一个简单的测试:HBase-Hive 映射表

首先建立一张HBase测试表,如下:

hbase(main):031:0> create 'test:table1',{NAME => 'f',COMPRESSION => 'SNAPPY',DATA_BLOCK_ENCODING => 'FAST_DIFF',VERSIONS=> 1}

然后从命令行写入一行数据,如下:

hbase(main):032:0> put 'test:table1','r1','f:c1','v1'
hbase(main):033:0> put 'test:table1','r1','f:c2','v2'

我们看一下数据,如下:

hbase(main):034:0> scan 'test:table1'
ROW                                               COLUMN+CELL
 r1                                               column=f:c1, timestamp=1547545470139, value=v1
 r1                                               column=f:c2, timestamp=1548315629301, value=v2

然后我们基于此HBase表建立三张Hive映射表,建表语句分别如下:

test_hbase_3 :

CREATE EXTERNAL TABLE data_tmp.test_hbase_1 (   
id STRING,
c1 STRING) 
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES (
'hbase.table.name'='test:table1', 
'hbase.mapred.output.outputtable'='test:table1',
'hbase.columns.mapping'=':key,
f:c1')

test_hbase_2:

CREATE EXTERNAL TABLE data_tmp.test_hbase_2 (   
id STRING,   
c2 STRING) 
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES (
'hbase.table.name'='test:table1', 
'hbase.mapred.output.outputtable'='test:table1',
'hbase.columns.mapping'=':key,
f:c2')

test_hbase_3:

CREATE EXTERNAL TABLE data_tmp.test_hbase_3 (   
id STRING,
c1 STRING,   
c2 STRING) 
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES (
'hbase.table.name'='test:table1', 
'hbase.mapred.output.outputtable'='test:table1',
'hbase.columns.mapping'=':key,
f:c1,
f:c2')

我们分别查询一下这三张表,如下:

test-hbase-hive-table-1
test-hbase-hive-table-2
test-hbase-hive-table-3

可以看到,同一张HBase表可以映射多张Hive外部表,并且查询列互不影响。

下面做一个小实验,通过Hive端向HBase三张映射表中分别插入同一行不同列数据,是否会相互影响呢?

一. 测试 insert into 语法

  1. 向表 test_hbase_3 中新插入一行数据,如下:

多添加一个字段会怎样?

可见,列的数量是严格要求的,下面我们正常插入,如下:

  insert into table data_tmp.test_hbase_3 select 'r2','v1','v2';

我们分别查询下三表数据,如下:

  1. 向表 test_hbase_1 中新插入一行数据,id 也为 r1 ,如下:
  insert into table data_tmp.test_hbase_1 select 'r1','v1-1';

结论:可见向不同Hive外部表中插入数据是不会影响HBase其他列的。

二. 测试 insert overwrite 语法

  1. 覆盖写表test_hbase_1, id = r1,我们观察下test_hbase_2 c2 列会不会被清空。
  insert overwrite table data_tmp.test_hbase_1 select 'r1','v1-2';

我们查询下表 test_hbase_3,如下:

我们发现数据已更新,下面我们分别查询下表 test_hbase_1和表 test_hbase_2,如下:

结论:insert into 与 insert overwrite 操作HBase-Hive映射外部表结果是一样的,且均是基于Hive表所属列进行更新,不会影响其他列的值。

下面我们将此三张表删除掉,执行如下语句:

  drop table test_hbase_1 ;
  drop table test_hbase_2 ;
  drop table test_hbase_3 ;

现在,我们查看下HBase表数据,如下:

hbase(main):035:0> scan 'test:table1'
ROW                                               COLUMN+CELL
 r1                                               column=f:c1, timestamp=1548317635798, value=v1-2
 r1                                               column=f:c2, timestamp=1548315629301, value=v2
 r2                                               column=f:c1, timestamp=1548317046763, value=v1
 r2                                               column=f:c2, timestamp=1548317046763, value=v2
2 row(s) in 0.0200 seconds

结论: 删除Hive-HBase映射外部表不会删除HBase数据。

既然这样,那就大胆放心操作吧!

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 160,108评论 4 364
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,699评论 1 296
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 109,812评论 0 244
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,236评论 0 213
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,583评论 3 288
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,739评论 1 222
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,957评论 2 315
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,704评论 0 204
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,447评论 1 246
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,643评论 2 249
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,133评论 1 261
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,486评论 3 256
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,151评论 3 238
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,108评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,889评论 0 197
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,782评论 2 277
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,681评论 2 272

推荐阅读更多精彩内容