更新时间:2022-08-12 GMT+08:00

使用DataSource语法创建OBS表

功能描述

使用DataSource语法创建OBS表。DataSource语法和Hive语法主要区别在于支持的表数据存储格式范围、支持的分区数等有差异,详细请参考语法格式和注意事项说明。

语法格式

1
2
3
4
5
6
7
CREATE TABLE [IF NOT EXISTS] [db_name.]table_name 
  [(col_name1 col_type1 [COMMENT col_comment1], ...)]
  USING file_format 
  [OPTIONS (path 'obs_path', key1=val1, key2=val2, ...)] 
  [PARTITIONED BY (col_name1, col_name2, ...)]
  [COMMENT table_comment]
  [AS select_statement];

关键字

  • IF NOT EXISTS:指定该关键字以避免表已经存在时报错。
  • USING:指定存储格式。
  • OPTIONS:指定建表时的属性名与属性值。
  • COMMENT:字段或表描述。
  • PARTITIONED BY:指定分区字段。
  • AS:使用CTAS创建表。

参数说明

表1 参数说明

参数

描述

db_name

Database名称,由字母、数字和下划线(_)组成。不能是纯数字,且不能以数字和下划线开头。

table_name

Database中的表名,由字母、数字和下划线(_)组成。不能是纯数字,且不能以数字和下划线开头。匹配规则为:^(?!_)(?![0-9]+$)[A-Za-z0-9_$]*$。如果特殊字符需要使用单引号('')包围起来。

col_name

以逗号分隔的带数据类型的列名。列名由字母、数字和下划线(_)组成。不能是纯数字,且至少包含一个字母。

col_type

字段类型。

col_comment

字段描述。

file_format

OBS表数据存储格式,支持orc,parquet,json,csv,carbon,avro类型。

path

数据存储路径。

table_comment

表描述。

select_statement

用于CTAS命令,将源表的select查询结果或某条数据插入到新创建的OBS表中。

表2 OPTIONS参数描述

参数

描述

默认值

path

指定的表路径,即OBS存储路径。

-

multiLevelDirEnable

是否迭代查询子目录中的数据。当配置为true时,查询该表时会迭代读取该表路径中所有文件,包含子目录中的文件。

false

dataDelegated

是否需要在删除表或分区时,清除path路径下的数据。

false

compression

指定压缩格式。一般为parquet格式时指定该参数,推荐使用'zstd'压缩格式。

-

当file_format为csv时,还可以设置以下OPTIONS参数。
表3 CSV数据格式OPTIONS参数说明

参数

描述

默认值

delimiter

数据分隔符。

逗号(即",”)

quote

引用字符。

双引号(即“"”)

escape

转义字符。

反斜杠(即“\”)

multiLine

列数据中是否包含回车符或转行符,true为包含,false为不包含

false

dateFormat

指定CSV文件中date字段的日期格式

yyyy-MM-dd

timestampFormat

指定CSV文件中timestamp字段的日期格式

yyyy-MM-dd HH:mm:ss

mode

指定解析CSV时的模式,有三种模式。

  • PERMISSIVE:宽容模式,遇到错误的字段时,设置该行整行为Null
  • DROPMALFORMED: 遇到错误的字段时,丢弃整行。
  • FAILFAST:报错模式,遇到错误的字段时直接报错。

PERMISSIVE

header

CSV是否包含表头信息,true表示包含表头信息,false为不包含。

false

nullValue

设置代表null的字符,例如,nullValue=“\\N”表示设置\N 代表null。

-

comment

设置代表注释开头的字符,例如,comment='#'表示以#开头的行为注释。

-

compression

设置数据的压缩格式。目前支持gzip、bzip2、deflate压缩格式,若不希望压缩,则输入none。

none

encoding

数据的编码格式。支持utf-8,gb2312,gbk三种,如果不填写,则默认为utf-8。

utf-8

注意事项

  • 表名与列名为大小写不敏感,即不区分大小写。
  • 表名及列名的描述仅支持字符串常量。
  • 创建表时要声明列名及对应的数据类型,数据类型为原生类型。
  • 当OBS的目录下文件夹与文件同名时,创建OBS表指向的路径会优先指向文件而非文件夹。
  • 创建表时,若指定路径为OBS上的目录,且该目录下包含子目录(或嵌套子目录),则子目录下的所有文件类型及其内容也是表内容。用户需要保证所指定的目录及其子目录下所有文件类型和建表语句中指定的存储格式一致,所有文件内容和表中的字段一致,否则查询将报错。用户可以在建表语句OPTIONS中设置“multiLevelDirEnable”为true以查询子目录下的内容,此参数默认值为false(注意,此配置项为表属性,请谨慎配置)(Hive表不支持此配置项)。
  • OBS存储路径必须为OBS上的目录,该目录必须事先创建好,且为空。
  • 创建分区表时,PARTITONED BY中指定分区列必须是表中的列,且必须在Column列表中指定类型。分区列只支持string, boolean, tinyint, smallint, short, int, bigint, long, decimal, float, double, date, timestamp类型。
  • 创建分区表时,分区字段必须是表字段的最后一个字段或几个字段,且多分区字段的顺序也必须对应。否则将出错。
  • 单表分区数最多允许7000个。
  • CTAS建表语句不能指定表的属性,不支持创建分区表。

示例

  • 创建名为parquetTable的OBS表。
    1
    CREATE TABLE parquetTable (name string, id int) USING parquet OPTIONS (path "obs://bucketName/filePath");
    
  • 创建名为parquetZstdTable的OBS表,并指定压缩格式为zstd。
    CREATE TABLE parquetZstdTable (name string, id string) USING parquet OPTIONS (path "obs://bucketName/filePath",compression='zstd');
  • 以班级号(classNo)为分区字段,创建一张名为student的表,包含姓名(name)与分数(score)两个字段。
    1
    CREATE TABLE IF NOT EXISTS student(name STRING, score DOUBLE, classNo INT) USING csv OPTIONS (PATH 'obs://bucketName/filePath') PARTITIONED BY (classNo);
    

    “classNo”为分区字段,在表字段中要放在最后一个,即“student(name STRING, score DOUBLE, classNo INT)”。

  • 创建表t1,并将表t2的数据插入到表t1中。
    1
    CREATE TABLE t1 USING parquet OPTIONS(path 'obs://bucketName/tblPath') AS select * from t2;