配置Hive读取Hudi表

Hudi表对应的Hive外部表介绍

Hudi源表对应一份HDFS的数据，通过Spark组件、Flink组件或者Hudi客户端，可以将Hudi表的数据映射为Hive外部表，基于该外部表，Hive可以进行实时视图查询、读优化视图查询以及增量视图查询。

• 根据Hudi源表的类型的不同，提供不同的视图查询：
  • Hudi源表类型为Copy On Write时，可以映射为Hive的一张外部表，该表可以提供实时视图查询以及增量视图查询。
  • Hudi源表类型为Merge On Read时，可以映射为Hive的两张外部表（ro表和rt表），ro表提供读优化视图查询，rt表提供实时视图查询以及增量视图查询。

• 不能对Hudi表映射的Hive外部表做增删改操作（即insert、update、delete、load、merge、alter、msck），只支持查询操作（select）。
• 表授权：不支持修改类权限（update、Alter、write、All）。
• 备份与恢复：由于ro表和rt表均由同一个Hudi源表映射的，备份其中一张表，另一张也会跟着备份，恢复也是同时恢复的，因此只需备份其中一张表即可。
• 组件版本：
  • Hive：FusionInsight_HD_xxx，Hive内核版本3.1.0。
  • Spark2x：FusionInsight_Spark2x_xxx，Hudi内核版本：0.11.0。

创建Hudi表对应的Hive外部表

Hudi表数据在入湖的时候一般会同步到Hive外部表，此时在Beeline中可以直接查询到对应的Hive外部表，如果没有同步到Hive外部表，则可以通过Hudi客户端工具手动同步，具体步骤可参考将Hudi表数据同步到Hive。

查询Hudi表对应的Hive外部表

使用Hive对Hudi表进行增量查询前，需要设置表1的3个参数，这3个参数是表级别的参数，每个Hudi源表都对应3个参数，其中hudisourcetablename表示Hudi源表的表名（注意不是Hive外部表的表名），需根据实际情况进行修改。

Hudi表查询操作如下：

1. 以Hive客户端安装用户登录安装客户端的节点。
2. 执行以下命令，切换到客户端安装目录，配置环境变量并认证用户。

   cd 客户端安装目录

   source bigdata_env

   kinit Hive业务用户（如果集群未开启Kerberos认证，请跳过该操作）

3. 执行以下命令登录Hive客户端。

   beeline

4. Hudi表查询。
   • Copy On Write类型Hudi表查询

     例如cow类型的Hudi源表的表名为hudicow，映射为Hive外部表的表名为hudicow。

     • cow表实时视图查询：

       select * from hudicow;

     • cow表增量查询：需要根据Hudi源表的表名设置3个增量查询参数，且增量查询语句的where子句必须包含“`_hoodie_commit_time`>'xxx'”，其中的xxx为“hoodie.hudisourcetablename.consume.start.timestamp”增量参数的值：

       set hoodie.hudicow.consume.mode= INCREMENTAL;

       set hoodie.hudicow.consume.max.commits=3;

       set hoodie.hudicow.consume.start.timestamp= 20200427114546;

       select count(*) from hudicow where `_hoodie_commit_time`>'20200427114546';

   • Merge On Read类型Hudi表的查询

     例如mor类型的Hudi源表的表名为hudimor，映射为两张Hive外部表hudimor_ro（ro表）和hudimor_rt（rt表）。

     • ro表提供读读优化视图查询：

       select * from hudicow_ro;

     • rt的实时视图查询：

       select * from hudicow_rt;

     • rt表的增量查询：需要根据Hudi源表的表名设置3个增量查询参数，且增量查询语句的where子句必须包含“`_hoodie_commit_time`>'xxx'”，其中的xxx为“hoodie.hudisourcetablename.consume.start.timestamp”增量参数的值：

       set hoodie.hudimor.consume.mode=INCREMENTAL;

       set hoodie.hudimor.consume.max.commits=-1;

       set hoodie.hudimor.consume.start.timestamp=20210207144611;

       select * from hudimor_rt where `_hoodie_commit_time`>'20210207144611';

       

       set hoodie.hudisourcetablename.consume.mode=INCREMENTAL;仅用于该表的增量查询模式，如果要对该表切换为其他查询模式，应设置set hoodie.hudisourcetablename.consume.mode=SNAPSHOT;。

查询Hudi的Schema演进表对应的Hive外部表

如果该Hudi表为Schema演进表（表的字段执行过修改），则在Hive客户端查询该表时还需额外设置一个参数：

set hive.exec.schema.evolution=true;

例如以cow表实时视图的查询举例，其他各个视图的查询都要额外添加该参数：

set hive.exec.schema.evolution=true;

select * from hudicow;