這篇文章主要講解了“如何使用Hive Catalog”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“如何使用Hive Catalog”吧！
做網(wǎng)站、網(wǎng)站設(shè)計(jì)的開發(fā)，更需要了解用戶，從用戶角度來建設(shè)網(wǎng)站，獲得較好的用戶體驗(yàn)。創(chuàng)新互聯(lián)多年互聯(lián)網(wǎng)經(jīng)驗(yàn)，見的多，溝通容易、能幫助客戶提出的運(yùn)營建議。作為成都一家網(wǎng)絡(luò)公司，打造的就是網(wǎng)站建設(shè)產(chǎn)品直銷的概念。選擇創(chuàng)新互聯(lián)，不只是建站，我們把建站作為產(chǎn)品，不斷的更新、完善，讓每位來訪用戶感受到浩方產(chǎn)品的價值服務(wù)。
我們知道，Hive使用Hive Metastore(HMS)存儲元數(shù)據(jù)信息，使用關(guān)系型數(shù)據(jù)庫來持久化存儲這些信息。所以，F(xiàn)link集成Hive需要打通Hive的metastore，去管理Flink的元數(shù)據(jù)，這就是Hive Catalog的功能。
Hive Catalog的主要作用是使用Hive MetaStore去管理Flink的元數(shù)據(jù)。Hive Catalog可以將元數(shù)據(jù)進(jìn)行持久化，這樣后續(xù)的操作就可以反復(fù)使用這些表的元數(shù)據(jù)，而不用每次使用時都要重新注冊。如果不去持久化catalog，那么在每個session中取處理數(shù)據(jù)，都要去重復(fù)地創(chuàng)建元數(shù)據(jù)對象，這樣是非常耗時的。
HiveCatalog是開箱即用的，所以，一旦配置好Flink與Hive集成，就可以使用HiveCatalog。比如，我們通過FlinkSQL 的DDL語句創(chuàng)建一張kafka的數(shù)據(jù)源表，立刻就能查看該表的元數(shù)據(jù)信息。
HiveCatalog可以處理兩種類型的表：一種是Hive兼容的表，另一種是普通表(generic table)。其中Hive兼容表是以兼容Hive的方式來存儲的，所以，對于Hive兼容表而言，我們既可以使用Flink去操作該表，又可以使用Hive去操作該表。
普通表是對Flink而言的，當(dāng)使用HiveCatalog創(chuàng)建一張普通表，僅僅是使用Hive MetaStore將其元數(shù)據(jù)進(jìn)行了持久化，所以可以通過Hive查看這些表的元數(shù)據(jù)信息(通過DESCRIBE FORMATTED命令)，但是不能通過Hive去處理這些表，因?yàn)檎Z法不兼容。
對于是否是普通表，F(xiàn)link使用is_generic屬性進(jìn)行標(biāo)識。默認(rèn)情況下，創(chuàng)建的表是普通表，即is_generic=true，如果要創(chuàng)建Hive兼容表，需要在建表屬性中指定is_generic=false。
尖叫提示：
由于依賴Hive Metastore，所以必須開啟Hive MetaStore服務(wù)
重慶分公司
重慶分公司
EnvironmentSettings settings = EnvironmentSettings.newInstance().useBlinkPlanner().build();
TableEnvironment tableEnv = TableEnvironment.create(settings);
String name = "myhive";
String defaultDatabase = "default";
String hiveConfDir = "/opt/modules/apache-hive-2.3.4-bin/conf";
HiveCatalog hive = new HiveCatalog(name, defaultDatabase, hiveConfDir);
tableEnv.registerCatalog("myhive", hive);
// 使用注冊的catalog
tableEnv.useCatalog("myhive");
在FlinkSQL Cli中使用Hive Catalog很簡單，只需要配置一下sql-cli-defaults.yaml文件即可。配置內(nèi)容如下：
catalogs:
- name: myhive
type: hive
default-database: default
hive-conf-dir: /opt/modules/apache-hive-2.3.4-bin/conf
在FlinkSQL Cli中創(chuàng)建一張kafka表，該表默認(rèn)為普通表，即is_generic=true
CREATE TABLE user_behavior (
`user_id` BIGINT, -- 用戶id
`item_id` BIGINT, -- 商品id
`cat_id` BIGINT, -- 品類id
`action` STRING, -- 用戶行為
`province` INT, -- 用戶所在的省份
`ts` BIGINT, -- 用戶行為發(fā)生的時間戳
`proctime` AS PROCTIME(), -- 通過計(jì)算列產(chǎn)生一個處理時間列
`eventTime` AS TO_TIMESTAMP(FROM_UNIXTIME(ts, 'yyyy-MM-dd HH:mm:ss')), -- 事件時間
WATERMARK FOR eventTime AS eventTime - INTERVAL '5' SECOND -- 定義watermark
) WITH (
'connector' = 'kafka', -- 使用 kafka connector
'topic' = 'user_behavior', -- kafka主題
'scan.startup.mode' = 'earliest-offset', -- 偏移量
'properties.group.id' = 'group1', -- 消費(fèi)者組
'properties.bootstrap.servers' = 'kms-2:9092,kms-3:9092,kms-4:9092',
'format' = 'json', -- 數(shù)據(jù)源格式為json
'json.fail-on-missing-field' = 'true',
'json.ignore-parse-errors' = 'false'
);
我們可以在Hive客戶端中查看該表的元數(shù)據(jù)信息
hive (default)> desc formatted user_behavior;
Table Parameters:
...
is_generic true
...
從上面的元數(shù)據(jù)信息可以看出，is_generic=true，說明該表是一張普通表，如果在Hive中去查看該表，則會報(bào)錯。
上面創(chuàng)建的表是普通表，該表不能使用Hive去查詢。那么，該如何創(chuàng)建一張Hive兼容表呢？我們只需要在建表的屬性中顯示指定is_generic=false即可，具體如下：
CREATE TABLE hive_compatible_tbl (
`user_id` BIGINT, -- 用戶id
`item_id` BIGINT, -- 商品id
`cat_id` BIGINT, -- 品類id
`action` STRING, -- 用戶行為
`province` INT, -- 用戶所在的省份
`ts` BIGINT -- 用戶行為發(fā)生的時間戳
) WITH (
'connector' = 'kafka', -- 使用 kafka connector
'topic' = 'user_behavior', -- kafka主題
'scan.startup.mode' = 'earliest-offset', -- 偏移量
'properties.group.id' = 'group1', -- 消費(fèi)者組
'properties.bootstrap.servers' = 'kms-2:9092,kms-3:9092,kms-4:9092',
'format' = 'json', -- 數(shù)據(jù)源格式為json
'json.fail-on-missing-field' = 'true',
'json.ignore-parse-errors' = 'false',
'is_generic' = 'false'
);
當(dāng)我們在Hive中查看該表的元數(shù)據(jù)信息時，可以看出：is_generic =false
hive (default)> desc formatted hive_compatible_tbl;
Table Parameters:
...
is_generic false
...
我們可以使用FlinkSQL Cli或者HiveCli向該表中寫入數(shù)據(jù)，然后分別通過FlinkSQL Cli和Hive Cli去查看該表數(shù)據(jù)的變化
hive (default)> insert into hive_compatible_tbl select 2020,1221,100,'buy',11,1574330486;
hive (default)> select * from hive_compatible_tbl;
再在FlinkSQL Cli中查看該表，
Flink SQL> select user_id,item_id,action from hive_compatible_tbl;
user_id item_id action
2020 1221 buy
同樣，我們可以在FlinkSQL Cli中去向該表中寫入數(shù)據(jù)：
Flink SQL> insert into hive_compatible_tbl select 2020,1222,101,'fav',11,1574330486;
Flink SQL> select user_id,item_id,action from hive_compatible_tbl;
user_id item_id action
2020 1221 buy
2020 1222 fav
尖叫提示：
對于Hive兼容的表，需要注意數(shù)據(jù)類型，具體的數(shù)據(jù)類型對應(yīng)關(guān)系以及注意點(diǎn)如下
| Flink 數(shù)據(jù)類型 | Hive 數(shù)據(jù)類型 |
|---|---|
| CHAR(p) | CHAR(p) |
| VARCHAR(p) | VARCHAR(p) |
| STRING | STRING |
| BOOLEAN | BOOLEAN |
| TINYINT | TINYINT |
| SMALLINT | SMALLINT |
| INT | INT |
| BIGINT | LONG |
| FLOAT | FLOAT |
| DOUBLE | DOUBLE |
| DECIMAL(p, s) | DECIMAL(p, s) |
| DATE | DATE |
| TIMESTAMP(9) | TIMESTAMP |
| BYTES | BINARY |
| ARRAY | LIST |
| MAP | MAP |
| ROW | STRUCT |
注意：
CHAR(p) 類型的最大長度為255VARCHAR(p)類型的最大長度為65535MAP類型的key僅支持基本類型，而Flink’s
MAP 類型的key執(zhí)行任意類型TIMESTAMP 的精度是 9 ， Hive UDFs函數(shù)只能處理 precision <= 9的
TIMESTAMP 值TIMESTAMP_WITH_TIME_ZONE,
TIMESTAMP_WITH_LOCAL_TIME_ZONE, 及
MULTISET類型INTERVAL 類型與 Hive
INTERVAL 類型不一樣上面介紹了普通表和Hive兼容表，那么我們該如何使用Hive的語法進(jìn)行建表呢？這個時候就需要使用Hive Dialect。
從Flink1.11.0開始，只要開啟了Hive dialect配置，用戶就可以使用HiveQL語法，這樣我們就可以在Flink中使用Hive的語法使用一些DDL和DML操作。
Flink目前支持兩種SQL方言(SQL dialects),分別為：default和hive。默認(rèn)的SQL方言是default，如果要使用Hive的語法，需要將SQL方言切換到hive。
使用hive dialect只需要配置一個參數(shù)即可，該參數(shù)名稱為：table.sql-dialect。我們就可以在sql-client-defaults.yaml配置文件中進(jìn)行配置，也可以在具體的會話窗口中進(jìn)行設(shè)定，對于SQL dialect的切換，不需要進(jìn)行重啟session。
execution:
planner: blink
type: batch
result-mode: table
configuration:
table.sql-dialect: hive
如果我們需要在SQL Cli中進(jìn)行切換hive dialect，可以使用如下命令：
Flink SQL> set table.sql-dialect=hive; -- 使用hive dialect
Flink SQL> set table.sql-dialect=default; -- 使用default dialect
尖叫提示：
一旦切換到了hive dialect，就只能使用Hive的語法建表，如果嘗試使用Flink的語法建表，則會報(bào)錯
EnvironmentSettings settings = EnvironmentSettings.newInstance().useBlinkPlanner()...build();
TableEnvironment tableEnv = TableEnvironment.create(settings);
// 使用hive dialect
tableEnv.getConfig().setSqlDialect(SqlDialect.HIVE);
// 使用 default dialect
tableEnv.getConfig().setSqlDialect(SqlDialect.DEFAULT);
Flink SQL> set table.sql-dialect=hive;
-- 使用Hive語法創(chuàng)建一張表
CREATE TABLE IF NOT EXISTS `hive_dialect_tbl` (
`id` int COMMENT 'id',
`name` string COMMENT '名稱',
`age` int COMMENT '年齡'
)
COMMENT 'hive dialect表測試'
ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
進(jìn)入Hive客戶端去查看該表的元數(shù)據(jù)信息
desc formatted hive_dialect_tbl;
col_name data_type comment
# col_name data_type comment
id int
name string
age int
# Detailed Table Information
Database: default
Owner: null
CreateTime: Mon Dec 21 17:23:48 CST 2020
LastAccessTime: UNKNOWN
Retention: 0
Location: hdfs://kms-1.apache.com:8020/user/hive/warehouse/hive_dialect_tbl
Table Type: MANAGED_TABLE
Table Parameters:
comment hive dialect表測試
is_generic false
transient_lastDdlTime 1608542628
# Storage Information
SerDe Library: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe
InputFormat: org.apache.hadoop.mapred.TextInputFormat
OutputFormat: org.apache.hadoop.hive.ql.io.IgnoreKeyTextOutputFormat
Compressed: No
Num Buckets: -1
Bucket Columns: []
Sort Columns: []
Storage Desc Params:
field.delim ,
serialization.format ,
很明顯，該表是一張Hive兼容表，即is_generic=false。
使用FlinkSQLCli向該表中寫入一條數(shù)據(jù)：
Flink SQL> insert into hive_dialect_tbl select 1,'tom',20;
我們也可以在Hive的Cli中去操作該表
hive (default)> select * from hive_dialect_tbl;
hive (default)> insert into hive_dialect_tbl select 2,'jack',22;
以下是使用Hive方言的一些注意事項(xiàng)。
default在Calcite中是保留關(guān)鍵字，在Hive中是非保留關(guān)鍵字。所以，在使用Hive dialect時，必須使用反引號（`）引用此類關(guān)鍵字，才能將其用作標(biāo)識符。當(dāng)然，一旦開啟了Hive dialect，我們就可以按照Hive的操作方式在Flink中去處理Hive的數(shù)據(jù)了，具體的操作與Hive一致，本文不再贅述。
感謝各位的閱讀，以上就是“如何使用Hive Catalog”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對如何使用Hive Catalog這一問題有了更深刻的體會，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識點(diǎn)的文章，歡迎關(guān)注！
