hive增加Update、Delete支持

一、配置hive-site.xml
二、建表
三、操作
四、總結

---

一、配置hive-site.xml

CDH版本先進入Hive配置頁

選擇高級，找到hive-site.xml 的 Hive 客戶端高級配置代碼段配置項

點擊+號，增加如下配置項

 
 
 
         

  
  
  
          
hive.support.concurrency = true 
  
  
  
          
hive.enforce.bucketing = true 
  
  
  
          
hive.exec.dynamic.partition.mode = nonstrict 
  
  
  
          
hive.txn.manager = org.apache.hadoop.hive.ql.lockmgr.DbTxnManager 
  
  
  
          
hive.compactor.initiator.on = true 
  
  
  
          
hive.compactor.worker.threads = 1
 
 
 
         

然后點擊保存更改，分發配置就可以了。

二、建表

如果要支持delete和update，則必須輸出是AcidOutputFormat然后必須分桶。
而且目前只有ORCFileformat支持AcidOutputFormat，不僅如此建表時必須指定參數('transactional' = true)
如

 
 
 
         

  
  
  
          
USE test;
  
  
  
          
DROP TABLE IF EXISTS S1_AC_ACTUAL_PAYDETAIL;
  
  
  
          
CREATE TABLE IF NOT EXISTS S1_AC_ACTUAL_PAYDETAIL
  
  
  
          
(
  
  
  
          
INPUTDATE STRING,
  
  
  
          
SERIALNO STRING,
  
  
  
          
PAYDATE STRING,
  
  
  
          
ACTUALPAYDATE STRING,
  
  
  
          
CITY STRING,
  
  
  
          
PRODUCTID STRING,
  
  
  
          
SUBPRODUCTTYPE STRING,
  
  
  
          
ISP2P STRING,
  
  
  
          
ISCANCEL STRING,
  
  
  
          
CDATE STRING,
  
  
  
          
PAYTYPE STRING,
  
  
  
          
ASSETSOWNER STRING,
  
  
  
          
ASSETSOUTDATE STRING,
  
  
  
          
CPD DOUBLE,
  
  
  
          
PAYPRINCIPALAMT BIGINT,
  
  
  
          
PAYINTEAMT BIGINT,
  
  
  
          
A2 BIGINT,
  
  
  
          
A7 BIGINT,
  
  
  
          
A9 BIGINT,
  
  
  
          
A10 BIGINT,
  
  
  
          
A11 BIGINT,
  
  
  
          
A12 BIGINT,
  
  
  
          
A17 BIGINT,
  
  
  
          
A18 BIGINT,
  
  
  
          
PAYAMT BIGINT,
  
  
  
          
LOANNO STRING,
  
  
  
          
CREATEDATE STRING,
  
  
  
          
CUSTOMERID STRING,
  
  
  
          
etl_in_dt string
  
  
  
          
)
  
  
  
          
CLUSTERED BY (SERIALNO) --根據某個字段分桶
  
  
  
          
INTO 7 BUCKETS --分為多少個桶
  
  
  
          
ROW FORMAT DELIMITED
  
  
  
          
FIELDS TERMINATED BY ','
  
  
  
          
LINES TERMINATED BY '\n'
  
  
  
          
STORED AS ORC
  
  
  
          
LOCATION '/user/hive/test/S1_AC_ACTUAL_PAYDETAIL' 
  
  
  
          
TBLPROPERTIES('transactional'='true');--增加額描述信息，比如最后一次修改信息，最后一個修改人。
 
 
 
         

注：由於cdh自動的在元數據里面創建了COMPACTION_QUEUE表，所以博客中說的那個問題不存在

三、操作

執行

 
 
 
         

  
  
  
          
update test.S1_AC_ACTUAL_PAYDETAIL set city='023' where SERIALNO = '20688947002';
 
 
 
         

操作100條數據，平均每條花費2秒多，其中執行花費1秒左右。相對還是能接受的。

 
 
 
         

  
  
  
          
delete from test.S1_AC_ACTUAL_PAYDETAIL where SERIALNO = '20688947002';
 
 
 
         

四、總結

• 1、Hive可以通過修改參數達到修改和刪除數據的效果，但是速度遠遠沒有傳統關系型數據庫快
• 2、通過ORC的每個task只輸出單個文件和自帶索引的特性，以及數據的分桶操作，可以將要修改的數據鎖定在一個很小的文件塊，因此可以做到相對便捷的文件修改操作。因此數據的分桶操作非常重要，通常一些表單信息都會根據具體的表單id進行刪除與修改，因此推薦使用表單ID作為分桶字段。
• 3、頻繁的update和delete操作已經違背了hive的初衷。不到萬不得已的情況，還是使用增量添加的方式最好。

參考資料：hive0.14-insert、update、delete操作測試