为什么要有Storage Handler
引入Storage Handler,Hive用户使用SQL可读写外部数据源。ElasticSearch, Kafka,HBase等数据源的查询对非专业开发是有一定门槛的,借助Storage Handler,他们有了一种方便快捷的手段查询数据。另外,Hive作为数仓的核心组件,借助Storage Handler,数据导入导出可以统一以SQL实现,减少了大数据开发维护的技术栈。
Storage Handler的使用
1. 用Java实现HiveStorageHandler接口,并将Jar包加入Hive classpath。
2. 创建外部表(External Table),且STORED BY 声明为第一步开发的类。
3. 使用HiveSQL操作外部表
Storage Handler的原理
先介绍一点预备知识:
1. InputFormat: getSplits()和getRecordReader(). MR框架根据getSplits()生成若干个Mapper, splits : mapper = 1: 1。一个HDFS文件,可能会有多个splits。getRecordReader()返回的RecordReader负责split的二进制数据转化为实现Writable接口的类实例。
2. OutputFormat:与InputFormat处理数据的方向相反。
3. SerDe: Hive的序列化/反序列化器,完成Hive “Row”(Java Object)和Readabale/Writab