# 典型场景示例：使用Spark SQL作业分析OBS数据
DLI支持将数据存储到OBS上，后续再通过创建OBS表即可对OBS上的数据进行分析和处理。
本指导中的操作内容包括：创建OBS表、导入OBS表数据、插入和查询OBS表数据等内容来帮助您更好的在DLI上对OBS表数据进行处理。
#### 前提条件
- 已创建OBS的桶。具体OBS操作可以参考《[对象存储服务用户指南](https://support.huaweicloud.com/usermanual-obs/obs_41_0003.html)》。本指导中的OBS桶名都为"dli-test-021"。
- 已创建DLI的SQL队列。创建队列详细介绍请参考[创建队列](https://support.huaweicloud.com/usermanual-dli/dli_01_0363.html)。
  **注意：** 创建队列时，队列类型必须要选择为：**SQL队列。**
  
 
#### 前期准备
**创建DLI数据库**
1. 登录DLI管理控制台，选择"SQL编辑器"，在SQL编辑器中"执行引擎"选择"spark"，"队列"选择已创建的SQL队列。
2. 在SQL编辑器中输入以下语句创建数据库"testdb"。详细的DLI创建数据库的语法可以参考[创建DLI数据库](https://support.huaweicloud.com/sqlref-spark-dli/dli_08_0071.html)。
   ```
   create database testdb;
   ```
   
后续章节操作都需要在testdb数据库下进行操作。
#### DataSource和Hive两种语法创建OBS表的区别
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。两种语法创建OBS表主要差异点参见[表1]。
 表1DataSource语法和Hive语法创建OBS表的差异点 
| 语法           | 支持的数据类型范围                                            | 创建分区表时分区字段差异                                                                                                                                                      | 支持的分区数            |
|:---|:---|:---|:---|
| DataSource语法 | 支持ORC，PARQUET，JSON，CSV，AVRO类型                        | 创建分区表时，分区字段在表名和PARTITIONED BY后都需要指定。具体可以参考[DataSource语法创建单分区OBS表]。       | 单表分区数最多允许7000个。   |
| Hive语法       | 支持TEXTFILE, AVRO, ORC, SEQUENCEFILE, RCFILE, PARQUET | 创建分区表时，指定的分区字段不能出现在表后，只能通过PARTITIONED BY指定分区字段名和类型。具体可以参考[Hive语法创建OBS分区表]。 | 单表分区数最多允许100000个。 |
   
创建OBS表的DataSource语法可以参考[使用DataSource语法创建OBS表](https://support.huaweicloud.com/sqlref-spark-dli/dli_08_0076.html)。
创建OBS表的Hive语法可以参考[使用Hive语法创建OBS表](https://support.huaweicloud.com/sqlref-spark-dli/dli_08_0077.html)。
#### 使用DataSource语法创建OBS表
以下通过创建CSV格式的OBS表举例，创建其他数据格式的OBS表方法类似，此处不一一列举。
- 创建OBS非分区表
  - 指定OBS数据文件，创建csv格式的OBS表。
    1. 按照以下文件内容创建"test.csv"文件，并将"test.csv"文件上传到OBS桶"dli-test-021"的根目录下。
       ```
       Jordon,88,23
       Kim,87,25
       Henry,76,26
       ```
       
    
    2. 登录DLI管理控制台，选择"SQL编辑器"，在SQL编辑器中"执行引擎"选择"spark"，"队列"选择已创建的SQL队列，数据库选择"testdb"，执行以下命令创建OBS表。
       ```
       CREATE TABLE testcsvdatasource (name STRING, score DOUBLE, classNo INT
       ) USING csv OPTIONS (path "obs://dli-test-021/test.csv");
       ```
       ![](https://support.huaweicloud.com/usermanual-dli/public_sys-resources/caution_3.0-zh-cn.png)
       如果是通过指定的数据文件创建的OBS表，后续不支持在DLI通过insert表操作插入数据。OBS文件内容和表数据保持同步。
       
    
    3. 查询已创建的"testcsvdatasource"表数据。
       ```
       select * from testcsvdatasource;
       ```
       图1查询结果   
       ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001286524685.png "点击放大") 
    
    4. 本地修改原始的OBS表文件"test.csv"，增加一行"Aarn,98,20"数据，重新替换OBS桶目录下的"test.csv"文件。
       ```
       Jordon,88,23
       Kim,87,25
       Henry,76,26
       Aarn,98,20
       ```
       
    
    5. 在DLI的SQL编辑器中再次查询"testcsvdatasource"表数据，DLI上可以查询到新增的"Aarn,98,20"数据。
       ```
       select * from testcsvdatasource;
       ```
       图2查询结果   
       ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001242403992.png "点击放大") 
     
  
  - 指定OBS数据文件目录，创建csv格式的OBS表。
    - 指定的OBS数据目录不包含数据文件。
      1. 在OBS桶"dli-test-021"根目录下创建数据文件目录"data"。
      
      2. 登录DLI管理控制台，选择"SQL编辑器"，在SQL编辑器中"执行引擎"选择"spark"，"队列"选择已创建的SQL队列，数据库选择"testdb"。在DLI的"testdb"数据库下创建OBS表"testcsvdata2source"。
         ```
         CREATE TABLE testcsvdata2source (name STRING, score DOUBLE, classNo INT) USING csv OPTIONS (path "obs://dli-test-021/data");
         ```
         
      
      3. 通过insert语句插入表数据。
         ```
         insert into testcsvdata2source VALUES('Aarn','98','20');
         ```
         
      
      4. insert作业运行成功后，查询OBS表"testcsvdata2source"数据。
         ```
         select * from testcsvdata2source;
         ```
         图3查询结果   
         ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001242244676.png "点击放大") 
      
      5. 在OBS桶的"obs://dli-test-021/data"目录下刷新后查询，生成了csv数据文件，文件内容为insert插入的数据内容。
         图4查询结果   
         ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001286365057.png "点击放大") 
       
    
    - 指定的OBS数据目录包含数据文件。
      1. 在OBS桶"dli-test-021"根目录下创建数据文件目录"data2"。创建如下内容的测试数据文件"test.csv"，并上传文件到"obs://dli-test-021/data2"目录下。
         ```
         Jordon,88,23
         Kim,87,25
         Henry,76,26
         ```
         
      
      2. 登录DLI管理控制台，选择"SQL编辑器"，在SQL编辑器中"执行引擎"选择"spark"，"队列"选择已创建的SQL队列，数据库选择"testdb"。在DLI的"testdb"数据库下创建OBS表"testcsvdata3source"。
         ```
         CREATE TABLE testcsvdata3source (name STRING, score DOUBLE, classNo INT) USING csv OPTIONS (path "obs://dli-test-021/data2");
         ```
         
      
      3. 通过insert语句插入表数据。
         ```
         insert into testcsvdata3source VALUES('Aarn','98','20');
         ```
         
      
      4. insert作业运行成功后，查询OBS表"testcsvdata3source"数据。
         ```
         select * from testcsvdata3source;
         ```
         图5查询结果   
         ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001286164525.png "点击放大") 
      
      5. 在OBS桶的"obs://dli-test-021/data2"目录下刷新后查询，生成了一个csv数据文件，内容为insert插入的表数据内容。
         图6查询结果   
         ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001286284269.png "点击放大") 
       
     
   
- 创建OBS分区表
  - 创建单分区OBS表
    1. 在OBS桶"dli-test-021"根目录下创建数据文件目录"data3"。
    
    2. 登录DLI管理控制台，选择"SQL编辑器"，在SQL编辑器中"执行引擎"选择"spark"，"队列"选择已创建的SQL队列，数据库选择"testdb"。在DLI的"testdb"数据库下创建以"classNo"列为分区的OBS分区表"testcsvdata4source"，指定OBS目录"obs://dli-test-021/data3"。
       ```
       CREATE TABLE testcsvdata4source (name STRING, score DOUBLE, classNo INT) USING csv OPTIONS (path "obs://dli-test-021/data3") PARTITIONED BY (classNo);
       ```
       
    
    
    
    3. 在OBS桶的"obs://dli-test-021/data3"目录下创建"classNo=25"的分区目录。根据以下文件内容创建数据文件"test.csv"，并上传到OBS的"obs://dli-test-021/data3/classNo=25"目录下。
       ```
       Jordon,88,25
       Kim,87,25
       Henry,76,25
       ```
       
    
    4. 在SQL编辑器中执行以下命令，导入分区数据到OBS表"testcsvdata4source"。
       ```
       ALTER TABLE
         testcsvdata4source
       ADD
         PARTITION (classNo = 25) LOCATION 'obs://dli-test-021/data3/classNo=25';
       ```
       
    
    5. 查询OBS表"testcsvdata4source"classNo分区为"25"的数据：
       ```
       select * from testcsvdata4source where classNo = 25;
       ```
       图7查询结果   
       ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001241924840.png "点击放大") 
    
    6. 插入如下数据到OBS表"testcsvdata4source"：
       ```
       insert into testcsvdata4source VALUES('Aarn','98','25');
       insert into testcsvdata4source VALUES('Adam','68','24');
       ```
       
    
    7. 查询OBS表"testcsvdata4source"classNo分区为"25"和"24"的数据。
       ![](https://support.huaweicloud.com/usermanual-dli/public_sys-resources/caution_3.0-zh-cn.png)
       分区表在进行查询时where条件中必须携带分区字段，否则会查询失败，报：DLI.0005: There should be at least one partition pruning predicate on partitioned table。
       ```
       select * from testcsvdata4source where classNo = 25;
       ```
       图8查询结果   
       ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001673686565.png "点击放大")
       ```
       select * from testcsvdata4source where classNo = 24;
       ```
       图9查询结果   
       ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001286524689.png "点击放大") 
    
    8. 在OBS桶的"obs://dli-test-021/data3"目录下点击刷新，该目录下生成了对应的分区文件，分别存放新插入的表数据。
       图10OBS上classNo分区为"25"文件数据   
       ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001242403996.png "点击放大")
       图11OBS上classNo分区为"24"文件数据   
       ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001242244680.png "点击放大") 
     
  
  - 创建多分区OBS表
    1. 在OBS桶"dli-test-021"根目录下创建数据文件目录"data4"。
    
    2. 登录DLI管理控制台，选择"SQL编辑器"，在SQL编辑器中"执行引擎"选择"spark"，"队列"选择已创建的SQL队列，数据库选择"testdb"。在"testdb"数据库下创建以"classNo"和"dt"列为分区的OBS分区表"testcsvdata5source"，指定OBS目录"obs://dli-test-021/data4"。
       ```
       CREATE TABLE testcsvdata5source (name STRING, score DOUBLE, classNo INT, dt varchar(16)) USING csv OPTIONS (path "obs://dli-test-021/data4") PARTITIONED BY (classNo,dt);
       ```
       
    
    3. 给 testcsvdata5source表插入如下测试数据：
       ```
       insert into testcsvdata5source VALUES('Aarn','98','25','2021-07-27');
       insert into testcsvdata5source VALUES('Adam','68','25','2021-07-28');
       ```
       
    
    4. 根据classNo分区列查询testcsvdata5source数据。
       ```
       select * from testcsvdata5source where classNo = 25;
       ```
       图12查询结果   
       ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001634979174.png "点击放大") 
    
    5. 根据dt分区列查询testcsvdata5source数据。
       ```
       select * from testcsvdata5source where dt like '2021-07%';
       ```
       图13查询结果   
       ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001286164529.png "点击放大") 
    
    6. 在OBS桶"obs://dli-test-021/data4"目录下刷新后查询，会生成如下数据文件：
       - 文件目录1：obs://dli-test-021/data4/*xxxxxx* /classNo=25/dt=2021-07-27
         图14查询结果   
         ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001286284273.png "点击放大") 
       
       - 文件目录2：obs://dli-test-021/data4/*xxxxxx* /classNo=25/dt=2021-07-28
         图15查询结果   
         ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001241924844.png "点击放大") 
        
    
    7. 在OBS桶的"obs://dli-test-021/data4"目录下创建"classNo=24"的分区目录，再在"classNo=24"目录下创建子分区目录"dt=2021-07-29"。根据以下文件内容创建数据文件"test.csv"，并上传到OBS的"obs://dli-test-021/data4/classNo=24/dt=2021-07-29"目录下。
       ```
       Jordon,88,24,2021-07-29
       Kim,87,24,2021-07-29
       Henry,76,24,2021-07-29
       ```
       
    
    8. 在SQL编辑器中执行以下命令，导入分区数据到OBS表"testcsvdata5source "。
       ```
       ALTER TABLE
         testcsvdata5source
       ADD
         PARTITION (classNo = 24,dt='2021-07-29') LOCATION 'obs://dli-test-021/data4/classNo=24/dt=2021-07-29';
       ```
       
    
    9. 根据classNo分区列查询testcsvdata5source数据。
       ```
       select * from testcsvdata5source where classNo = 24;
       ```
       图16查询结果   
       ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001242084780.png "点击放大") 
    
    10. 根据dt分区列查询所有"2021-07"月的所有数据。
        ```
        select * from testcsvdata5source where dt like '2021-07%';
        ```
        图17查询结果   
        ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001286524693.png "点击放大") 
     
   
 
#### 使用Hive语法创建OBS表
以下通过创建TEXTFILE格式的OBS表举例，创建其他数据格式的OBS表方法类似，此处不一一列举。
- 创建OBS非分区表
  1. 在OBS桶的"dli-test-021"根目录下创建数据文件目录"data5"。根据以下文件内容创建数据文件"test.txt"并上传到OBS的"obs://dli-test-021/data5"目录下。
     ```
     Jordon,88,23
     Kim,87,25
     Henry,76,26
     ```
     
  
  2. 登录DLI管理控制台，选择"SQL编辑器"，在SQL编辑器中"执行引擎"选择"spark"，"队列"选择已创建的SQL队列，数据库选择"testdb"。使用Hive语法创建OBS表，指定OBS文件路径为"obs://dli-test-021/data5/test.txt"，行数据分隔符为','。
     ```
     CREATE TABLE hiveobstable (name STRING, score DOUBLE, classNo INT) STORED AS TEXTFILE LOCATION 'obs://dli-test-021/data5' ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
     ```
     ![](https://support.huaweicloud.com/usermanual-dli/public_sys-resources/note_3.0-zh-cn.png)
     ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' ：表示每行记录通过',' 进行分隔。
     
  
  3. 查询hiveobstable表数据。
     ```
     select * from hiveobstable;
     ```
     图18查询结果   
     ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001242404000.png "点击放大") 
  
  4. 插入表数据：
     ```
     insert into hiveobstable VALUES('Aarn','98','25');
     insert into hiveobstable VALUES('Adam','68','25');
     ```
     
  
  5. 查询表数据：
     ```
     select * from hiveobstable;
     ```
     图19查询结果   
     ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001242244684.png "点击放大") 
  
  6. 在OBS桶"obs://dli-test-021/data5"目录下刷新后查询，生成了两个数据文件，分别对应新插入的数据。
     图20查询结果   
     ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001286365065.png "点击放大") 
  
  
  **创建表字段为复杂数据格式的OBS表**
  1. 在OBS桶的"dli-test-021"根目录下创建数据文件目录"data6"。根据以下文件内容创建数据文件"test.txt"并上传到OBS的"obs://dli-test-021/data6"目录下。
     ```
     Jordon,88-22,23:21
     Kim,87-22,25:22
     Henry,76-22,26:23
     ```
     
  
  2. 登录DLI管理控制台，选择"SQL编辑器"，在SQL编辑器中"执行引擎"选择"spark"，"队列"选择已创建的SQL队列，数据库选择"testdb"。使用Hive语法创建OBS表，指定OBS文件路径为"obs://dli-test-021/data6"。
     ```
     CREATE TABLE hiveobstable2 (name STRING, hobbies ARRAY<string>, address map<string,string>) STORED AS TEXTFILE LOCATION 'obs://dli-test-021/data6' 
     ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
     COLLECTION ITEMS TERMINATED BY '-'
     MAP KEYS TERMINATED BY ':';
     ```
     ![](https://support.huaweicloud.com/usermanual-dli/public_sys-resources/note_3.0-zh-cn.png)
     - ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' ：表示每条记录通过',' 进行分隔。
     
     - COLLECTION ITEMS TERMINATED BY '-'：表示第二个字段hobbies是array形式，元素与元素之间通过'-'分隔。
     
     - MAP KEYS TERMINATED BY ':'：表示第三个字段address是k-v形式，每组k-v内部由':'分隔。
       
  
  3. 查询hiveobstable2表数据。
     ```
     select * from hiveobstable2;
     ```
     图21查询结果   
     ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001286164533.png "点击放大") 
   
- 创建OBS分区表
  1. 在OBS桶的"dli-test-021"根目录下创建数据文件目录"data7"。
  
  2. 登录DLI管理控制台，选择"SQL编辑器"，在SQL编辑器中"执行引擎"选择"spark"，"队列"选择已创建的SQL队列，数据库选择"testdb"。创建以classNo为分区列的OBS分区表，指定OBS路径"obs://dli-test-021/data7"。
     ```
     CREATE TABLE IF NOT EXISTS hiveobstable3(name STRING, score DOUBLE) PARTITIONED BY (classNo INT) STORED AS TEXTFILE LOCATION 'obs://dli-test-021/data7' ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
     ```
     ![](https://support.huaweicloud.com/usermanual-dli/public_sys-resources/caution_3.0-zh-cn.png)
     创建Hive语法的OBS分区表时，分区字段只能通过PARTITIONED BY指定，该分区字段不能出现在表名后的字段列表中。如下就是错误的示例：
     CREATE TABLE IF NOT EXISTS hiveobstable3(name STRING, score DOUBLE, classNo INT) PARTITIONED BY (classNo) STORED AS TEXTFILE LOCATION 'obs://dli-test-021/data7';
     
  
  3. 插入表数据：
     ```
     insert into hiveobstable3 VALUES('Aarn','98','25');
     insert into hiveobstable3 VALUES('Adam','68','25');
     ```
     
  
  4. 查询表数据：
     ```
     select * from hiveobstable3 where classNo = 25;
     ```
     图22查询结果   
     ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001286284277.png "点击放大") 
  
  5. 在OBS桶的"obs://dli-test-021/data7"目录下刷新后查询，新生成了分区目录"classno=25"，该分区目录下文件内容为新插入的表数据。
     图23查询结果   
     ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001241924848.png "点击放大") 
  
  6. 在OBS桶的"obs://dli-test-021/data7"目录下，创建分区目录"classno=24"。根据以下文件内容创建文件"test.txt"，并上传该文件到"obs://dli-test-021/data7/classno=24"目录下。
     ```
     Jordon,88,24
     Kim,87,24
     Henry,76,24
     ```
     
  
  7. 在SQL编辑器中执行以下命令，手工导入分区数据到OBS表"hiveobstable3"。
     ```
     ALTER TABLE
       hiveobstable3
     ADD
       PARTITION (classNo = 24) LOCATION 'obs://dli-test-021/data7/classNo=24';
     ```
     
  
  8. 查询表"hiveobstable3"数据。
     ```
     select * from hiveobstable3 where classNo = 24;
     ```
     图24查询结果   
     ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000001242084784.png "点击放大") 
   
 
#### 常见问题
- **问题一** ：查询OBS分区表报错，报错信息如下：
  ```
  DLI.0005: There should be at least one partition pruning predicate on partitioned table `xxxx`.`xxxx`.;
  ```
  **问题根因：**查询OBS分区表时没有携带分区字段。
  **解决方案：**查询OBS分区表时，where条件中至少包含一个分区字段。
  
- **问题二** ：使用DataSource语法指定OBS文件路径创建OBS表，insert数据到OBS表，显示作业运行失败，报："DLI.0007: The output path is a file, don't support INSERT...SELECT" 错误。
  问题示例语句参考如下：
  ```
  CREATE TABLE testcsvdatasource (name string, id int) USING csv OPTIONS (path "obs://dli-test-021/data/test.csv");
  ```
  **问题根因** ：创建OBS表指定的OBS路径为具体文件，导致不能插入数据。例如上述示例中的OBS路径为：**"** **obs://dli-test-021/data/test.csv**"。
  **解决方案** ：使用DataSource语法创建OBS表指定的OBS文件路径改为文件目录即可，后续即可通过insert插入数据。上述示例，建表语句可以修改为：
  ```
  CREATE TABLE testcsvdatasource (name string, id int) USING csv OPTIONS (path "obs://dli-test-021/data");
  ```
  
- **问题三** ：使用Hive语法创建OBS分区表时，提示语法格式不对。例如，如下使用Hive语法创建以classNo为分区的OBS表：
  ```
  CREATE TABLE IF NOT EXISTS testtable(name STRING, score DOUBLE, classNo INT) PARTITIONED BY (classNo) STORED AS TEXTFILE LOCATION 'obs://dli-test-021/data7';
  ```
  **问题根因：**使用Hive语法创建OBS分区表时，分区字段不能出现在表名后的字段列表中，只能定义在PARTITIONED BY后。
  **解决方案** ：使用Hive语法创建OBS分区表时，分区字段指定在PARTITIONED BY后。例如：
  ```
  CREATE TABLE IF NOT EXISTS testtable(name STRING, score DOUBLE) PARTITIONED BY (classNo INT) STORED AS TEXTFILE LOCATION 'obs://dli-test-021/data7';
  ```