图 1 外部向Hive程序中传递变量的方法
使用Hive编写程序最常用的方法是将Hive语句写到文件中,然后使用hive -f filename.hql来批量执行查询语句。经常需要将外部参数传入到hql语句中替换其中的变量来动态执行任务,比如动态设定数据库名、表名、时间值、字段序列等变量,以达到脚本泛化执行的目的。
1) 方法1:字符串、正则、模板引擎等暴力方式替换
最简单也最暴力的方式,是在hql文件中设定{table_name}这样的变量占位符,然后使用调度程序比如shell、python、java语言读取整个hql文件到一个字符串,替换其中的变量。然后使用hive -e cmd_str来执行该Hive命令字符串。
use test;
select * from student limit {limit_count};
import os
#step1: 读取query.ql整个文件的内容
ql_source=open(“query.ql”,”r”).read()
#step2:替换其中的占位符变量
ql_target=ql_source.replace(“{limit_count}”,”10″)
#step3:使用hive -e的方法执行替换后的Hql语句序列
os.system(“hive -e ‘%s'”%ql_target)
2) 方法2:使用系统变量或者环境变量
通常情况是使用shell来调度执行hive程序的,Hive提供了可以直接读取系统env和system变量的方法
use test;
–使用${env:varname}的方法读取shell中export的变量
select * from student limit ${env:g_limit_count};
–使用${system:varname}的方法读取系统的变量
select ${system:HOME} as my_home from student;
这种方式比较好,比如在shell中可以配置整个项目的各种路径变量,hive程序中使用env就可以直接读取这些配置了。
3) 方法3:在执行Hive命令时传入hivevar和hiveconf
第3中方法是在用hive命令执行hive程序时传递命令行参数,使用-hivevar和-hiveconf两种参数选项给该次执行传入外部变量,其中hivevar是专门提供给用户自定义变量的,而hiveconf则包括了hive-site.xml中配置的hive全局变量。
hive -hivevar -f file
hive -hivevar tbname=’a’ -hivevar count=10 -f filename.hql
hive -hivevar -e cmd
hive -hivevar tbname=’a’ -hivevar count=10 -e ‘select * from ${hivevar:tbname} limit ${hivevar:count}’
hive -hiveconf -f file
hive -hiveconf tbname=’a’ – hiveconf count=10 -f filename.hql
hive -hiveconf -e cmd
hive -hiveconf tbname=’a’ -hiveconf count=10 -e ‘select * from ${hivevar:tbname} limit ${hivevar:count}’
最经常使用的是env和-hivevar方法,前者直接在Hive脚本中读取shell export的变量,后者则对脚本的当前执行进行参数设置。