第4节 hive spark 查询hudi 数据 环境cdh6.3.2

使用hive带where条件查询发生错误

select uid,fullname from member_ro where uid >=0 and uid <20;

发现错误

java.io.IOException: cannot find class org.apache.hudi.hadoop.realtime.HoodieParquetRealtimeInputFormat
	at org.apache.hadoop.hive.ql.io.CombineHiveInputFormat.getRecordReader(CombineHiveInputFormat.java:696)
	at org.apache.hadoop.mapred.MapTask$TrackedRecordReader.<init>(MapTask.java:175)

在源码中查询该类HoodieParquetRealtimeInputFormat是

应该是在第3节中引入到hive lib下的 hudi-hadoop-mr-bundle-0.9.0.jar

尝试在hive query中加入

add jar hdfs://nameservice1/tmp/hiveshare/hudi-hadoop-mr-bundle-0.9.0.jar

add jar 后 member_ro 可以根据条件查询,通过查询两个rt和ro的表的建表语句对比,发现

rt表存储输入格式的 (merge on read 表就会出现rt与ro copy on write 表只会出现一个表名且不带rt/ro)

STORED AS INPUTFORMAT 'org.apache.hudi.hadoop.realtime.HoodieParquetRealtimeInputFormat'

ro表存储输入格式的

STORED AS INPUTFORMAT

'org.apache.hudi.hadoop.HoodieParquetInputFormat'

其实 add jar hudi-hadoop-mr-bundle-0.9.0.jar 包里面包含 HoodieParquetInputFormat 和 HoodieParquetRealtimeInputFormat 但是就是rt的时候报如下错误

Caused by: java.lang.IllegalArgumentException: HoodieRealtimeRecordReader can only work on RealtimeSplit and not with hdfs://nameservice1/tmp/hudi/hivetest/20200918/WebA/0ac945ef-b1f1-4a64-96b9-faa18d7c5563-0_7-34-123_20210918173310.parquet:0+3037944
	at org.apache.hudi.common.util.ValidationUtils.checkArgument(ValidationUtils.java:40)
	at org.apache.hudi.hadoop.realtime.HoodieParquetRealtimeInputFormat.getRecordReader(HoodieParquetRealtimeInputFormat.java:116)

查看源码

@Override
public RecordReader<NullWritable, ArrayWritable> getRecordReader(final InputSplit split, final JobConf jobConf,
                                                                 final Reporter reporter) throws IOException {
  // sanity check 爆出的异常是如下检测这部分,将这个检测注释掉 重新编译
  ValidationUtils.checkArgument(split instanceof RealtimeSplit,
      "HoodieRealtimeRecordReader can only work on RealtimeSplit and not with " + split);
  RealtimeSplit realtimeSplit = (RealtimeSplit) split;
  addProjectionToJobConf(realtimeSplit, jobConf);
  LOG.info("Creating record reader with readCols :" + jobConf.get(ColumnProjectionUtils.READ_COLUMN_NAMES_CONF_STR)
      + ", Ids :" + jobConf.get(ColumnProjectionUtils.READ_COLUMN_IDS_CONF_STR));
  return new HoodieRealtimeRecordReader(realtimeSplit, jobConf,
      super.getRecordReader(split, jobConf, reporter));
}

 找到linux中源码的位置

修改源码

/Hudi/hudi-hadoop-mr/src/main/java/org/apache/hudi/hadoop/realtime 

 rt 的 hive 表依旧无法读取,暂时不测试hive读,用spark读取,可能原因是不兼容问题,后面用apache 版本测试后再补充

使用spark-shell

[xxx@xxx Hudi]# spark-shell 
--master local[*] 
--jars packaging/hudi-spark-bundle/target/hudi-spark-bundle_2.11-0.9.0.jar 
--packages org.apache.spark:spark-avro_2.11:2.4.4,org.apache.spark:spark-sql_2.11:2.4.4    --conf 'spark.serializer=org.apache.spark.serializer.KryoSerializer'
scala> spark.sql("select uid,fullname from member_rt limit where uid >=0  and uid <20").show();
21/09/23 11:28:24 WARN lineage.LineageWriter: Lineage directory /var/log/spark/lineage doesn't exist or is not writable. Lineage for this application will be disabled.
+---+--------+                                                                  
|uid|fullname|
+---+--------+
|  6|进行修改|
| 16|进行修改|
| 18|进行修改|
|  3|进行修改|
|  9|进行修改|
| 11|进行修改|
|  0|进行修改|
|  4|进行修改|
|  5|进行修改|
| 10|进行修改|
| 15|进行修改|
| 17|进行修改|
| 13|进行修改|
| 14|进行修改|
|  1|进行修改|
|  7|进行修改|
|  8|进行修改|
| 12|进行修改|
|  2|进行修改|
| 19|进行修改|
+---+--------+

使用spark sql就可以读取到member_rt表的变化

快照查询

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值