配置Hive目的端参数

作业中目的连接为Hive连接时，目的端作业参数如表1所示。

表1 Hive作为目的端时的作业参数
参数名	说明	取值样例
数据库名称	输入或选择写入数据的数据库名称。单击输入框后面的按钮可进入数据库选择界面。	default
表名	输入或选择写入数据的目标表名。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_X
自动创表	只有当源端为关系数据库时，才有该参数。表示写入表数据时，用户选择的操作：不自动创建：不自动建表。不存在时创建：当目的端的数据库没有“表名”参数中指定的表时，CDM会自动创建该表。如果“表名”参数配置的表已存在，则不创建，数据写入到已存在的表中。先删除后创建：CDM先删除“表名”参数中指定的表，然后再重新创建该表。说明：自动建表只同步列注释，表注释不会被同步。自动建表不支持同步主键。	不自动创建
源端null值转换值	将源端null值转换为其他值。 TO_NULL TO_EMPTY_STRING TO_NULL_STRING	TO_NULL
导入前清空数据	选择目的端表中数据的处理方式。是：任务启动前会清除目标表中数据。否：导入前不清空目标表中的数据，如果选“否”且表中有数据，则数据会追加到已有的表中。	是
换行符处理方式	对于写入Hive textfile格式表的数据中存在换行符的场景，指定对换行符的处理策略。删除替换为其他字符串不处理	删除
Hive表分区字段	“自动创建”设置为“不自动创建”时，无此参数。对Hive建表设置分区字段，多个值以逗号隔开。	A,B
表路径	“自动创建”设置为“不自动创建”时，无此参数。表路径。	-
存储格式	“自动创建”设置为“不自动创建”时，无此参数。选择存储格式。行式存储格式：TEXTFILE。列式存储格式：ORC、RCFILE、PARQUET。 TEXTFILE使用明文存储，当数据存在特殊字符的场景下可能会导致数据写入错乱，请谨慎使用。建议优先使用ORC存储格式。	ORC
hive表清理数据模式	“导入前清空数据”设置为“是”时，呈现此参数。选择Hive表清理数据模式。 LOAD_OVERWRITE模式：将生成一个临时数据文件目录，使用Hive的load overwrite语法将临时目录加载到Hive表中。 TRUNCATE模式：只清理分区下的数据文件，不删除分区。说明：目的端为分区表时，Hive表清理数据模式建议设置为LOAD_OVERWRITE模式，否则可能会有集群内存过载/磁盘过载的风险。	TRUNCATE
分区信息	“导入前清空数据”设置为“是”时，呈现此参数。目的端为分区表时，必须指定分区。当使用TRUNCATE模式：只清理分区下的数据文件。当使用LOAD_OVERWRITE模式：覆盖写入到指定分区，仅支持指定单分区。当使用LOAD_OVERWRITE模式，仅支持写入一个分区。具体配置请参见动态分区写入与静态分区写入介绍。	单分区：year=2020,location=sun; 多分区：['year=2020,location=sun', 'year=2021,location=earth']. 前一日分区： day='${dateformat(yyyy-MM-dd HH:mm:ss, -1, DAY)}',
执行Analyze语句	数据全部写入完成后会异步执行ANALYZE TABLE语句，用于优化Hive表查询速度。执行的SQL如下：非分区表：ANALYZE TABLE tablename COMPUTE STATISTICS 分区表：ANALYZE TABLE tablename PARTITION(partcol1[=val1], partcol2[=val2], ...) COMPUTE STATISTICS 说明： “执行Analyze语句”参数配置仅用于单表迁移场景。执行Analyze语句可能会对Hive造成压力。	是
内部写队列内存最大值	当出现内存不足场景时，请酌情修改该参数，当参数过小时，会影响迁移速率。取值范围是1-128，默认为空，不做限制，单位为MB，超出范围会设置为不限制。	16
内部转换队列内存最大值	当出现内存不足场景时，请酌情修改该参数，当参数过小时，会影响迁移速率。取值范围是1-128，默认为空，不做限制，单位为MB，超出范围会设置为不限制。	16

Hive LoadOverwrite的动态分区写入与静态分区写入介绍：
CDM Hive的LoadOverwrite方式依赖Hive原生语法'LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)]'，关于Hive语法可见Hive官网介绍。

写入过程将生成临时数据文件，并在写入完成后执行LOAD DATA OVERWRITE的SQL将临时数据文件写入目标表。

实践样例：
1. 以源端为mysql的一个表，使用dt作为分区日期，其建表语句如下：
```
CREATE TABLE `demo` 
(
  `id` varchar(10) DEFAULT NULL,
  `dt` date DEFAULT NULL
) 
ENGINE=InnoDB DEFAULT CHARSET=utf8
```
2. 目的端为Hive的一个分区表，同样使用dt作为分区日期，其建表语句如下：
```
CREATE TABLE `demo`
(
`id` varchar(10)
)
PARTITIONED BY (`dt` date)
```
3. 数据写入。
  对于期望写入单目标分区，即静态分区的场景，通过配置分区信息，将数据写入目标分区。
  
  图1 配置分区信息
  
  对于源端有多个分区数据，期望写入多个目标分区，即动态分区的场景，不需要配置分区信息，通过在字段映射中选择要迁移的分区字段，将数据从源端的分区字段写入目的端对应的分区。
  图2 配置分区信息
  
  图3 选择要迁移的分区字段
源端Hive包含array和map类型时，目的端表格式只支持ORC和parquet复杂类型。若目的端表格式为RC和TEXT时，会对源数据进行处理，支持成功写入。
因map类型为无序的数据结构，迁移到目的端的数据类型可能跟源端顺序不一致。

Hive作为迁移的目的时，如果存储格式为Textfile，在Hive创建表的语句中需要显式指定分隔符。例如：

CREATE TABLE csv_tbl(
smallint_value smallint,
tinyint_value tinyint,
int_value int,
bigint_value bigint,
float_value float,
double_value double,
decimal_value decimal(9, 7),
timestmap_value timestamp,
date_value date,
varchar_value varchar(100),
string_value string,
char_value char(20),
boolean_value boolean,
binary_value binary,
varchar_null varchar(100),
string_null string,
char_null char(20),
int_null int
)
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
WITH SERDEPROPERTIES (
"separatorChar" = "\t",
"quoteChar"     = "'",
"escapeChar"    = "\\"
)
STORED AS TEXTFILE;

父主题： 配置CDM作业目的端参数

上一篇：配置HBase/CloudTable目的端参数

下一篇：配置MySQL/SQL Server/PostgreSQL目的端参数