TsFile的Hive连接器

TsFile的Hive连接器

概要

TsFile的Hive连接器使用手册
- 什么是TsFile的Hive连接器
- 系统环境要求
- 数据类型对应关系
- 为Hive添加依赖jar包
- 创建Tsfile-backed的Hive表
- 从Tsfile-backed的Hive表中查询
  - 选择查询语句示例
  - 聚合查询语句示例
- 后续工作

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`	`0.10.0`

注意：关于如何下载和使用Tsfile, 请参考以下链接: https://github.com/apache/incubator-iotdb/tree/master/tsfile。

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/incubator-iotdb下载完iotdb后, 你可以使用 mvn clean package -pl hive-connector -am -Dmaven.test.skip=true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/incubator-iotdb/hive-connector/target/hive-connector-0.10.0-SNAPSHOT-jar-with-dependencies.jar;
Added [/Users/hive/incubator-iotdb/hive-connector/target/hive-connector-0.10.0-SNAPSHOT-jar-with-dependencies.jar] to class path
Added resources: [/Users/hive/incubator-iotdb/hive-connector/target/hive-connector-0.10.0-SNAPSHOT-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)

后续工作

我们现在仅支持查询操作，写操作的支持还在开发中…

Hive TsFile