如何使用HiveJindoSDK處理OSS-HDFS服務中的資料 -

使用Hive搭建離線數倉時，隨著資料量的不斷增長，傳統的基於HDFS儲存的數倉可能無法以較低成本滿足使用者的需求。在這種情況下，您可以使用OSS-HDFS服務作為Hive數倉的底層儲存，並通過JindoSDK獲得更好的讀寫效能。

前提條件

已建立ECS執行個體。具體步驟，請參見選購ECS執行個體。
已開通並授權訪問OSS-HDFS服務。具體操作，請參見開通並授權訪問OSS-HDFS服務。
已自行部署Hive用戶端。

操作步驟

串連ECS執行個體。具體操作，請參見串連ECS執行個體。
配置JindoSDK。
1. 下載最新版本的JindoSDK JAR包。下載地址，請參見GitHub。
2. 解壓JindoSDK JAR包。
  以下以解壓jindosdk-x.x.x-linux.tar.gz為例，如使用其他版本的JindoSDK，請替換為對應的JAR包名稱。
```
tar zxvf jindosdk-x.x.x-linux.tar.gz
```
  說明
  x.x.x表示JindoSDK JAR包版本號碼。
3. 可選：如果您的環境中未包含Kerberos和SASL相關依賴，則需要在部署JindoSDK的所有節點安裝以下依賴。
  - Ubuntu或Debian
```
sudo apt-get install libkrb5-dev krb5-admin-server krb5-kdc krb5-user libsasl2-dev libsasl2-modules libsasl2-modules-gssapi-mit
```
  - Red Hat Enterprise Linux或CentOS
```
sudo yum install krb5-server krb5-workstation cyrus-sasl-devel cyrus-sasl-gssapi cyrus-sasl-plain
```
  - macOS
```
brew install krb5
```
4. 將已下載的JindoSDK JAR包拷貝至Hive的classpath路徑下。
```
cp jindosdk-x.x.x-linux/lib/*.jar  $HIVE_HOME/lib/
```

配置OSS-HDFS服務實作類別及AccessKey。

將OSS-HDFS服務實作類別配置到Hive的core-site.xml檔案中。

<configuration>
    <property>
        <name>fs.AbstractFileSystem.oss.impl</name>
        <value>com.aliyun.jindodata.oss.JindoOSS</value>
    </property>

    <property>
        <name>fs.oss.impl</name>
        <value>com.aliyun.jindodata.oss.JindoOssFileSystem</value>
    </property>
</configuration>

將已開啟OSS-HDFS服務的Bucket對應的AccessKey ID、AccessKey Secret預先配置在Hive的core-site.xml檔案中。

<configuration>
    <property>
        <name>fs.oss.accessKeyId</name>
        <value>LTAI******** </value>
    </property>

    <property>
        <name>fs.oss.accessKeySecret</name>
        <value>KZo1********</value>
    </property>
</configuration>

配置OSS-HDFS服務Endpoint。
使用OSS-HDFS服務訪問OSS Bucket時需要配置Endpoint。推薦訪問路徑格式為oss://<Bucket>.<Endpoint>/<Object>，例如oss://examplebucket.cn-shanghai.oss-dls.aliyuncs.com/exampleobject.txt。配置完成後，JindoSDK會根據訪問路徑中的Endpoint訪問對應的OSS-HDFS服務介面。
您還可以通過其他方式配置OSS-HDFS服務Endpoint，且不同方式配置的Endpoint存在生效優先順序。更多資訊，請參見附錄一：配置Endpoint的其他方式。
重要
完成以上配置後，您需要重啟Hive服務，使配置生效。
在終端使用以下命令串連Hive。
更多串連方式，請參見Hive串連方式。
```
hive
```
通過OSS-HDFS服務儲存資料。
建立資料庫和表時，您可以通過以下兩種方式指定OSS-HDFS服務路徑，將資料庫或表的資料儲存到OSS-HDFS服務中。
- 方式一：在命令樣本中指定OSS-HDFS服務路徑
  - 建立資料庫時指定OSS-HDFS服務路徑
```
CREATE DATABASE db_on_oss1 LOCATION 'oss://bucket_name.endpoint_name/path/to/db1';
```
  - 建立表時指定OSS-HDFS服務路徑
```
CREATE TABLE db2.table_on_oss (
    id INT,
    name STRING,
    age INT
) LOCATION 'oss://bucket_name.endpoint_name/path/to/db2/tablepath';
```
- 方式二：在設定檔中指定OSS-HDFS服務路徑
  您可以在Hive Metastore的hive-site.xml設定檔中設定hive.metastore.warehouse.dir到OSS-HDFS服務路徑，然後重啟Hive Metastore，後續建立的資料庫和資料庫下的表均預設儲存於OSS-HDFS服務路徑中。
  配置樣本如下：
```
<configuration>

    <property>
        <name>hive.metastore.warehouse.dir</name>
        <value>oss://bucket_name.endpoint_name/path/to/warehouse</value>
    </property>

</configuration>
```

為已有表添加分區。

您可以為已建立的表添加分區，從而將其分成較小的儲存單元。根據查詢條件，只掃描滿足條件的分區而避免全表掃描，從而顯著提升查詢效能。

命令格式

ALTER TABLE <table_name> ADD [IF NOT EXISTS] PARTITION <pt_spec> [PARTITION <pt_spec> PARTITION <pt_spec>...] LOCATION 'location';

參數說明如下：

參數	是否可選	說明
table_name	必選	待添加分區的表名稱。
IF NOT EXISTS	可選	未指定IF NOT EXISTS時，如果同名的分區已存在，會執行失敗並返回報錯。
pt_spec	必選	新增的分區，格式為`(partition_col1 = partition_col_value1, partition_col2 = partition_col_value2, ...)`。其中，`partition_col`表示分區欄位，`partition_col_value`表示分區值。分區欄位不區分大小寫，分區值區分大小寫。
location	必選	指定儲存分區的OSS路徑。

使用樣本
以下樣本用於為表sale_detail添加一個分區，用於儲存2021年12月華東1（杭州）地區的銷售記錄，並將分區儲存於指定的OSS路徑。
```
ALTER TABLE sale_detail ADD IF NOT EXISTS PARTITION (sale_date='202112', region='hangzhou') LOCATION 'oss://examplebucket.cn-hangzhou.oss-dls.aliyuncs.com/path/2021/';
```