hive的表数据是可以同步到impala中去的。一般impala是提供实时查询操作的,像比较耗时的入库操作我们可以使用hive,然后再将数据同步到impala中。另外,我们也可以在hive中创建一张表同时映射hbase中的表,实现数据同步。
下面,笔者依次进行介绍。
一、impala与hive的数据同步
首先,我们在hive命令行执行showdatabases;可以看到有以下几个数据库:
然后,我们在impala同样执行showdatabases;可以看到:
目前的数据库都是一样的。
下面,我们在hive里面执行create databaseqyk_test;创建一个数据库,如下:
然后,我们使用qyk_test这个数据库创建一张表,执行create table user_info(idbigint, account string, name string, age int) row format delimitedfields terminated by ‘\t';如下:
此时,我们已经在hive这边创建好了,然后直接在impala这边执行showdatabases;可以看到:
连qyk_test这个数据库都没有。
接下来,我们在impala执行invalidatemetadata;然后再查询可以看到:
数据库和表都会同步过来。
好了,笔者来做个总结:
如果在hive里面做了新增、删除数据库、表或者数据等更新操作,需要执行在impala里面执行invalidatemetadata;命令才能将hive的数据同步impala;
如果直接在impala里面新增、删除数据库、表或者数据,会自动同步到hive,无需执行任何命令。
二、hive与hbase的数据同步
首先,我们在hbase中创建一张表create ‘user_sysc', {name =>‘info'},然后,我们在hive中执行
1
2
3
4
|
createexternaltableuser_sysc(keyint,valuestring)rowformatserde 'org.apache.hadoop.hive.hbase.hbaseserde' stored by 'org.apache.hadoop.hive.hbase.hbasestoragehandler' withserdeproperties( 'serialization.format' = '\t' , 'hbase.columns.mapping' = ':key,info:value' , 'field.delim' = '\t' ) tblproperties ( 'hbase.table.name' = 'user_sysc' ) |
创建一张外部表指向hbase中的表,然后,我们在hive执行insert into tableuser_sysc select id,name fromuser_info;入一步份数据到user_sysc可以看到:
然后,我们在hbase里面执行scan‘user_sysc'可以看到:
接下来,我们在hbase里面执行deleteall ‘user_sysc',‘11'删掉一条数据,如下:
然后,我在hive里面查询看看,如下:
说明自动同步过来了。因此,只要创建hive表时,与hbase中的表做了映射,表名和字段名可以不一致,之后无论在hbase中新增删除数据还是在hive中,都会自动同步。
如果在hive里面是创建的外部表需要在hbase中先创建,内部表则会在hbase中自动创建指定的表名。
因为hive不支持删除等操作,而hbase里面比较方便,所以我们可以采用这种方式。
原文链接:http://blog.sina.com.cn/s/blog_9c6852670102wwyr.html