python 读取kafka 写hive_Flink实战之Kafka To Hive

背景

传统的入库任务一般借助于MapReduce或者Spark来写hive表，一般都是天级别最多小时级别的任务。随着实时性要求越来越高，传统的入库不太能满足需求。Flink完全基于流式处理，同时也支持了写Hive表。本文介绍一下如果通过FlinkSQL实现kafka数据入库hive，并能够实时可查。

Hive Catalog

由于写hive表必须基于hive catalog，所以需要注册hive catalog。同时可以在一个job内切换catalog，如果我们不想把kafka的source table注册到hive metastore里面，那么就可以使用memory catalog。

SQL

完整SQL如下

USE CATALOG hive_catalog;

USE mydb;--要写入的hive db

set table.sql-dialect=hive;

DROP TABLE IF EXISTS hive_table;

CREATE EXTERNAL TABLE hive_table (

data_timestamp BIGINT,

a STRING,

b STRING

) PARTITIONED BY (`day` STRING, `hour` STRING) STORED AS PARQUET

TBLPROPERTIES (

--这里支持filesystem connector的所有参数

'parquet.compression'='SNAPPY',--压缩算法

'sink.partition-commit.policy.kind' = 'metastore,su