HCatalog教程

HCatalog 加载器和存储器

HCatLoaderHCatStorer API 与 Pig 脚本一起使用,以在 HCatalog 管理的表中读取和写入数据。这些接口不需要特定于 HCatalog 的设置。
最好对 Apache Pig 脚本有一定的了解,以便更好地理解本章。如需进一步参考,请阅读我们的 Apache Pig 教程。

HCatloader

HCatLoader 与 Pig 脚本一起使用以从 HCatalog 管理的表中读取数据。使用以下语法使用 HCatloader 将数据加载到 HDFS。
A = LOAD 'tablename' USING org.apache.HCatalog.pig.HCatLoader();
您必须用单引号指定表名: LOAD 'tablename'。如果您使用的是非默认数据库,则必须将输入指定为" dbname.tablename"
Hive Metastore 允许您在不指定数据库的情况下创建表。如果您以这种方式创建表,则数据库名称为 'default' 并且在为 HCatLoader 指定表时不需要。
下表包含HCatloader类的重要方法和说明。
方法名称和描述
public InputFormat getInputFormat()throws IOException
使用 HCatloader 类读取加载数据的输入格式。
public String relativeToAbsolutePath(String location, Path curDir) throws IOException
返回 绝对路径的String格式。
public void setLocation(String location, Job job) throws IOException
它设置了可以执行作业的位置。
public Tuple getNext() throws IOException
返回当前元组( keyvalue)来自循环。

HCatStorer

HCatStorer 与 Pig 脚本一起用于将数据写入 HCatalog 管理的表。使用以下语法进行存储操作。
A = LOAD ...
B = FOREACH A ...
...
...
my_processed_data = ...
STORE my_processed_data INTO 'tablename' USING org.apache.HCatalog.pig.HCatStorer();
您必须用单引号指定表名: LOAD 'tablename'。必须在运行 Pig 脚本之前创建数据库和表。如果您使用的是非默认数据库,则必须将输入指定为 'dbname.tablename'
Hive Metastore 允许您在不指定数据库的情况下创建表。如果您以这种方式创建表,则数据库名称为 'default',您无需在 store 语句中指定数据库名称。
对于 USING 子句,您可以使用一个字符串参数来表示分区的键/值对。当您写入分区表并且分区列不在输出列中时,这是一个强制性参数。不应引用分区键的值。
下表包含了 HCatStorer 类的重要方法和说明。
方法名称和描述
public OutputFormat getOutputFormat() throws IOException
使用 HCatStorer 类读取存储数据的输出格式。
public void setStoreLocation (String location, Job job) throws IOException
设置执行这个 store应用程序的位置。
public void storeSchema (ResourceSchema schema, String arg1, Job job) throws IOException
存储架构。
public void prepareToWrite (RecordWriter writer) throws IOException
它有助于使用 RecordWriter 将数据写入特定文件。
public void putNext (Tuple tuple) throws IOException
将元组数据写入文件。

使用 HCatalog 运行 Pig

Pig 不会自动拾取 HCatalog 罐子。要引入必要的 jar,您可以在 Pig 命令中使用标志或设置环境变量 PIG_CLASSPATHPIG_OPTS,如下所述。
要引入适当的 jars 以使用 HCatalog,只需包含以下标志-
pig –useHCatalog <Sample pig scripts file>

为执行设置 CLASSPATH

使用以下 CLASSPATH 设置将 HCatalog 与 Apache Pig 同步。
export HADOOP_HOME = <path_to_hadoop_install>
export HIVE_HOME = <path_to_hive_install>
export HCAT_HOME = <path_to_hcat_install>
export PIG_CLASSPATH = $HCAT_HOME/share/HCatalog/HCatalog-core*.jar:\
$HCAT_HOME/share/HCatalog/HCatalog-pig-adapter*.jar:\
$HIVE_HOME/lib/hive-metastore-*.jar:$HIVE_HOME/lib/libthrift-*.jar:\
$HIVE_HOME/lib/hive-exec-*.jar:$HIVE_HOME/lib/libfb303-*.jar:\
$HIVE_HOME/lib/jdo2-api-*-ec.jar:$HIVE_HOME/conf:$HADOOP_HOME/conf:\
$HIVE_HOME/lib/slf4j-api-*.jar

示例

假设我们在 HDFS 中有一个文件 student_details.txt,其内容如下。
student_details.txt
001, Rajiv,    Reddy,       21, 9848022337, Hyderabad
002, siddarth, Battacharya, 22, 9848022338, Kolkata
003, Rajesh,   Khanna,      22, 9848022339, Delhi
004, Preethi,  Agarwal,     21, 9848022330, Pune
005, Trupthi,  Mohanthy,    23, 9848022336, Bhuwaneshwar
006, Archana,  Mishra,      23, 9848022335, Chennai
007, Komal,    Nayak,       24, 9848022334, trivendram
008, Bharathi, Nambiayar,   24, 9848022333, Chennai
我们还有一个名为 sample_script.pig 的示例脚本,位于同一个 HDFS 目录中。该文件包含对 student 关系执行操作和转换的语句,如下所示。
student = LOAD 'hdfs://localhost:9000/pig_data/student_details.txt' USING 
   PigStorage(',') as (id:int, firstname:chararray, lastname:chararray,
   phone:chararray, city:chararray);
  
student_order = ORDER student BY age DESC;
STORE student_order INTO 'student_order_table' USING org.apache.HCatalog.pig.HCatStorer();
student_limit = LIMIT student_order 4;
Dump student_limit;
脚本的第一条语句会将名为 student_details.txt 的文件中的数据加载为名为 student 的关系。 脚本的第二条语句将根据年龄按降序排列关系的元组,并将其存储为 student_order 第三条语句将处理后的数据 student_order 结果存储在名为 student_order_table 的单独表中。 脚本的第四条语句会将 student_order 的前四个元组存储为 student_limit 最后,第五条语句将转储关系 student_limit 的内容。
现在让我们执行 sample_script.pig,如下所示。
$./pig-useHCatalog hdfs://localhost:9000/pig_data/sample_script.pig
现在,检查您的输出目录(hdfs:user/tmp/hive)是否有输出(part_0000、part_0001)。
昵称: 邮箱:
Copyright © 2022 立地货 All Rights Reserved.
备案号:京ICP备14037608号-4