TsFile的Hive连接器使用手册

概要

  • TsFile的Hive连接器使用手册
    • 什么是TsFile的Hive连接器
    • 系统环境要求
    • 数据类型对应关系
    • 为Hive添加依赖jar包
    • 创建Tsfile-backed的Hive表
    • 从Tsfile-backed的Hive表中查询
      • 选择查询语句示例
      • 聚合查询语句示例
    • 后续工作

什么是TsFile的Hive连接器

TsFile的Hive连接器实现了对Hive读取外部Tsfile类型的文件格式的支持， 使用户能够通过Hive操作Tsfile。

有了这个连接器，用户可以

  • 将单个Tsfile文件加载进Hive，不论文件是存储在本地文件系统或者是HDFS中
  • 将某个特定目录下的所有文件加载进Hive，不论文件是存储在本地文件系统或者是HDFS中
  • 使用HQL查询tsfile
  • 到现在为止, 写操作在hive-connector中还没有被支持. 所以, HQL中的insert操作是不被允许的

系统环境要求

Hadoop VersionHive VersionJava VersionTsFile
2.7.3 or 3.2.12.3.6 or 3.1.21.80.9.3

注意：关于如何下载和使用Tsfile, 请参考以下链接: https://github.com/apache/incubator-iotdb/tree/master/tsfileHive TsFile - 图1。

数据类型对应关系

TsFile 数据类型Hive 数据类型
BOOLEANBoolean
INT32INT
INT64BIGINT
FLOATFloat
DOUBLEDouble
TEXTSTRING

为Hive添加依赖jar包

为了在Hive中使用Tsfile的hive连接器，我们需要把hive连接器的jar导入进hive。

从 https://github.com/apache/incubator-iotdbHive TsFile - 图2下载完iotdb后, 你可以使用 mvn clean package -pl hive-connector -am -Dmaven.test.skip=true命令得到一个 hive-connector-X.X.X-jar-with-dependencies.jar。

然后在hive的命令行中，使用add jar XXX命令添加依赖。例如:

  1. hive> add jar /Users/hive/incubator-iotdb/hive-connector/target/hive-connector-0.9.3-jar-with-dependencies.jar;
  3. Added [/Users/hive/incubator-iotdb/hive-connector/target/hive-connector-0.9.3-jar-with-dependencies.jar] to class path
  4. Added resources: [/Users/hive/incubator-iotdb/hive-connector/target/hive-connector-0.9.3-jar-with-dependencies.jar]

创建Tsfile-backed的Hive表

为了创建一个Tsfile-backed的表，需要将serde指定为org.apache.iotdb.hive.TsFileSerDe， 将inputformat指定为org.apache.iotdb.hive.TSFHiveInputFormat， 将outputformat指定为org.apache.iotdb.hive.TSFHiveOutputFormat。

同时要提供一个只包含两个字段的Schema，这两个字段分别是time_stamp和sensor_id。 time_stamp代表的是时间序列的时间值，sensor_id是你想要从tsfile文件中提取出来分析的传感器名称，比如说sensor_1。 表的名字可以是hive所支持的任何表名。

需要提供一个路径供hive-connector从其中拉取最新的数据。

这个路径必须是一个指定的文件夹，这个文件夹可以在你的本地文件系统上，也可以在HDFS上，如果你启动了Hadoop的话。 如果是本地文件系统，要以这样的形式file:///data/data/sequence/root.baic2.WWS.leftfrontdoor/

最后需要在TBLPROPERTIES里指明device_id

例如：

  1. CREATE EXTERNAL TABLE IF NOT EXISTS only_sensor_1(
  2.   time_stamp TIMESTAMP,
  3.   sensor_1 BIGINT)
  4. ROW FORMAT SERDE 'org.apache.iotdb.hive.TsFileSerDe'
  5. STORED AS
  6.   INPUTFORMAT 'org.apache.iotdb.hive.TSFHiveInputFormat'
  7.   OUTPUTFORMAT 'org.apache.iotdb.hive.TSFHiveOutputFormat'
  8. LOCATION '/data/data/sequence/root.baic2.WWS.leftfrontdoor/'
  9. TBLPROPERTIES ('device_id'='root.baic2.WWS.leftfrontdoor.plc1');

在这个例子里，我们从/data/data/sequence/root.baic2.WWS.leftfrontdoor/中拉取root.baic2.WWS.leftfrontdoor.plc1.sensor_1的数据。 这个表可能产生如下描述：

  1. hive> describe only_sensor_1;
  2. OK
  3. time_stamp              timestamp                  from deserializer
  4. sensor_1                bigint                  from deserializer
  5. Time taken: 0.053 seconds, Fetched: 2 row(s)

到目前为止, Tsfile-backed的表已经可以像hive中其他表一样被操作了。

从Tsfile-backed的Hive表中查询

在做任何查询之前，我们需要通过如下命令，在hive中设置hive.input.format：

  1. hive> set hive.input.format=org.apache.hadoop.hive.ql.io.HiveInputFormat;

现在，我们已经在hive中有了一个名为only_sensor_1的外部表。 我们可以使用HQL做任何查询来分析其中的数据。

例如:

选择查询语句示例

  1. hive> select * from only_sensor_1 limit 10;
  2. OK
  3. 1    1000000
  4. 2    1000001
  5. 3    1000002
  6. 4    1000003
  7. 5    1000004
  8. 6    1000005
  9. 7    1000006
  10. 8    1000007
  11. 9    1000008
  12. 10    1000009
  13. Time taken: 1.464 seconds, Fetched: 10 row(s)

聚合查询语句示例

  1. hive> select count(*) from only_sensor_1;
  2. WARNING: Hive-on-MR is deprecated in Hive 2 and may not be available in the future versions. Consider using a different execution engine (i.e. spark, tez) or using Hive 1.X releases.
  3. Query ID = jackietien_20191016202416_d1e3e233-d367-4453-b39a-2aac9327a3b6
  4. Total jobs = 1
  5. Launching Job 1 out of 1
  6. Number of reduce tasks determined at compile time: 1
  7. In order to change the average load for a reducer (in bytes):
  8.   set hive.exec.reducers.bytes.per.reducer=<number>
  9. In order to limit the maximum number of reducers:
  10.   set hive.exec.reducers.max=<number>
  11. In order to set a constant number of reducers:
  12.   set mapreduce.job.reduces=<number>
  13. Job running in-process (local Hadoop)
  14. 2019-10-16 20:24:18,305 Stage-1 map = 0%,  reduce = 0%
  15. 2019-10-16 20:24:27,443 Stage-1 map = 100%,  reduce = 100%
  16. Ended Job = job_local867757288_0002
  17. MapReduce Jobs Launched:
  18. Stage-Stage-1:  HDFS Read: 0 HDFS Write: 0 SUCCESS
  19. Total MapReduce CPU Time Spent: 0 msec
  20. OK
  21. 1000000
  22. Time taken: 11.334 seconds, Fetched: 1 row(s)

后续工作

我们现在仅支持查询操作，写操作的支持还在开发中…