Hive集成表引擎

Hive引擎允许对HDFS Hive表执行 SELECT 查询。目前它支持如下输入格式:

-文本:只支持简单的标量列类型，除了 Binary

  • ORC:支持简单的标量列类型，除了char; 只支持 array 这样的复杂类型

  • Parquet:支持所有简单标量列类型;只支持 array 这样的复杂类型

创建表

CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster]

(

    name1 [type1] [ALIAS expr1],

    name2 [type2] [ALIAS expr2],

    ...

) ENGINE = Hive('thrift://host:port', 'database', 'table');

PARTITION BY expr

表的结构可以与原来的Hive表结构有所不同:

  • 列名应该与原来的Hive表相同，但你可以使用这些列中的一些，并以任何顺序，你也可以使用一些从其他列计算的别名列。
  • 列类型与原Hive表的列类型保持一致。
  • “Partition by expression”应与原Hive表保持一致，“Partition by expression”中的列应在表结构中。

引擎参数

  • thrift://host:port — Hive Metastore 地址

  • database — 远程数据库名.

  • table — 远程数据表名.

使用示例

如何使用HDFS文件系统的本地缓存

我们强烈建议您为远程文件系统启用本地缓存。基准测试显示，如果使用缓存，它的速度会快两倍。

在使用缓存之前，请将其添加到 config.xml

<local_cache_for_remote_fs>

    <enable>true</enable>

    <root_dir>local_cache</root_dir>

    <limit_size>559096952</limit_size>

    <bytes_read_before_flush>1048576</bytes_read_before_flush>

</local_cache_for_remote_fs>
  • enable: 开启后，ClickHouse将为HDFS (远程文件系统)维护本地缓存。
  • root_dir: 必需的。用于存储远程文件系统的本地缓存文件的根目录。
  • limit_size: 必需的。本地缓存文件的最大大小(单位为字节)。
  • bytes_read_before_flush: 从远程文件系统下载文件时，刷新到本地文件系统前的控制字节数。缺省值为1MB。

当ClickHouse为远程文件系统启用了本地缓存时，用户仍然可以选择不使用缓存，并在查询中设置 use_local_cache_for_remote_storage = 0, use_local_cache_for_remote_storage 默认为 1。

查询 ORC 输入格式的Hive 表

在 Hive 中建表

hive > CREATE TABLE `test`.`test_orc`(

  `f_tinyint` tinyint,

  `f_smallint` smallint,

  `f_int` int,

  `f_integer` int,

  `f_bigint` bigint,

  `f_float` float,

  `f_double` double,

  `f_decimal` decimal(10,0),

  `f_timestamp` timestamp,

  `f_date` date,

  `f_string` string,

  `f_varchar` varchar(100),

  `f_bool` boolean,

  `f_binary` binary,

  `f_array_int` array<int>,

  `f_array_string` array<string>,

  `f_array_float` array<float>,

  `f_array_array_int` array<array<int>>,

  `f_array_array_string` array<array<string>>,

  `f_array_array_float` array<array<float>>)

PARTITIONED BY (

  `day` string)

ROW FORMAT SERDE

  'org.apache.hadoop.hive.ql.io.orc.OrcSerde'

STORED AS INPUTFORMAT

  'org.apache.hadoop.hive.ql.io.orc.OrcInputFormat'

OUTPUTFORMAT

  'org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat'

LOCATION

  'hdfs://testcluster/data/hive/test.db/test_orc'

OK

Time taken: 0.51 seconds

hive > insert into test.test_orc partition(day='2021-09-18') select 1, 2, 3, 4, 5, 6.11, 7.22, 8.333, current_timestamp(), current_date(), 'hello world', 'hello world', 'hello world', true, 'hello world', array(1, 2, 3), array('hello world', 'hello world'), array(float(1.1), float(1.2)), array(array(1, 2), array(3, 4)), array(array('a', 'b'), array('c', 'd')), array(array(float(1.11), float(2.22)), array(float(3.33), float(4.44)));

OK

Time taken: 36.025 seconds

hive > select * from test.test_orc;

OK

1   2   3   4   5   6.11    7.22    8   2021-11-05 12:38:16.314 2021-11-05  hello world hello world hello world                                                                                             true    hello world [1,2,3] ["hello world","hello world"]   [1.1,1.2]   [[1,2],[3,4]]   [["a","b"],["c","d"]]   [[1.11,2.22],[3.33,4.44]]   2021-09-18

Time taken: 0.295 seconds, Fetched: 1 row(s)

在 ClickHouse 中建表

ClickHouse中的表，从上面创建的Hive表中获取数据:

CREATE TABLE test.test_orc

(

    `f_tinyint` Int8,

    `f_smallint` Int16,

    `f_int` Int32,

    `f_integer` Int32,

    `f_bigint` Int64,

    `f_float` Float32,

    `f_double` Float64,

    `f_decimal` Float64,

    `f_timestamp` DateTime,

    `f_date` Date,

    `f_string` String,

    `f_varchar` String,

    `f_bool` Bool,

    `f_binary` String,

    `f_array_int` Array(Int32),

    `f_array_string` Array(String),

    `f_array_float` Array(Float32),

    `f_array_array_int` Array(Array(Int32)),

    `f_array_array_string` Array(Array(String)),

    `f_array_array_float` Array(Array(Float32)),

    `day` String

)

ENGINE = Hive('thrift://localhost:9083', 'test', 'test_orc')

PARTITION BY day


SELECT * FROM test.test_orc settings input_format_orc_allow_missing_columns = 1\G


SELECT *

FROM test.test_orc

SETTINGS input_format_orc_allow_missing_columns = 1

Query id: c3eaffdc-78ab-43cd-96a4-4acc5b480658

Row 1:

──────

f_tinyint:            1

f_smallint:           2

f_int:                3

f_integer:            4

f_bigint:             5

f_float:              6.11

f_double:             7.22

f_decimal:            8

f_timestamp:          2021-12-04 04:00:44

f_date:               2021-12-03

f_string:             hello world

f_varchar:            hello world

f_bool:               true

f_binary:             hello world

f_array_int:          [1,2,3]

f_array_string:       ['hello world','hello world']

f_array_float:        [1.1,1.2]

f_array_array_int:    [[1,2],[3,4]]

f_array_array_string: [['a','b'],['c','d']]

f_array_array_float:  [[1.11,2.22],[3.33,4.44]]

day:                  2021-09-18

1 rows in set. Elapsed: 0.078 sec.

查询 Parquest 输入格式的Hive 表

在 Hive 中建表

hive >

CREATE TABLE `test`.`test_parquet`(

  `f_tinyint` tinyint,

  `f_smallint` smallint,

  `f_int` int,

  `f_integer` int,

  `f_bigint` bigint,

  `f_float` float,

  `f_double` double,

  `f_decimal` decimal(10,0),

  `f_timestamp` timestamp,

  `f_date` date,

  `f_string` string,

  `f_varchar` varchar(100),

  `f_char` char(100),

  `f_bool` boolean,

  `f_binary` binary,

  `f_array_int` array<int>,

  `f_array_string` array<string>,

  `f_array_float` array<float>,

  `f_array_array_int` array<array<int>>,

  `f_array_array_string` array<array<string>>,

  `f_array_array_float` array<array<float>>)

PARTITIONED BY (

  `day` string)

ROW FORMAT SERDE

  'org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe'

STORED AS INPUTFORMAT

  'org.apache.hadoop.hive.ql.io.parquet.MapredParquetInputFormat'

OUTPUTFORMAT

  'org.apache.hadoop.hive.ql.io.parquet.MapredParquetOutputFormat'

LOCATION

  'hdfs://testcluster/data/hive/test.db/test_parquet'

OK

Time taken: 0.51 seconds

hive >  insert into test.test_parquet partition(day='2021-09-18') select 1, 2, 3, 4, 5, 6.11, 7.22, 8.333, current_timestamp(), current_date(), 'hello world', 'hello world', 'hello world', true, 'hello world', array(1, 2, 3), array('hello world', 'hello world'), array(float(1.1), float(1.2)), array(array(1, 2), array(3, 4)), array(array('a', 'b'), array('c', 'd')), array(array(float(1.11), float(2.22)), array(float(3.33), float(4.44)));

OK

Time taken: 36.025 seconds

hive > select * from test.test_parquet;

OK

1   2   3   4   5   6.11    7.22    8   2021-12-14 17:54:56.743 2021-12-14  hello world hello world hello world                                                                                             true    hello world [1,2,3] ["hello world","hello world"]   [1.1,1.2]   [[1,2],[3,4]]   [["a","b"],["c","d"]]   [[1.11,2.22],[3.33,4.44]]   2021-09-18

Time taken: 0.766 seconds, Fetched: 1 row(s)

在 ClickHouse 中建表

ClickHouse 中的表， 从上面创建的Hive表中获取数据:

CREATE TABLE test.test_parquet

(

    `f_tinyint` Int8,

    `f_smallint` Int16,

    `f_int` Int32,

    `f_integer` Int32,

    `f_bigint` Int64,

    `f_float` Float32,

    `f_double` Float64,

    `f_decimal` Float64,

    `f_timestamp` DateTime,

    `f_date` Date,

    `f_string` String,

    `f_varchar` String,

    `f_char` String,

    `f_bool` Bool,

    `f_binary` String,

    `f_array_int` Array(Int32),

    `f_array_string` Array(String),

    `f_array_float` Array(Float32),

    `f_array_array_int` Array(Array(Int32)),

    `f_array_array_string` Array(Array(String)),

    `f_array_array_float` Array(Array(Float32)),

    `day` String

)

ENGINE = Hive('thrift://localhost:9083', 'test', 'test_parquet')

PARTITION BY day


SELECT * FROM test.test_parquet settings input_format_parquet_allow_missing_columns = 1\G


SELECT *

FROM test_parquet

SETTINGS input_format_parquet_allow_missing_columns = 1

Query id: 4e35cf02-c7b2-430d-9b81-16f438e5fca9

Row 1:

──────

f_tinyint:            1

f_smallint:           2

f_int:                3

f_integer:            4

f_bigint:             5

f_float:              6.11

f_double:             7.22

f_decimal:            8

f_timestamp:          2021-12-14 17:54:56

f_date:               2021-12-14

f_string:             hello world

f_varchar:            hello world

f_char:               hello world

f_bool:               true

f_binary:             hello world

f_array_int:          [1,2,3]

f_array_string:       ['hello world','hello world']

f_array_float:        [1.1,1.2]

f_array_array_int:    [[1,2],[3,4]]

f_array_array_string: [['a','b'],['c','d']]

f_array_array_float:  [[1.11,2.22],[3.33,4.44]]

day:                  2021-09-18

1 rows in set. Elapsed: 0.357 sec.

查询文本输入格式的Hive表

在Hive 中建表

hive >

CREATE TABLE `test`.`test_text`(

  `f_tinyint` tinyint,

  `f_smallint` smallint,

  `f_int` int,

  `f_integer` int,

  `f_bigint` bigint,

  `f_float` float,

  `f_double` double,

  `f_decimal` decimal(10,0),

  `f_timestamp` timestamp,

  `f_date` date,

  `f_string` string,

  `f_varchar` varchar(100),

  `f_char` char(100),

  `f_bool` boolean,

  `f_binary` binary,

  `f_array_int` array<int>,

  `f_array_string` array<string>,

  `f_array_float` array<float>,

  `f_array_array_int` array<array<int>>,

  `f_array_array_string` array<array<string>>,

  `f_array_array_float` array<array<float>>)

PARTITIONED BY (

  `day` string)

ROW FORMAT SERDE

  'org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe'

STORED AS INPUTFORMAT

  'org.apache.hadoop.mapred.TextInputFormat'

OUTPUTFORMAT

  'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat'

LOCATION

  'hdfs://testcluster/data/hive/test.db/test_text'

Time taken: 0.1 seconds, Fetched: 34 row(s)

hive >  insert into test.test_text partition(day='2021-09-18') select 1, 2, 3, 4, 5, 6.11, 7.22, 8.333, current_timestamp(), current_date(), 'hello world', 'hello world', 'hello world', true, 'hello world', array(1, 2, 3), array('hello world', 'hello world'), array(float(1.1), float(1.2)), array(array(1, 2), array(3, 4)), array(array('a', 'b'), array('c', 'd')), array(array(float(1.11), float(2.22)), array(float(3.33), float(4.44)));

OK

Time taken: 36.025 seconds

hive > select * from test.test_text;

OK

1   2   3   4   5   6.11    7.22    8   2021-12-14 18:11:17.239 2021-12-14  hello world hello world hello world                                                                                             true    hello world [1,2,3] ["hello world","hello world"]   [1.1,1.2]   [[1,2],[3,4]]   [["a","b"],["c","d"]]   [[1.11,2.22],[3.33,4.44]]   2021-09-18

Time taken: 0.624 seconds, Fetched: 1 row(s)

在 ClickHouse 中建表

ClickHouse中的表， 从上面创建的Hive表中获取数据:

CREATE TABLE test.test_text

(

    `f_tinyint` Int8,

    `f_smallint` Int16,

    `f_int` Int32,

    `f_integer` Int32,

    `f_bigint` Int64,

    `f_float` Float32,

    `f_double` Float64,

    `f_decimal` Float64,

    `f_timestamp` DateTime,

    `f_date` Date,

    `f_string` String,

    `f_varchar` String,

    `f_char` String,

    `f_bool` Bool,

    `day` String

)

ENGINE = Hive('thrift://localhost:9083', 'test', 'test_text')

PARTITION BY day


SELECT * FROM test.test_text settings input_format_skip_unknown_fields = 1, input_format_with_names_use_header = 1, date_time_input_format = 'best_effort'\G


SELECT *

FROM test.test_text

SETTINGS input_format_skip_unknown_fields = 1, input_format_with_names_use_header = 1, date_time_input_format = 'best_effort'

Query id: 55b79d35-56de-45b9-8be6-57282fbf1f44

Row 1:

──────

f_tinyint:   1

f_smallint:  2

f_int:       3

f_integer:   4

f_bigint:    5

f_float:     6.11

f_double:    7.22

f_decimal:   8

f_timestamp: 2021-12-14 18:11:17

f_date:      2021-12-14

f_string:    hello world

f_varchar:   hello world

f_char:      hello world

f_bool:      true

day:         2021-09-18

资料分享

ClickHouse经典中文文档分享

参考文章

ClickHouse(19)ClickHouse集成Hive表引擎详细解析的更多相关文章

  1. ClickHouse(10)ClickHouse合并树MergeTree家族表引擎之ReplacingMergeTree详细解析

    目录 建表语法 数据处理策略 资料分享 参考文章 MergeTree拥有主键,但是它的主键却没有唯一键的约束.这意味着即便多行数据的主键相同,它们还是能够被正常写入.在某些使用场合,用户并不希望数据表 ...

  2. ClickHouse(11)ClickHouse合并树MergeTree家族表引擎之SummingMergeTree详细解析

    目录 建表语法 数据处理 汇总的通用规则 AggregateFunction 列中的汇总 嵌套结构数据的处理 资料分享 参考文章 SummingMergeTree引擎继承自MergeTree.区别在于 ...

  3. ClickHouse(12)ClickHouse合并树MergeTree家族表引擎之AggregatingMergeTree详细解析

    目录 建表语法 查询和插入数据 数据处理逻辑 ClickHouse相关资料分享 AggregatingMergeTree引擎继承自 MergeTree,并改变了数据片段的合并逻辑.ClickHouse ...

  4. ClickHouse(13)ClickHouse合并树MergeTree家族表引擎之CollapsingMergeTree详细解析

    目录 建表 折叠 数据 算法 资料分享 参考文章 该引擎继承于MergeTree,并在数据块合并算法中添加了折叠行的逻辑.CollapsingMergeTree会异步的删除(折叠)这些除了特定列Sig ...

  5. ClickHouse入门：表引擎-HDFS

    前言插件及服务器版本服务器:ubuntu 16.04Hadoop:2.6ClickHouse:20.9.3.45 文章目录 简介 引擎配置 HDFS表引擎的两种使用形式 引用 简介 ClickHous ...

  6. Clickhouse表引擎之MergeTree

    1.概述 在Clickhouse中有多种表引擎,不同的表引擎拥有不同的功能,它直接决定了数据如何读写.是否能够并发读写.是否支持索引.数据是否可备份等等.本篇博客笔者将为大家介绍Clickhouse中 ...

  7. UniqueMergeTree：支持实时更新删除的 ClickHouse 表引擎

    UniqueMergeTree 开发的业务背景 首先,我们看一下哪些场景需要用到实时更新. 我们总结了三类场景: 第一类是业务需要对它的交易类数据进行实时分析,需要把数据流同步到 ClickHouse ...

  8. Clickhouse表引擎探究-ReplacingMergeTree

    作者:耿宏宇 1 表引擎简述 1.1 官方描述 MergeTree 系列的引擎被设计用于插入极大量的数据到一张表当中.数据可以以数据片段的形式一个接着一个的快速写入,数据片段在后台按照一定的规则进行合 ...

  9. ClickHouse(07)ClickHouse数据库引擎解析

    目录 Atomic 建表语句 特性 Table UUID RENAME TABLES DROP/DETACH TABLES EXCHANGE TABLES ReplicatedMergeTree in ...

  10. clickhouse 19.14.m.n简单测试

    ClickHouse is a column-oriented database management system (DBMS) for online analytical processing o ...

随机推荐

  1. jQuery下拉框级联实现

    参考代码: //企业类别级联 function getCatalog(){ var name=document.getElementById("Lcata").value; var ...

  2. VisionPro学习笔记（3）——BeadInspectTool

    如果需要了解其他图像处理的文章,请移步小编的GitHub地址 传送门:请点击我 如果点击有误:https://github.com/LeBron-Jian/ComputerVisionPractice ...

  3. oracle-组合索引字段位置与查询效率之间的关系

    Oracle索引组合字段的位置不同,当查询条件不能覆盖索引时,影响查询效率.查询条件是不是索引字段的第一列影响执行计划,实验验证 实验1:查询条件为组合索引的第一列--创建测试表 create tab ...

  4. Django框架——模型层单表操作、模型层多表操作、模型层常用和非常用字段和参数、模型层进阶

    文章目录 1 模型层-单表操作 一 ORM简介 二 单表操作 2.1 创建表 1 创建模型 2 更多字段 3 更多参数 4 settings配置 5 增加,删除字段 2.2 添加表纪录 2.3 查询表 ...

  5. DeepSpeed框架：1-大纲和资料梳理

      DeepSpeed是一个深度学习优化软件套件,使分布式训练和推理变得简单.高效和有效.它可以做些什么呢?训练/推理具有数十亿或数万亿参数的密集或稀疏模型:实现出色的系统吞吐量并有效扩展到数千个GP ...

  6. 维修道路(repair)

    维修道路(repair) 时间限制: 1 Sec  内存限制: 128 MB 题目描述 由于在十多年前道路改建时的突出贡献, Bob 被任命为维修道路的承包商, 他可以任意 选择两条路径去修理. Bo ...

  7. umich cv-4-1 卷积网络基本组成部分介绍

    这节课中介绍了卷积网络的基本组成部分(全连接层,激活函数,卷积层,池化层,标准化等),下节课讨论了卷积神经网络的发展历史以及几种经典结构是如何构建的 卷积网络组成部分 前言 卷积层 池化层 norma ...

  8. 字符串匹配|kmp笔记

    很久之前学的了. 我很懒,不太喜欢画图. 做个笔记回忆一下: kmp 朴素比对字符串 所谓字符串匹配,是这样一种问题:"字符串 T 是否为字符串 S 的子串?如果是,它出现在 S 的哪些位置 ...

  9. python实现汉诺塔的图解递归算法

    写在前面 工作闲来无事,看了python,写了一个汉诺塔. 还是蛮喜欢python这门语言的,很简洁. 正文 一．起源: 汉诺塔(又称河内塔)问题是源于印度一个古老传说的益智玩具.大梵天创造世界的时候 ...

  10. QT编程过程中遇到的问题

    QT编程过程中遇到的问题 (一)QT卡死 (二)mingw转msvc编码问题 (三)内存泄漏问题 1. vld检查内存泄漏问题 2. QTextEdit造成内存泄漏 (end)后面会更新 (一)QT卡 ...