Hive-TsFile

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 3.1.21.81.0.0+

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。

https://github.com/apache/iotdbHive-TsFile - 图1open in new window下载完 iotdb 后,你可以使用 mvn clean package -pl hive-connector -am -Dmaven.test.skip=true -P get-jar-with-dependencies命令得到一个 hive-connector-X.X.X-SNAPSHOT-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/iotdb/hive-connector/target/hive-connector-1.0.0-jar-with-dependencies.jar;
  2. Added [/Users/hive/iotdb/hive-connector/target/hive-connector-1.0.0-jar-with-dependencies.jar] to class path
  3. Added resources: [/Users/hive/iotdb/hive-connector/target/hive-connector-1.0.0-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_stampsensor_idtime_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)