从零开始使用Impala

背景信息

假定用户开发一个应用程序，用于管理企业中的使用A业务的用户信息，使用Impala客户端实现A业务操作流程如下：

普通表的操作：

• 创建用户信息表user_info。
• 在用户信息中新增用户的学历、职称信息。
• 根据用户编号查询用户姓名和地址。
• A业务结束后，删除用户信息表。

前提条件

已安装客户端，例如安装目录为“/opt/hadoopclient”，以下操作的客户端目录只是举例，请根据实际安装目录修改。

操作步骤

1. 以客户端安装用户，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。

   cd /opt/hadoopclient

3. 执行以下命令配置环境变量。

   source bigdata_env

4. 运行Impala客户端命令，实现A业务。
   • 内部表的操作：

     直接执行Impala组件的客户端命令impala-shell

     

     默认情况下，impala-shell尝试连接到localhost的21000端口上的Impala守护程序。如需连接到其他主机，请使用-i <host:port>选项，例如：impala-shell -i xxx.xxx.xxx.xxx:21000。要自动连接到特定的Impala数据库，请使用-d <database>选项。例如，如果您的所有Kudu表都位于数据库“impala_kudu”中，则-d impala_kudu可以使用此数据库。要退出Impala Shell，请使用quit命令。

     1. 根据表1创建用户信息表user_info并添加相关数据。

        create table user_info(id string,name string,gender string,age int,addr string);
        insert into table user_info(id,name,gender,age,addr) values("12005000201","A","男",19,"A城市");

        ......（其他语句相同）

     2. 在用户信息表user_info中新增用户的学历、职称信息。

        以增加编号为12005000201的用户的学历、职称信息为例，其他用户类似。

        alter table user_info add columns(education string,technical string);

     3. 根据用户编号查询用户姓名和地址。

        以查询编号为12005000201的用户姓名和地址为例，其他用户类似。

        select name,addr from user_info where id='12005000201';

     4. 删除用户信息表。

        drop table user_info;

   • 外部分区表的操作：

     创建外部分区表并导入数据

     1. 创建外部表数据存储路径。

        kinit hive （安全模式需要执行kinit，普通模式无需执行）

        

        用户hive需要具有Hive管理员权限。

        hdfs dfs -mkdir /hive

        hdfs dfs -mkdir /hive/user_info

     2. 建表。
        impala-shell

        

        默认情况下，impala-shell尝试连接到localhost的21000端口上的Impala守护程序。如需连接到其他主机，请使用-i <host:port>选项，例如：impala-shell -i xxx.xxx.xxx.xxx:21000。要自动连接到特定的Impala数据库，请使用-d <database>选项。例如，如果您的所有Kudu表都位于数据库“impala_kudu”中，则-d impala_kudu可以使用此数据库。要退出Impala Shell，请使用quit命令。

        create external table user_info(id string,name string,gender string,age int,addr string) partitioned by(year string) row format delimited fields terminated by ' ' lines terminated by '\n' stored as textfile location '/hive/user_info';

        

        • fields terminated指明分隔的字符,如按空格分隔，' '。
        • lines terminated 指明分行的字符，如按换行分隔，'\n'。
        • /hive/user_info为数据文件的路径。
     3. 导入数据。
        1. 使用insert语句插入数据。

           insert into user_info partition(year="2018") values ("12005000201","A","男",19,"A城市");

        2. 使用load data命令导入文件数据。
           1. 根据表1数据创建文件。如，文件名为txt.log，以空格拆分字段，以换行符作为行分隔符。
           2. 上传文件至hdfs。

              hdfs dfs -put txt.log /tmp

           3. 加载数据到表中。

              load data inpath '/tmp/txt.log' into table user_info partition (year='2018');

     4. 查询导入数据。

        select * from user_info;

     5. 删除用户信息表。

        drop table user_info;