导出查询结果

功能描述

INSERT OVERWRITE DIRECTORY用于将查询结果直接写入到指定的目录，支持按CSV、Parquet、ORC、JSON、Avro格式进行存储。

语法格式

1
2
3
4

INSERT OVERWRITE DIRECTORY path
  USING file_format
  [OPTIONS(key1=value1)]
  select_statement;

关键字

• USING：指定所存储格式。
• OPTIONS：导出时的属性列表，为可选项。

参数

file_format为csv时，options参数可以参考表3。

注意事项

• 通过配置“spark.sql.shuffle.partitions”参数可以设置表在OBS桶中插入的文件个数，同时，为了避免数据倾斜，在INSERT语句后可加上“distribute by rand()”，可以增加处理作业的并发量。例如：

  insert into table table_target select * from table_source distribute by cast(rand() * N as int);

• 配置项为OPTIONS('DELIMITER'=',')时，可以指定分隔符，默认值为“,”。

  对于CSV数据，支持如下所述分隔符：

  • 制表符tab，例如：'DELIMITER'='\t'。
  • 任意的二进制字符，例如：'DELIMITER'='\u0001(^A)'。
  • 单引号（'），单引号必须在双引号（" "）内。例如：'DELIMITER'= "'"。

示例

1
2
3
4

INSERT OVERWRITE DIRECTORY 'obs://bucket/dir'
  USING csv
  OPTIONS(key1=value1)
  select * from db1.tb1;