文档首页/数据治理中心 DataArts Studio/用户指南/数据集成（离线作业）/配置作业源端参数/配置Hive源端参数
更新时间：2026-01-23 GMT+08:00
查看PDF
分享

配置Hive源端参数

支持从Hive导出数据，使用JDBC接口抽取数据。

Hive作为数据源，CDM自动使用Hive数据分片文件进行数据分区。

表1 Hive作为源端时的作业参数

参数类型

参数名

说明

取值样例

基本参数

读取方式

包括HDFS和JDBC两种读取方式。默认为HDFS方式，如果没有使用WHERE条件做数据过滤及在字段映射页面添加新字段的需求，选择HDFS方式即可。

  • HDFS文件方式读取数据时，性能较好，但不支持使用WHERE条件做数据过滤及在字段映射页面添加新字段。
  • JDBC方式读取数据时，支持使用WHERE条件做数据过滤及在字段映射页面添加新字段。

HDFS

数据库

输入或选择数据库名称。单击输入框后面的按钮可进入数据库选择界面。

default

表名

输入或选择Hive表名。单击输入框后面的按钮可进入表的选择界面。

该参数支持配置为时间宏变量，且一个路径名中可以有多个宏定义变量。使用时间宏变量和定时任务配合，可以实现定期同步新增数据，详细说明请参见使用时间宏变量完成增量同步。

说明：

如果配置了时间宏变量，通过DataArts Studio数据开发调度CDM迁移作业时，系统会将时间宏变量替换为“数据开发作业计划启动时间-偏移量”，而不是“CDM作业实际启动时间-偏移量”。

TBL_E

使用SQL语句

“读取方式”选择“JDBC”时显示此参数。

导出关系型数据库的数据时，您可以选择使用自定义SQL语句导出。

否

SQL语句

“使用SQL语句”选择“是”时显示此参数，您可以在这里输入自定义的SQL语句，CDM将根据该语句导出数据。

说明：
  • SQL语句只能查询数据，支持join和嵌套写法，但不能有多条查询语句，比如 select * from table a; select * from table b。
  • 不支持with语句。
  • 不支持注释 ，比如 "--" ，“/*”。
  • 不支持增删改操作，包括但不限于以下操作：
    • load data
    • delete from
    • alter table
    • create table
    • drop table
    • into outfile

select id,name from sqoop.user;

传输模式

支持记录迁移和文件迁移，默认为记录迁移。仅当源端为Hive2.x且数据存储在HDFS、目的端为Hive3.x且数据存在OBS并行文件系统时，才支持文件迁移。

当选择文件迁移时，需保证源端和目的端的表格式和属性需一致才能迁移成功。

  • 记录迁移
  • 文件迁移

分区过滤条件

“读取方式”选择“HDFS”时显示此参数。

该参数表示抽取指定值的partition，属性名称为分区名称，属性值可以配置多个值（空格分隔），也可以配置为字段取值范围，接受时间宏函数。详细说明请参见使用时间宏变量完成增量同步。

说明：

如果配置了时间宏变量，通过DataArts Studio数据开发调度CDM迁移作业时，系统会将时间宏变量替换为“数据开发作业计划启动时间-偏移量”，而不是“CDM作业实际启动时间-偏移量”。

  • 单/多值过滤场景属性值：

    ${dateformat(yyyyMMdd, -1, DAY)} ${dateformat(yyyyMMdd)}

  • 范围过滤场景属性值：

    ${value} >=${dateformat(yyyyMMdd, -7, DAY)} && ${value} < ${dateformat(yyyyMMdd)}

额外配置

作业额外参数，用于控制Hive数据源在作业运行过程中的某些行为逻辑。

源端为Hive，目的端为HBase且导入参数为BULKLOAD时，额外参数参考如下场景：

  • hive.sample.bucket.number：数据采样指定分桶数，当设置此值时hive.sample.bucket.ratio不生效。取值范围为[1,1000]。
  • hive.sample.bucket.ratio：设置数据分桶比率，用以计算分桶数量，分桶数 =max(1, 分桶比率*GB数)(向下取整)。取值范围大于0，默认值为1.0。
  • hive.sample.bucket.threshold：采样分桶阈值，当数据行数小于此值时，将不做采样分桶，只生成单region。取值范围大于0，默认值为10000。
  • hive.sample.function.name：指定自定义UDF函数的名称。默认值cdm_row_sequence。
  • hive.sample.set.role.admin：创建自定义UDF函数时，是否执行set role admin，对于权限较低的用户可能无法执行此命令。默认值false。

-

高级属性

Where子句

“读取方式”选择“JDBC”，“使用SQL语句”选择“否”时显示此参数。

填写该参数表示指定抽取的WHERE子句，不指定则抽取整表。如果要迁移的表中没有WHERE子句的字段，则会迁移失败。

该参数支持配置为时间宏变量，实现抽取指定日期的数据，详细说明请参见关系数据库增量迁移。

说明：

如果配置了时间宏变量，通过DataArts Studio数据开发调度CDM迁移作业时，系统会将时间宏变量替换为“数据开发作业计划启动时间-偏移量”，而不是“CDM作业实际启动时间-偏移量”。

age > 18 and age <=60