开源大数据平台E-MapReduce：Paimon与Hive集成

前提条件

已创建选择了Hive和Paimon的DataLake或Custom类型的集群，创建集群详情请参见创建集群。

使用限制

仅EMR-3.46.0及后续版本、EMR-5.12.0及后续版本的集群，支持在Hive中查询Paimon中的数据。

操作步骤

1. 查询Hive Catalog与DLF Catalog中的表。

   其他服务通过Hive Catalog同步元数据到Hive MetaStore后，可以在Hive中直接查询Hive Catalog中的表。如果创建集群时，元数据选择为DLF统一元数据，则其它服务也可以通过DLF Catalog同步元数据到DLF，并在Hive中查询。

   下面以Spark写入Hive Catalog为例。

   1. 执行以下命令，启动Spark SQL。

      spark-sql --conf spark.sql.catalog.paimon=org.apache.paimon.spark.SparkCatalog --conf spark.sql.catalog.paimon.metastore=hive --conf spark.sql.catalog.paimon.uri=thrift://master-1-1:9083 --conf spark.sql.catalog.paimon.warehouse=oss://<yourBucketName>/warehouse

      说明

      • spark.sql.catalog.paimon：定义了名为paimon的Catalog。

      • spark.sql.catalog.paimon.metastore：指定Catalog使用的元数据存储类型。设置为hive意味着将元数据同步到Hive Metastore中。

      • spark.sql.catalog.paimon.uri：为Hive MetaStore Service的地址和端口。参数值为thrift://master-1-1:9083，这意味着Spark SQL将连接到这个运行在master-1-1主机上、监听9083端口的Hive Metastore服务以获取元数据信息。

      • spark.sql.catalog.paimon.warehouse：配置数据仓库的实际位置，请根据实际情况修改。

   2. 执行以下Spark SQL语句，在Catalog中创建一张表，并写入数据。

      -- 切换到paimon catalog
      USE paimon;
      
      -- 在已创建的paimon catalog中，创建并使用一个测试database。
      CREATE DATABASE test_db;
      USE test_db;
      
      -- 创建Paimon表。
      CREATE TABLE test_tbl (
          uuid int,
          name string,
          price double
      ) TBLPROPERTIES (
          'primary-key' = 'uuid'
      );
      
      -- 向Paimon中写入数据。
      INSERT INTO test_tbl VALUES (1, 'apple', 3.5), (2, 'banana', 4.0), (3, 'cherry', 20.5);

   3. 执行以下命令，启动Hive CLI。

      hive

   4. 执行以下Hive SQL，查询刚刚写入的数据。

      select * from test_db.test_tbl;

2. 添加并查询外表。

   Hive也可以将指定路径下的Paimon表添加为外表并查询。

   CREATE EXTERNAL TABLE test_ext_tbl
   STORED BY 'org.apache.paimon.hive.PaimonStorageHandler'
   LOCATION 'oss:// <yourBucketName>/warehouse/test_db.db/test_tbl';
   
   SELECT * FROM test_ext_tbl;