更新时间:2024-07-24 GMT+08:00

读取Hudi cow表视图

  • 实时视图读取(Hive,SparkSQL为例):直接读取Hive里面存储的Hudi表即可,${table_name}表示表名称。
    select count(*) from ${table_name};
  • 实时视图读取(Spark dataSource API为例):和读普通的dataSource表类似。

    必须指定查询类型QUERY_TYPE_OPT_KEY 为QUERY_TYPE_SNAPSHOT_OPT_VAL,${table_name}表示表名称。

    spark.read.format("hudi")
    .option(QUERY_TYPE_OPT_KEY, QUERY_TYPE_SNAPSHOT_OPT_VAL) // 指定查询类型为实时视图模式
    .load("/tmp/default/cow_bugx/") // 指定读取的hudi表路径
    .createTempView("mycall")
    spark.sql("select * from mycall").show(100)
  • 增量视图读取(Hive为例,${table_name}表示表名称):
    set hoodie.${table_name}.consume.mode=INCREMENTAL;  //设置增量读取模式
    set hoodie.${table_name}.consume.max.commits=3;  // 指定最大消费的commits数量
    set hoodie.${table_name}.consume.start.timestamp=20201227153030;  // 指定初始增量拉取commit
    select count(*) from default.${table_name} where `_hoodie_commit_time`>'20201227153030'; // 这个过滤条件必须加且值为初始增量拉取的commit。
  • 增量视图读取(SparkSQL为例,${table_name}表示表名称):
    set hoodie.${table_name}.consume.mode=INCREMENTAL;  //设置增量读取模式
    set hoodie.${table_name}.consume.start.timestamp=20201227153030;  // 指定初始增量拉取commit
    set hoodie.${table_name}.consume.end.timestamp=20210308212318;  // 指定增量拉取结束commit,如果不指定的话采用最新的commit
    select count(*) from default.${table_name} where `_hoodie_commit_time`>'20201227153030'; // 这个过滤条件必须加且值为初始增量拉取的commit。
  • 增量视图读取(Spark dataSource API为例):

    必须指定查询类型QUERY_TYPE_OPT_KEY 为增量模式QUERY_TYPE_INCREMENTAL_OPT_VAL

    spark.read.format("hudi")  
    .option(QUERY_TYPE_OPT_KEY, QUERY_TYPE_INCREMENTAL_OPT_VAL) // 指定查询类型为增量模式
    .option(BEGIN_INSTANTTIME_OPT_KEY, "20210308212004")  // 指定初始增量拉取commit
    .option(END_INSTANTTIME_OPT_KEY, "20210308212318")  // 指定增量拉取结束commit
    .load("/tmp/default/cow_bugx/")  // 指定读取的hudi表路径
    .createTempView("mycall")  // 注册为spark临时表
    spark.sql("select * from mycall where `_hoodie_commit_time`>'20210308211131'")// 开始查询,和hive增量查询语句一样
    .show(100, false)
  • 读优化视图:cow表读优化视图等同于实时视图。