重要 | mr使用hcatalog读写hive表 - 编程

重要 | mr使用hcatalog读写hive表

浪尖浪尖聊大数据

本文主要是讲mapreduce使用HCatalog读写hive表。

hcatalog使得hive的元数据可以很好的被其它hadoop工具使用，比如pig，mr和hive。

HCatalog的表为用户提供了（HDFS）中数据的关系视图，并确保用户不必担心他们的数据存储在何处或采用何种格式，因此用户无需知道数据是否以RCFile格式存储，文本文件或sequence 文件。

它还提供通知服务，以便在仓库中有新数据可用时通知工作流工具（如Oozie）。

HCatalog提供HCatInputFormat / HCatOutputFormat，使MapReduce用户能够在Hive的数据仓库中读/写数据。它允许用户只读取他们需要的表和列的分区。返回的记录格式是方便的列表格式，用户无需解析它们。

下面我们举个简单的例子。

在mapper类中，我们获取表schema并使用此schema信息来获取所需的列及其值。

下面是map类。

public class onTimeMapper extends Mapper {   @Override   protected void map(WritableComparable key, HCatRecord value,    org.apache.hadoop.mapreduce.Mapper.Context context)    throws IOException, InterruptedException {    // Get table schema    HCatSchema schema = HCatBaseInputFormat.getTableSchema(context);    Integer year = new Integer(value.getString("year", schema));    Integer month = new Integer(value.getString("month", schema));    Integer DayofMonth = value.getInteger("dayofmonth", schema);    context.write(new IntPair(year, month), new IntWritable(DayofMonth));   }}

在reduce类中，会为将要写入hive表中的数据创建一个schema。

public class onTimeReducer extends Reducer {public void reduce (IntPair key, Iterable value, Context context)  throws IOException, InterruptedException{ int count = 0; // records counter for particular year-month for (IntWritable s:value) {  count++; } // define output record schema List columns = new ArrayList(3); columns.add(new HCatFieldSchema("year", HCatFieldSchema.Type.INT, "")); columns.add(new HCatFieldSchema("month", HCatFieldSchema.Type.INT, "")); columns.add(new HCatFieldSchema("flightCount", HCatFieldSchema.Type.INT,"")); HCatSchema schema = new HCatSchema(columns); HCatRecord record = new DefaultHCatRecord(3); record.setInteger("year", schema, key.getFirstInt());  record.set("month", schema, key.getSecondInt()); record.set("flightCount", schema, count); context.write(null, record);}}

最后，创建driver类，并且表明输入输出schema和表信息。

public class onTimeDriver extends Configured implements Tool{   private static final Log log = LogFactory.getLog( onTimeDriver.class );   public int run( String[] args ) throws Exception{    Configuration conf = new Configuration();    Job job = new Job(conf, "OnTimeCount");    job.setJarByClass(onTimeDriver.class);    job.setMapperClass(onTimeMapper.class);    job.setReducerClass(onTimeReducer.class);    HCatInputFormat.setInput(job, "airline", "ontimeperf");    job.setInputFormatClass(HCatInputFormat.class);    job.setMapOutputKeyClass(IntPair.class);    job.setMapOutputValueClass(IntWritable.class);    job.setOutputKeyClass(Text.class);    job.setOutputValueClass(DefaultHCatRecord.class);    job.setOutputFormatClass(HCatOutputFormat.class);    HCatOutputFormat.setOutput(job, OutputJobInfo.create("airline", "flight_count", null));    HCatSchema s = HCatOutputFormat.getTableSchema(job);    HCatOutputFormat.setSchema(job, s);    return (job.waitForCompletion(true)? 0:1);   }   public static void main(String[] args) throws Exception{ int exitCode = ToolRunner.run(new onTimeDriver(), args); System.exit(exitCode);}}

当然，在跑上面写的代码之前，应该先在hive中创建输出表。

create table airline.flight_count(Year INT ,Month INT ,flightCount INT)ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' STORED AS TEXTFILE;

可能会引起错误的地方是没有设置$HIVE_HOME.
[完]

你的鼓励让我更有动力

赞赏

0人进行了赞赏支持

重要 | mr使用hcatalog读写hive表

重要 | mr使用hcatalog读写hive表

你的鼓励让我更有动力

更多相关文章

随机推荐