1、Apache Hive3表概述

Apache Hive3表类型的定义和表类型与ACID属性的关系图使得Hive表变得清晰。表的位置取决于表的类型。您可以根据其支持的存储格式选择表的类型

您可以创建ACID（原子性、一致性、隔离性和持久性）表用于不受限制的事务或仅插入的事务。这些表是Hive托管表。数据与Schema一起位于Hive Metastore中。或者您可以创建一个外部表用于非事务性使用。数据位于Hive Metastore外部。Schema元数据位于Hive Metastore内部。因为外部表受Hive的控制很弱，所以该表不符合ACID

下图描述了Hive表的类型：

以下表格显示了可以使用Hive创建的表的类型、是否支持ACID属性、所需的存储格式以及关键的SQL操作：

表类型	ACID	文件格式	插入	更新/删除
托管表：CRUD事务	支持	ORC	支持	支持
托管表：仅插入式事务	支持	任意格式	支持	不支持
托管表：临时	不支持	任意格式	支持	不支持
外部表	不支持	任意格式	支持	不支持

虽然不能使用UPDATE或DELETE语句删除某些类型的表中的数据，但是可以对任何类型的表使用DROP PARTITION来删除数据

2、Hive3表存储格式

CRUD表中的数据必须为ORC格式。实现支持AcidInputFormat和AcidOutputFormat的存储处理程序等效于指定ORC存储

仅插入使用的表支持所有文件格式

默认情况下，托管表的存储类型为“优化行列”（ORC）。如果在表创建的过程中未指定任何存储，或者指定了ORC存储，则将接受默认的设置，获得具有插入、更新和删除（CRUD）功能的ACID表。如果指定其他任何存储类型，例如TEXT、CSV、AVRO或JSON，则将获得仅插入的ACID表，您不能更新或删除仅插入表中的列

3、Hive3事务表

事务表是驻留在Hive仓库中的ACID表。为了实现ACID合规性，Hive必须管理表，包括对表数据的访问。只有通过Hive才能访问和更改托管表中的数据。由于Hive可以完全控制托管表，因此Hive可以广泛地优化这些表

与用作联机分析处理（OLAP）系统相反，Hive旨在支持相对较低的事务率。您可以使用SHOW TRANSACTIONS命令列出未完成和中止的事务

Hive3中的事务表与非ACID表相当。Hive3事务表中不需要分桶或排序。分桶不会影响性能。这些表与原生的云存储兼容

Hive支持每个事务一个语句，该语句可以包含任意数量的行、分区或表

4、Hive3外部表

外部表数据不是由Hive拥有或控制的。当您想使用Hive以外的其他工具直接在文件级别访问数据时，通常使用外部表。您还可以使用存储处理程序（例如Druid或HBase）来创建位于Hive元存储之外的表

在外部表上，Hive3不支持以下功能：

• 查询缓存
• 物化视图（仅限于有限的方式）
• 自动运行时过滤
• 插入后的文件合并
• ARCHIVE、UNARCHIVE、TRUNCATE、MERGE和CONCATENATE。这些语句仅适用于Hive管理表

在外部表上运行DROP TABLE时，默认情况下，Hive仅删除元数据（Schema）。如果您希望DROP TABLE命令也删除外部表中的实际数据，就像DROP TABLE在托管表上所做的那样，则需要将external.table.purge属性设置为true

5、定位Hive3表并更改位置

您需要知道Hive在HDFS上存储表的位置以及安装服务后如何更改仓库位置

您在CDP中创建的新表存储在托管表的Hive仓库或外部表的Hive仓库中。以下默认仓库位置位于HDFS文件系统中：

/warehouse/tablespace/managed/hive
/warehouse/tablespace/external/hive

托管表驻留在托管表空间中，只有Hive可以访问。默认情况下，Hive假定外部表驻留在外部表空间中

要确定托管或外部表类型，您可以运行如下命令：

DESCRIBE EXTENDED table_name;

要访问对象存储或文件系统（如HDFS）中的外部表，需要设置Ranger策略

更改Hive仓库位置的功能旨在在安装服务后立即使用。您可以使用Cloudera Manager中的Hive Metastore Action菜单更改仓库的位置，步骤如下：

1） 在Cloudera Manager中，单击集群->Hive->操作菜单->创建Hive仓库目录

2） 在Cloudera Manager中，单击Clusters->Hive（Hive Metastore服务）->Configuration，并将hive.metastore.warehouse.dir属性值更改为新Hive仓库目录的路径

3） 单击Hive->Hive->操作菜单->创建Hive仓库外部目录

4） 将hive.metastore.warehouse.external.dir属性值更改为Hive仓库外部目录的路径

5） 配置Ranger Hadoop SQL策略，访问对象存储（如S3、Ozone）或文件系统（如HDFS）上的目录URL

6、使用点表示法引用表

Hive3.1使用点表示法对表引用的更改可能需要对Hive脚本进行更改

CDP中的Hive3.1包括SQL兼容性 (Hive-16907)，它拒绝db.tableSQL查询。表名中不允许使用.点。要在表名中引用数据库和表，请将两者括在反引号中，如下所示：

`db`.`table`

7、理解CREATE TABLE行为

Hive表的创建自Hive3以来发生了重大变化，以提高可用性和功能。如果要从CDH或HDP升级，则必须了解影响遗留表创建行为的更改

Hive通过以下方式改变了表的创建：

• 创建ACID兼容的表，这是CDP中的默认值
• 支持简单的写入和插入
• 写入多个分区
• 在单个SELECT语句中插入多个数据更新
• 消除了对桶的需要

如果你有一个ETL管道在Hive中创建表，那么这些表将被创建为ACID。Hive现在严格控制访问，并定期对表执行压缩。使用兼容ACID的事务表不会导致性能或操作过载。从Spark和其他客户端访问托管Hive表的方式发生了变化。在CDP中，访问外部表需要设置安全访问权限

您必须了解传统平台（如CDH或HDP）中CREATE TABLE语句的行为，以及升级到CDP（Cloudera Data Platform）后这些行为的变化

• 在升级到CDP之前

  • 在CDH5、CDH6和HDP2中，默认情况下，CREATE TABLE以纯文本格式创建一个非ACID管理的表
  • 在HDP3和CDP 7.1.0到7.1.7，默认情况下，CREATE TABLE可以创建ORC格式的完整ACID事务表，也可以为所有其他表格式创建仅插入的ACID事务表

• 升级到CDP后

  • 如果您从HDP2、CDH5或CDH6升级到CDP 7.1.0-7.1.8，默认情况下CREATE TABLE创建ORC格式的完整ACID事务表，或者为所有其他表格式创建仅插入的ACID事务表
  • 如果您正在从HDP3或CDP 7.1.0升级到7.1.7-7.1.8，现有的行为仍然存在，CREATE TABLE创建ORC格式的完整ACID事务表，或者为所有其他表格式创建仅插入的ACID事务表

既然已经理解了CREATE TABLE语句的行为，就可以通过配置某些属性来选择修改默认的表行为。配置的优先顺序如下（修改默认的CREATE TABLE行为）：

1）创建表时覆盖默认行为

无论数据库、会话或站点级别的设置如何，您都可以通过在CREATE table语句中使用MANAGED或EXTERNAL关键字来覆盖默认的表行为

CREATE [MANAGED][EXTERNAL] TABLE foo (id INT);

2）在数据库级别设置默认表类型

您可以使用数据库属性defaultTableType=EXTERNAL或ACID来指定要使用CREATE table语句创建的默认表类型。可以在创建数据库时指定该属性，也可以在稍后使用ALTER DATABASE语句指定该属性。例如：

CREATE DATABASE test_db WITH DBPROPERTIES ('defaultTableType'='EXTERNAL');

在本例中，使用CREATE TABLE语句在test_db数据库下创建的表将创建启用了清除功能的外部表（external.table.purge = 'true'）

您还可以选择将数据库配置为只允许创建外部表，而不允许创建ACID表。在创建数据库时，您可以设置数据库属性EXTERNAL_TABLES_ONLY=true，以确保仅在数据库中创建外部表。例如：

CREATE DATABASE test_db WITH DBPROPERTIES ('EXTERNAL_TABLES_ONLY'='true');

3）在会话级别设置默认的表类型

通过将hive.create.as.external.legacy设置为true或false，可以在现有的直线会话中配置CREATE TABLE行为。将该值设置为true将导致CREATE TABLE语句默认创建外部表。

当会话结束时，默认的CREATE TABLE行为也会结束。

4）在站点级别设置默认表类型

通过在Hive配置下的Cloudera Manager中配置Hive . CREATE .as.insert.only和Hive . CREATE .as.acid属性，可以在站点级配置CREATE TABLE行为。在站点级别配置时，该行为在会话之间持续存在。有关更多信息，请参见配置CREATE TABLE行为。

如果您是Spark用户，那么切换到遗留行为是不必要的。例如，在SparkSQL中调用“create table”，会在升级到Cloudera数据平台后创建一个外部表，就像升级之前一样。您可以使用Hive Warehouse Connector （HWC）连接Hive，从Spark读取Hive ACID表。要从Spark向Hive写入ACID表，可以使用HWC和HWC API。当你不使用HWC API时，Spark会创建一个带有purge属性的外部表。更多信息请参见Hive Warehouse Connector访问Spark数据

官方文档：https://docs.cloudera.com/cdp-private-cloud-base/latest/using-hiveql/topics/cdp-data-migration-table-create.html

未完待续…

参考文章：https://developer.aliyun.com/article/786518