HCatalog - 装载机和存储机 - Gingerdoc 姜知笔记

笔记首页 >> hcatalog >> HCatalog – 装载机和存储机

HCatalog – 装载机和存储机

该HCatLoader和HCatStorer的API与猪脚本用来读取和写入HCatalog管理表中的数据。这些接口不需要特定于 HCatalog 的设置。

最好对 Apache Pig 脚本有一些了解，以便更好地理解本章。如需进一步参考，请阅读我们的Apache Pig教程。

装载机

HCatLoader 与 Pig 脚本一起使用以从 HCatalog 管理的表中读取数据。使用以下语法使用 HCatloader 将数据加载到 HDFS。

A = LOAD 'tablename' USING org.apache.HCatalog.pig.HCatLoader();

您必须用单引号指定表名：LOAD ‘tablename’。如果您使用的是非默认数据库，则必须将输入指定为 ‘ dbname.tablename’。

Hive 元存储允许您在不指定数据库的情况下创建表。如果您以这种方式创建表，则数据库名称为“默认”，并且在为 HCatLoader 指定表时不需要。

下表包含 HCatloader 类的重要方法和说明。

Sr.No.	方法名称和描述
1	public InputFormat<?,?> getInputFormat()throws IOException 使用 HCatloader 类读取加载数据的输入格式。
2	public String relativeToAbsolutePath(String location, Path curDir) throws IOException 它返回绝对路径的字符串格式。
3	public void setLocation(String location, Job job) throws IOException 它设置可以执行作业的位置。
4	public Tuple getNext() throws IOException 从循环中返回当前元组（key和value）。

HCatStorer

HCatStorer 与 Pig 脚本一起用于将数据写入 HCatalog 管理的表。使用以下语法进行存储操作。

A = LOAD ...
B = FOREACH A ...
...
...
my_processed_data = ...

STORE my_processed_data INTO 'tablename' USING org.apache.HCatalog.pig.HCatStorer();

您必须用单引号指定表名：LOAD ‘tablename’。必须在运行 Pig 脚本之前创建数据库和表。如果您使用的是非默认数据库，则必须将输入指定为‘dbname.tablename’。

Hive 元存储允许您在不指定数据库的情况下创建表。如果您以这种方式创建表，则数据库名称为“default”，您无需在store语句中指定数据库名称。

对于USING子句，您可以使用一个字符串参数来表示分区的键/值对。当您写入分区表并且分区列不在输出列中时，这是一个强制性参数。不应引用分区键的值。

下表包含 HCatStorer 类的重要方法和说明。

Sr.No.	方法名称和描述
1	public OutputFormat getOutputFormat() throws IOException 使用 HCatStorer 类读取存储数据的输出格式。
2	public void setStoreLocation (String location, Job job) throws IOException 设置执行此商店应用程序的位置。
3	public void storeSchema (ResourceSchema schema, String arg1, Job job) throws IOException 存储架构。
4	public void prepareToWrite (RecordWriter writer) throws IOException 它有助于使用 RecordWriter 将数据写入特定文件。
5	public void putNext (Tuple tuple) throws IOException 将元组数据写入文件。

使用 HCatalog 运行 Pig

Pig 不会自动拾取 HCatalog jar。要引入必要的 jar，您可以在 Pig 命令中使用标志或设置环境变量PIG_CLASSPATH和PIG_OPTS，如下所述。

要引入适当的 jars 来使用 HCatalog，只需包含以下标志 –

pig –useHCatalog <Sample pig scripts file>

为执行设置 CLASSPATH

使用以下 CLASSPATH 设置将 HCatalog 与 Apache Pig 同步。

export HADOOP_HOME = <path_to_hadoop_install>
export HIVE_HOME = <path_to_hive_install>
export HCAT_HOME = <path_to_hcat_install>

export PIG_CLASSPATH = $HCAT_HOME/share/HCatalog/HCatalog-core*.jar:\
$HCAT_HOME/share/HCatalog/HCatalog-pig-adapter*.jar:\
$HIVE_HOME/lib/hive-metastore-*.jar:$HIVE_HOME/lib/libthrift-*.jar:\
$HIVE_HOME/lib/hive-exec-*.jar:$HIVE_HOME/lib/libfb303-*.jar:\
$HIVE_HOME/lib/jdo2-api-*-ec.jar:$HIVE_HOME/conf:$HADOOP_HOME/conf:\
$HIVE_HOME/lib/slf4j-api-*.jar

例子

假设我们在 HDFS 中有一个文件student_details.txt，其内容如下。

student_details.txt

001, Rajiv,    Reddy,       21, 9848022337, Hyderabad
002, siddarth, Battacharya, 22, 9848022338, Kolkata
003, Rajesh,   Khanna,      22, 9848022339, Delhi
004, Preethi,  Agarwal,     21, 9848022330, Pune
005, Trupthi,  Mohanthy,    23, 9848022336, Bhuwaneshwar
006, Archana,  Mishra,      23, 9848022335, Chennai
007, Komal,    Nayak,       24, 9848022334, trivendram
008, Bharathi, Nambiayar,   24, 9848022333, Chennai

我们还有一个名为sample_script.pig的示例脚本，位于同一个 HDFS 目录中。该文件包含对学生关系执行操作和转换的语句，如下所示。

student = LOAD 'hdfs://localhost:9000/pig_data/student_details.txt' USING 
   PigStorage(',') as (id:int, firstname:chararray, lastname:chararray,
   phone:chararray, city:chararray);
	
student_order = ORDER student BY age DESC;
STORE student_order INTO 'student_order_table' USING org.apache.HCatalog.pig.HCatStorer();
student_limit = LIMIT student_order 4;
Dump student_limit;

该脚本的第一条语句将加载名为student_details.txt的文件中的数据作为名为student的关系。
脚本的第二条语句将根据年龄按降序排列关系的元组，并将其存储为student_order。
第三条语句将处理后的数据student_order结果存储在名为student_order_table的单独表中。
脚本的第四条语句将student_order的前四个元组存储为student_limit。
最后，第五条语句将转储关系student_limit的内容。

现在让我们执行sample_script.pig，如下所示。

$./pig -useHCatalog hdfs://localhost:9000/pig_data/sample_script.pig

现在，检查您的输出目录（hdfs：user/tmp/hive）是否有输出（part_0000、part_0001）。