Apache Hive(TsFile)
Apache 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 Version | Hive Version | Java Version | TsFile |
---|---|---|---|
2.7.3 or 3.2.1 | 2.3.6 or 3.1.2 | 1.8 | 1.0.0+ |
数据类型对应关系
TsFile 数据类型 | Hive 数据类型 |
---|---|
BOOLEAN | Boolean |
INT32 | INT |
INT64 | BIGINT |
FLOAT | Float |
DOUBLE | Double |
TEXT | STRING |
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/iotdb下载完 iotdb 后,你可以使用 mvn clean package -pl iotdb-connector/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:
hive> add jar /Users/hive/iotdb/hive-connector/target/hive-connector-1.0.0-jar-with-dependencies.jar;
Added [/Users/hive/iotdb/hive-connector/target/hive-connector-1.0.0-jar-with-dependencies.jar] to class path
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_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:
CREATE EXTERNAL TABLE IF NOT EXISTS only_sensor_1(
time_stamp TIMESTAMP,
sensor_1 BIGINT)
ROW FORMAT SERDE 'org.apache.iotdb.hive.TsFileSerDe'
STORED AS
INPUTFORMAT 'org.apache.iotdb.hive.TSFHiveInputFormat'
OUTPUTFORMAT 'org.apache.iotdb.hive.TSFHiveOutputFormat'
LOCATION '/data/data/sequence/root.baic2.WWS.leftfrontdoor/'
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:
hive> describe only_sensor_1;
OK
time_stamp timestamp from deserializer
sensor_1 bigint from deserializer
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
:
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
hive> select * from only_sensor_1 limit 10;
OK
1 1000000
2 1000001
3 1000002
4 1000003
5 1000004
6 1000005
7 1000006
8 1000007
9 1000008
10 1000009
Time taken: 1.464 seconds, Fetched: 10 row(s)
聚合查询语句示例
hive> select count(*) from only_sensor_1;
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.
Query ID = jackietien_20191016202416_d1e3e233-d367-4453-b39a-2aac9327a3b6
Total jobs = 1
Launching Job 1 out of 1
Number of reduce tasks determined at compile time: 1
In order to change the average load for a reducer (in bytes):
set hive.exec.reducers.bytes.per.reducer=<number>
In order to limit the maximum number of reducers:
set hive.exec.reducers.max=<number>
In order to set a constant number of reducers:
set mapreduce.job.reduces=<number>
Job running in-process (local Hadoop)
2019-10-16 20:24:18,305 Stage-1 map = 0%, reduce = 0%
2019-10-16 20:24:27,443 Stage-1 map = 100%, reduce = 100%
Ended Job = job_local867757288_0002
MapReduce Jobs Launched:
Stage-Stage-1: HDFS Read: 0 HDFS Write: 0 SUCCESS
Total MapReduce CPU Time Spent: 0 msec
OK
1000000
Time taken: 11.334 seconds, Fetched: 1 row(s)