全部产品
Search
文档中心

云原生数据仓库AnalyticDB:Hadoop生态外表联邦分析

更新时间:Jun 13, 2024

云原生数据仓库AnalyticDB PostgreSQL版支持通过外表访问Hadoop生态的外部数据源(包括HDFS与Hive)。

注意事项

  • 本特性只支持存储弹性模式实例,且需要AnalyticDB PostgreSQL版实例和目标访问的外部数据源处于同一个VPC网络。

  • 2020年9月6日前申请的存量存储弹性模式实例,由于网络架构不同,无法与外部Hadoop生态的数据源网络打通,无法使用该特性。如需使用,请联系后台技术人员,重新申请实例,迁移数据。

前提条件:配置SERVER端

由于不同用户的配置需求不尽相同,如果您需要访问Hadoop生态的外部数据源进行联邦分析,请提交工单AnalyticDB PostgreSQL版后台技术人员进行配置。以下为提交工单时需要提交的对应文件。

连接对象

提交工单内容

Hadoop(HDFS, HIVE, HBase)

core-site.xml 、hdfs-site.xml 、mapred-site.xml 、yarn-site.xml、hive-site.xml

说明

Kerberos认证时还需提供 keytab、krb5.conf等配置文件

基本语法

  • 创建扩展

    CREATE extension pxf; 
  • 创建外表

    CREATE EXTERNAL TABLE <table_name>
            ( <column_name> <data_type> [, ...] | LIKE <other_table> )
    LOCATION('pxf://<path-to-data>?PROFILE[&<custom-option>=<value>[...]]&[SERVER=value]')
    FORMAT '[TEXT|CSV|CUSTOM]' (<formatting-properties>);

创建EXTERNAL TABLE语法请参见CREATE EXTERNAL TABLE

访问HDFS数据

支持格式:

数据格式

PROFILE

text

hdfs:text

csv

hdfs:text:multi 、hdfs:text

Avro

hdfs:avro

JSON

hdfs:json

Parquet

hdfs:parquet

AvroSequenceFile

hdfs:AvroSequenceFile

SequenceFile

hdfs:SequenceFile

FORMAT formatting-properties的介绍,请参见创建外表部分 。

  • 示例HDFS访问文件

    • HDFS构建测试数据文件pxf_hdfs_simple.txt

      echo 'Prague,Jan,101,4875.33
      Rome,Mar,87,1557.39
      Bangalore,May,317,8936.99
      Beijing,Jul,411,11600.67' > /tmp/pxf_hdfs_simple.txt
      
      # 构建目录
      hdfs dfs -mkdir -p /data/pxf_examples
      # 推文件至hdfs
      hdfs dfs -put /tmp/pxf_hdfs_simple.txt /data/pxf_examples/
      
      # 查看文件
      hdfs dfs -cat /data/pxf_examples/pxf_hdfs_simple.txt

      AnalyticDB PostgreSQL版实例创建外表并访问。

      postgres=# CREATE EXTERNAL TABLE pxf_hdfs_textsimple(location text, month text, num_orders int, total_sales float8)
                  LOCATION ('pxf://data/pxf_examples/pxf_hdfs_simple.txt?PROFILE=hdfs:text&SERVER=hdp3')
                FORMAT 'TEXT' (delimiter=E',');
      
      postgres=# select * from pxf_hdfs_textsimple;
       location  | month | num_orders |    total_sales
      -----------+-------+------------+--------------------
       Prague    | Jan   |        101 | 4875.3299999999999
       Rome      | Mar   |         87 | 1557.3900000000001
       Bangalore | May   |        317 | 8936.9899999999998
       Beijing   | Jul   |        411 |           11600.67
      (4 rows)

      LOCATION各字段含义说明:

      • pxf:// :pxf 协议,固定值。

      • data/pxf_examples/pxf_hdfs_simple.txt:代表HDFS中的 pxf_hdfs_simple.txt 文件。

      • PROFILE=hdfs:text: 代表使用 PROFILE=hdfs:text 访问HDFS。

      • SERVER=hdp3:后台技术人员会提供该选项。代表使用PXF_SERVER/hdp3/下的配置文件来支持PXF访问 HDFS。

      • FORMAT 'TEXT' (delimiter=E',') :外部数据源格式配置项,代表以,分割符,格式为TEXT

      详细字段说明请参见基本语法

  • 示例:向HDFS写入(TEXT,CSV)

    • 前提条件:在HDFS上构建数据目录/data/pxf_examples/pxfwritable_hdfs_textsimple1

      hdfs dfs -mkdir -p /data/pxf_examples/pxfwritable_hdfs_textsimple1
      说明

      AnalyticDB PostgreSQL版执行insert的用户需要有HDFS该目录的写入权限。

      1. AnalyticDB PostgreSQL版实例上创建可写外表。

        CREATE WRITABLE EXTERNAL TABLE pxf_hdfs_writabletbl_1(location text, month text, num_orders int, total_sales float8)
                    LOCATION ('pxf://data/pxf_examples/pxfwritable_hdfs_textsimple1?PROFILE=hdfs:text&SERVER=hdp3')
                  FORMAT 'TEXT' (delimiter=',');
                  
        INSERT INTO pxf_hdfs_writabletbl_1 VALUES ( 'Frankfurt', 'Mar', 777, 3956.98 );
        INSERT INTO pxf_hdfs_writabletbl_1 VALUES ( 'Cleveland', 'Oct', 3812, 96645.37 );
      2. HDFS查看。

        #查看文件
        hdfs dfs -ls /data/pxf_examples/pxfwritable_hdfs_textsimple1
        
        #查看数据
        hdfs dfs -cat /data/pxf_examples/pxfwritable_hdfs_textsimple1/*
        Frankfurt,Mar,777,3956.98
        Cleveland,Oct,3812,96645.37

访问Hive数据

数据格式

PROFILE

TextFile

Hive, HiveText

SequenceFile

Hive

RCFile

Hive, HiveRC

ORC

Hive, HiveORC, HiveVectorizedORC

Parquet

Hive

FORMAT与formatting-properties的介绍,请参见创建外表部分。

  • 示例Hive

    1. 产生数据。

      echo 'Prague,Jan,101,4875.33
      Rome,Mar,87,1557.39
      Bangalore,May,317,8936.99
      Beijing,Jul,411,11600.67
      San Francisco,Sept,156,6846.34
      Paris,Nov,159,7134.56
      San Francisco,Jan,113,5397.89
      Prague,Dec,333,9894.77
      Bangalore,Jul,271,8320.55
      Beijing,Dec,100,4248.41' > /tmp/pxf_hive_datafile.txt
    2. Hive创建table。

      hive> CREATE TABLE sales_info (location string, month string,
              number_of_orders int, total_sales double)
              ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
              STORED AS textfile;
      
      hive> LOAD DATA LOCAL INPATH '/tmp/pxf_hive_datafile.txt'
              INTO TABLE sales_info;
      hive> SELECT * FROM sales_info;
    3. AnalyticDB PostgreSQL版实例访问数据。

      postgres=# create extension pxf;
      
      postgres=# CREATE EXTERNAL TABLE salesinfo_hiveprofile(location text, month text, num_orders int, total_sales float8)
      LOCATION ('pxf://default.sales_info?PROFILE=Hive&SERVER=hdp3')
      FORMAT 'custom' (formatter='pxfwritable_import');
      
      postgres=# SELECT * FROM salesinfo_hiveprofile;
         location    | month | num_orders | total_sales
      ---------------+-------+------------+-------------
       Prague        | Jan   |        101 |     4875.33
       Rome          | Mar   |         87 |     1557.39
       Bangalore     | May   |        317 |     8936.99
       Beijing       | Jul   |        411 |    11600.67
       San Francisco | Sept  |        156 |     6846.34
       Paris         | Nov   |        159 |     7134.56
      ......

      LOCATION各字段含义说明:

      • pxf://:pxf 协议,固定值。

      • default.sales_info:代表 Hive中default数据库下的 sales_info 表。

      • PROFILE=Hive:代表使用PROFILE=Hive 访问 Hive。

      • SERVER=hdp3:后台技术人员会提供该选项,代表使用PXF_SERVER/hdp3/下的配置文件来支持PXF访问 Hive。

      • FORMAT 'custom' (formatter='pxfwritable_import'):外部数据源格式配置项,读取Hive中sales_info表时采用 custom ,并与 formatter='pxfwritable_import' 搭配。

      详细字段说明请参见基本语法

  • 示例HiveText

    postgres=# CREATE EXTERNAL TABLE salesinfo_hivetextprofile(location text, month text, num_orders int, total_sales float8)
                 LOCATION ('pxf://default.sales_info?PROFILE=HiveText&SERVER=hdp3')
               FORMAT 'TEXT' (delimiter=E',');
    postgres=# select * from salesinfo_hivetextprofile;
       location    | month | num_orders | total_sales
    ---------------+-------+------------+-------------
     Prague        | Jan   |        101 |     4875.33
     Rome          | Mar   |         87 |     1557.39
     Bangalore     | May   |        317 |     8936.99
     ......
  • 示例HiveRC

    1. Hive创建table。

      hive> CREATE TABLE sales_info_rcfile (location string, month string,
                   number_of_orders int, total_sales double)
                 ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
                 STORED AS rcfile;
      OK
      ##导入数据
      hive> INSERT INTO TABLE sales_info_rcfile SELECT * FROM sales_info;
      ##查看
      hive> SELECT * FROM sales_info_rcfile;
    2. AnalyticDB PostgreSQL版实例访问数据。

      postgres=# CREATE EXTERNAL TABLE salesinfo_hivercprofile(location text, month text, num_orders int, total_sales float8)
                   LOCATION ('pxf://default.sales_info_rcfile?PROFILE=HiveRC&SERVER=hdp3')
                 FORMAT 'TEXT' (delimiter=E',');
      postgres=# SELECT location, total_sales FROM salesinfo_hivercprofile;
         location    | total_sales
      ---------------+-------------
       Prague        |     4875.33
       Rome          |     1557.39
       Bangalore     |     8936.99
       ......
  • 示例HiveORC

    ORC可以有两种配置HiveORC和HiveVectorizedORC 。

    • 一次读取一行数据。

    • 支持列投影。

    • 支持复杂类型, 可以访问由数组、映射、结构和联合数据类型组成的Hive表。

    示例

    1. Hive创建table。

      hive> CREATE TABLE sales_info_ORC (location string, month string,
              number_of_orders int, total_sales double)
            STORED AS ORC;
      hive> INSERT INTO TABLE sales_info_ORC SELECT * FROM sales_info;
      hive> SELECT * FROM sales_info_ORC;
    2. AnalyticDB PostgreSQL版实例访问数据。

      postgres=# CREATE EXTERNAL TABLE salesinfo_hiveORCprofile(location text, month text, num_orders int, total_sales float8)
                   LOCATION ('pxf://default.sales_info_ORC?PROFILE=HiveORC&SERVER=hdp3')
                   FORMAT 'CUSTOM' (FORMATTER='pxfwritable_import');
                   
      postgres=# SELECT * FROM salesinfo_hiveORCprofile;
      ......
       Prague        | Dec   |        333 |     9894.77
       Bangalore     | Jul   |        271 |     8320.55
       Beijing       | Dec   |        100 |     4248.41
      (60 rows)
      Time: 420.920 ms
  • 示例HiveVectorizedORC

    • 一次最多读取1024行数据。

    • 不支持列投影。

    • 不支持复杂类型或时间戳数据类型。

    AnalyticDB PostgreSQL版实例访问数据。

    CREATE EXTERNAL TABLE salesinfo_hiveVectORC(location text, month text, num_orders int, total_sales float8)
                 LOCATION ('pxf://default.sales_info_ORC?PROFILE=HiveVectorizedORC&SERVER=hdp3')
                 FORMAT 'CUSTOM' (FORMATTER='pxfwritable_import');
                 
    select * from salesinfo_hiveVectORC;
       location    | month | num_orders | total_sales
    ---------------+-------+------------+-------------
     Prague        | Jan   |        101 |     4875.33
     Rome          | Mar   |         87 |     1557.39
     Bangalore     | May   |        317 |     8936.99
     Beijing       | Jul   |        411 |    11600.67
     San Francisco | Sept  |        156 |     6846.34
     ......
  • 示例Parquet

    1. Hive创建table。

      hive> CREATE TABLE hive_parquet_table (location string, month string,
                  number_of_orders int, total_sales double)
              STORED AS parquet;
              
      INSERT INTO TABLE hive_parquet_table SELECT * FROM sales_info;
      
      select * from hive_parquet_table;
    2. AnalyticDB PostgreSQL版实例访问数据。

      postgres=# CREATE EXTERNAL TABLE pxf_parquet_table (location text, month text, number_of_orders int, total_sales double precision)
          LOCATION ('pxf://default.hive_parquet_table?profile=Hive&SERVER=hdp3')
          FORMAT 'CUSTOM' (FORMATTER='pxfwritable_import');
      postgres=# SELECT month, number_of_orders FROM pxf_parquet_table;
       month | number_of_orders
      -------+------------------
       Jan   |              101
       Mar   |               87
       May   |              317
       Jul   |              411
       Sept  |              156
       Nov   |              159
       ......