如何使用配置单元使用单个hdfs路径创建n个外部表

wmvff8tz  于 2021-05-31  发布在  Hadoop
关注(0)|答案(1)|浏览(375)

是否可以使用配置单元创建n个指向单个hdfs路径的外部表。如果是的话,它的优点和局限性是什么。

z8dt9xmd

z8dt9xmd1#

可以在hdfs中的同一位置上创建多个表(同时是托管表和外部表)。
在相同的数据上创建具有完全相同的模式的表一点用都没有,但是您可以创建具有不同列数的不同表,或者使用regexserde创建具有不同解析列的不同表,这样您就可以在这些表中具有不同的模式。您可以对配置单元中的这些表拥有不同的权限。也可以在其他表文件夹的子文件夹上创建表,在这种情况下,它将包含一个子集数据。最好在同一个表中使用分区。
缺点是它很混乱,因为您可以使用多个表重写相同的数据,而且您可能会意外地删除它,认为此数据属于唯一的表,您可以删除数据,因为您不再需要该表。
这是一些测试:
创建具有int列的表:

create table T(id int);
OK
Time taken: 1.033 seconds

检查位置和其他属性:

hive> describe formatted T;
OK

# col_name              data_type               comment

id                      int

# Detailed Table Information

Database:               my
Owner:                  myuser
CreateTime:             Fri Jan 04 04:45:03 PST 2019
LastAccessTime:         UNKNOWN
Protect Mode:           None
Retention:              0
Location:               hdfs://myhdp/user/hive/warehouse/my.db/t
Table Type:             MANAGED_TABLE
Table Parameters:
        transient_lastDdlTime   1546605903

# Storage Information

SerDe Library:          org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe
InputFormat:            org.apache.hadoop.mapred.TextInputFormat
OutputFormat:           org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat
Compressed:             No
Num Buckets:            -1
Bucket Columns:         []
Sort Columns:           []
Storage Desc Params:
        serialization.format    1
Time taken: 0.134 seconds, Fetched: 26 row(s)
                                                                                                  sts)

在相同位置的顶部创建第二个表,但带有字符串列:

hive> create table T2(id string) location 'hdfs://myhdp/user/hive/warehouse/my.db/t';
OK
Time taken: 0.029 seconds

插入数据:

hive> insert into table T values(1);
OK
Time taken: 33.266 seconds

检查数据:

hive> select * from T;
OK
1
Time taken: 3.314 seconds, Fetched: 1 row(s)

插入第二个表:

hive> insert into table T2 values( 'A');
OK
Time taken: 23.959 seconds

检查数据:

hive> select * from T2;
OK
1
A
Time taken: 0.073 seconds, Fetched: 2 row(s)

从第一个表中选择:

hive> select * from T;
OK
1
NULL
Time taken: 0.079 seconds, Fetched: 2 row(s)

字符串被选择为空,因为此表被定义为具有int列。
现在将字符串插入第一个表(int列):

insert into table T values( 'A');
OK
Time taken: 84.336 seconds

令人惊讶的是,它没有失败!
插入了什么?

hive> select * from T2;
OK
1
A
NULL
Time taken: 0.067 seconds, Fetched: 3 row(s)

插入了null,因为在上一次插入期间字符串被转换为int,这导致了null
现在,让我们尝试删除一个表并从另一个表中进行选择:

hive> drop table T;
OK
Time taken: 4.996 seconds
hive> select * from T2;
OK
Time taken: 6.978 seconds

返回0行,因为第一个表已被管理,并且删除表也删除了公共位置。
最后,
数据被删除,我们需要t2表中没有数据吗?

drop table T2;
OK

第二个表被删除了,你看,它只是元数据。这张table也得到了管理和管理 drop table 也应该删除包含数据的位置,但是在hdfs中已经没有什么可以删除的了,只有元数据被删除了。

相关问题