使用Scala/Java对Iceberg数据湖的Hive Catalog/Hadoop Catalog/HDFS Path进行表操作

Bulut0907

已于 2022-04-20 14:43:11 修改

阅读量2.9k

点赞数

分类专栏： # Iceberg 文章标签： iceberg hive catalog hadoop catalog hdfs path 数据湖

于 2022-04-14 09:39:24 首次发布

本文链接：https://blog.csdn.net/yy8623977/article/details/123129956

版权

Iceberg 专栏收录该内容

19 篇文章 15 订阅

订阅专栏

1. Hive Catalog(创建表、加载表、重命名表、删除表)

pom.xml添加依赖如下：

        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>3.3.1</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-mapreduce-client-core</artifactId>
            <version>3.3.1</version>
        </dependency>


        <dependency>
            <groupId>org.apache.hive</groupId>
            <artifactId>hive-metastore</artifactId>
            <version>3.1.2</version>
        </dependency>



        <dependency>
            <groupId>org.apache.iceberg</groupId>
            <artifactId>iceberg-core</artifactId>
            <version>0.13.1</version>
        </dependency>


        <dependency>
            <groupId>org.apache.iceberg</groupId>
            <artifactId>iceberg-hive-metastore</artifactId>
            <version>0.13.1</version>
        </dependency>

将Hadoop的配置文件core-site.xml和hdfs-site.xml，放到项目的src/main/resources目录下
创建表、加载表、重命名表、删除表示例

import org.apache.iceberg.hive.HiveCatalog
import org.apache.hadoop.conf.Configuration
import org.apache.iceberg.Table
import org.apache.iceberg.catalog.TableIdentifier
import org.apache.iceberg.Schema
import org.apache.iceberg.types.Types
import org.apache.iceberg.PartitionSpec


object flink_test {

  def main(args: Array[String]): Unit = {

    // =======初始化Hive Catalog=============
    val hiveCatalog:HiveCatalog = new HiveCatalog()
    hiveCatalog.setConf(new Configuration())

    val properties:java.util.HashMap[String,String]=
      new java.util.HashMap[String,String]()
    properties.put("warehouse", "hdfs://nnha/user/iceberg/warehouse")
    properties.put("uri", "thrift://hive1:9083")
    properties.put("clients", "2")    // 客户端连接池大小

    hiveCatalog.initialize("hive_catalog", properties)  // 第一个参数为catalog名称

    // =============创建表==================
    val schema:Schema = new Schema(
      // 通过Java API生成的Schema，需要给每个字段指定唯一ID
      Types.NestedField.required(1, "user_name", Types.StringType.get()),
      Types.NestedField.required(2, "order_time", Types.TimestampType.withZone()),
      Types.NestedField.optional(3, "buy_products", Types.ListType.ofRequired(4, Types.StringType.get()))
    )

    val partitionSpec:PartitionSpec = PartitionSpec.builderFor(schema)
      // 从timestamp类型字段，解析int类型的小时作为分区字段
      .hour("order_time")
      // 直接取表字段作为分区字段
      .identity("user_name")
      .build()

    // 参数分别是数据库名和表名
    val tableName:TableIdentifier = TableIdentifier.of("iceberg_db", "java_hive_table")
    val table:Table = hiveCatalog.createTable(tableName,schema, partitionSpec)


    // =============加载一个已经存在的表=========
    // val table: Table = hiveCatalog.loadTable(TableIdentifier)

    // =============重命名表=========
    // hiveCatalog.renameTable(TableIdentifier, TableIdentifier)

    // =============删除表=========
    // true表示删除metadata目录下的文件，但是不删除metadata目录
    // hiveCatalog.dropTable(identifier:TableIdentifier, purge:Boolean)

  }
}

如果用scala执行，可以用以下命令

[root@hive1 ~]# scala -classpath flink_dev-1.0-SNAPSHOT.jar flink_test

2. Hadoop Catalog(创建表、加载表、重命名表、删除表)

pom.xml添加依赖如下：


        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>3.3.1</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs-client</artifactId>
            <version>3.3.1</version>
        </dependency>

        <dependency>
            <groupId>org.apache.iceberg</groupId>
            <artifactId>iceberg-core</artifactId>
            <version>0.13.1</version>
        </dependency>

将Hadoop的配置文件hdfs-site.xml，放到项目的src/main/resources目录下
创建表、加载表、重命名表、删除表示例

import org.apache.hadoop.conf.Configuration
import org.apache.iceberg.catalog.TableIdentifier
import org.apache.iceberg.hadoop.HadoopCatalog
import org.apache.iceberg.types.Types
import org.apache.iceberg.{PartitionSpec, Schema, Table}


object flink_test {

  def main(args: Array[String]): Unit = {

    // =======初始化Hadoop Catalog=============
    val warehousePath: String = "hdfs://nnha/user/iceberg/warehouse"
    val hadoopCatalog: HadoopCatalog = new HadoopCatalog(new Configuration(), warehousePath)

    // =============创建表==================
    val schema: Schema = new Schema(
      // 通过Java API生成的Schema，需要给每个字段指定唯一ID
      Types.NestedField.required(1, "user_name", Types.StringType.get()),
      Types.NestedField.required(2, "order_time", Types.TimestampType.withZone()),
      Types.NestedField.optional(3, "hobby", Types.ListType.ofRequired(4, Types.StringType.get()))
    )

    val partitionSpec: PartitionSpec = PartitionSpec.builderFor(schema)
      // 从timestamp类型字段，解析int类型的小时作为分区字段
      .hour("order_time")
      // 直接取表字段作为分区字段
      .identity("user_name")
      .build()

    // 参数分别是数据库名和表名
    val tableName: TableIdentifier = TableIdentifier.of("iceberg_db", "java_hadoop_table")
    val table: Table = hadoopCatalog.createTable(tableName, schema, partitionSpec)


    // =============加载一个已经存在的表=========
    // val table: Table = hadoopCatalog.loadTable(TableIdentifier)


    // =============重命名表=========
    // hadoopCatalog.renameTable(TableIdentifier, TableIdentifier)


    // =============删除表=========
    // hadoopCatalog.dropTable(identifier:TableIdentifier, purge:Boolean)


  }
}

如果用scala执行，可以用以下命令

[root@hive1 ~]# scala -classpath flink_dev-1.0-SNAPSHOT.jar flink_test

3. 直接通过HDFS Path创建、加载、删除Hadoop Catalog表

pom.xml添加依赖如下：


        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>3.3.1</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs-client</artifactId>
            <version>3.3.1</version>
        </dependency>

        <dependency>
            <groupId>org.apache.iceberg</groupId>
            <artifactId>iceberg-core</artifactId>
            <version>0.13.1</version>
        </dependency>

将Hadoop的配置文件hdfs-site.xml，放到项目的src/main/resources目录下
创建表、加载表、删除表示例

import org.apache.hadoop.conf.Configuration
import org.apache.iceberg.hadoop.HadoopTables
import org.apache.iceberg.types.Types
import org.apache.iceberg.{PartitionSpec, Schema, Table}



object flink_test {

  def main(args: Array[String]): Unit = {

    // =======初始化Hadoop Tables=============
    val hadoopTables: HadoopTables = new HadoopTables(new Configuration())

    // =============创建表==================
    val schema: Schema = new Schema(
      // 通过Java API生成的Schema，需要给每个字段指定唯一ID
      Types.NestedField.required(1, "user_name", Types.StringType.get()),
      Types.NestedField.required(2, "order_time", Types.TimestampType.withZone()),
      Types.NestedField.optional(3, "hobby", Types.ListType.ofRequired(4, Types.StringType.get()))
    )

    val partitionSpec: PartitionSpec = PartitionSpec.builderFor(schema)
      // 从timestamp类型字段，解析int类型的小时作为分区字段
      .hour("order_time")
      // 直接取表字段作为分区字段
      .identity("user_name")
      .build()

    val warehouseTablePath: String = "hdfs://nnha/user/iceberg/warehouse/iceberg_db/java_hdfs_table"
    val table: Table = hadoopTables.create(schema, partitionSpec, warehouseTablePath)


    // =============加载一个已经存在的表=========
    // val table: Table = hadoopTables.load(warehouseTablePath)

    // =============删除表=========
    // hadoopTables.dropTable(warehouseTablePath:String, purge:boolean)


  }
}

如果用scala执行，可以用以下命令

[root@hive1 ~]# scala -classpath flink_dev-1.0-SNAPSHOT.jar flink_test

Bulut0907

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
4
评论
使用Scala/Java对Iceberg数据湖的Hive Catalog/Hadoop Catalog/HDFS Path进行表操作

目录1. Hive Catalog(创建表、加载表、重命名表、删除表)2. Hadoop Catalog(创建表、加载表、重命名表、删除表)3. 直接通过HDFS Path创建、加载、删除Hadoop Catalog表4. Iceberg Scala/Java API的使用4.1 表metadata API4.2 表Scanning4.2.1 File Level4.2.2 Row level4.3 表update操作4.4 Transactions4.6 Types数据类型4.6.1 基础数据类型4.6.
复制链接

扫一扫