请查看ALTER TABLE。

   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表的数据。

      select * from delta_table;

      返回如下信息。

      2
      3
      4
      0
      1
      Time taken: 2.937 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表的数据。

   通过Presto查询Delta表数据

   1. 执行以下命令，进入Presto命令行。

      presto --server master-1-1:8889 --catalog delta --schema default --user hadoop

      命令中的参数说明如下：

      • --server master-1-1:8889：指定Presto服务器的地址和端口号。

      • --catalog delta：指定要连接的数据源的名称。

      • --schema default：指定要使用的数据库的名称。本文示例中，使用的是默认的数据库。您可以根据需要修改此参数。

      • --user hadoop：指定用于身份验证的用户名。

   2. 执行以下命令，在Presto中查看Delta表的数据。

      select * from delta_table;

      返回如下信息。

       id
      ----
        2
        3
        4
        0
        1
      (5 rows)

      说明

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

   通过Trino查询Delta表数据

   1. 执行以下命令，进入Trino命令行。

      trino --server master-1-1:9090 --catalog delta --schema default --user hadoop

      命令中的参数说明如下：

      • --server master-1-1:9090：指定Trino服务器的地址和端口号。

      • --catalog delta：指定要连接的数据源的名称。

      • --schema default：指定要使用的数据库的名称。本文示例中，使用的是默认的数据库。您可以根据需要修改此参数。

      • --user hadoop：指定用于身份验证的用户名。

   2. 执行以下命令，在Trino中查看Delta表的数据。

      select * from delta_table;

      返回如下信息。

       id
      ----
        2
        3
        4
        0
        1
      (5 rows)

      说明

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

创建Hive外表

CREATE EXTERNAL TABLE delta_tbl (name string, age int, city string)
ROW FORMAT SERDE 'org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe'
WITH SERDEPROPERTIES("path" = "/path/to/delta")
STORED AS INPUTFORMAT 'io.delta.hive.DeltaInputFormat'
OUTPUTFORMAT 'io.delta.hive.DeltaOutputFormat'
LOCATION '/path/to/delta'
TBLPROPERTIES("spark.sql.sources.provider" = "delta");

CREATE EXTERNAL TABLE delta_tbl123 (name string, age int, city string)
STORED BY 'io.delta.hive.DeltaStorageHandler'
WITH SERDEPROPERTIES("path" = "/path/to/delta")
LOCATION '/path/to/delta'
TBLPROPERTIES("spark.sql.sources.provider" = "delta");