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

数据类型对应关系

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/iotdbopen in new window下载完 iotdb 后，你可以使用 mvn clean package -pl 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)