HCatalog - 读写器

---

---

HCatalog 包含一个用于并行输入和输出的数据传输 API，无需使用 MapReduce。此 API 使用表和行的基本存储抽象来读取 Hadoop 集群中的数据并将其写入其中。

数据传输 API 主要包含三个类，它们是：

• HCatReader - 从 Hadoop 集群读取数据。

• HCatWriter - 将数据写入 Hadoop 集群。

• DataTransferFactory - 生成读取器和写入器实例。

此 API 适用于主从节点设置。让我们进一步讨论 HCatReader 和 HCatWriter。

HCatReader

HCatReader 是 HCatalog 内部的一个抽象类，它隐藏了底层系统的复杂性，这些系统是从中检索记录的。

HCatReader 类用于从 HDFS 读取数据。读取是一个两步过程，第一步发生在外部系统的 master 节点上。第二步在多个 slave 节点上并行执行。

读取是在 ReadEntity 上完成的。在开始读取之前，需要定义一个要从中读取的 ReadEntity。这可以通过 ReadEntity.Builder 来完成。您可以指定数据库名称、表名称、分区和过滤器字符串。例如：

ReadEntity.Builder builder = new ReadEntity.Builder();
ReadEntity entity = builder.withDatabase("mydb").withTable("mytbl").build(); 10. 

以上代码片段定义了一个 ReadEntity 对象（“entity”），包括名为 mytbl 的表和名为 mydb 的数据库，可用于读取该表的所有行。请注意，此表必须在开始此操作之前存在于 HCatalog 中。

定义 ReadEntity 后，使用 ReadEntity 和集群配置获取 HCatReader 的实例：

HCatReader reader = DataTransferFactory.getHCatReader(entity, config);

下一步是从读取器中获取 ReaderContext，如下所示：

ReaderContext cntxt = reader.prepareRead();

HCatWriter

此抽象在 HCatalog 内部。这是为了方便从外部系统写入 HCatalog。不要尝试直接实例化它。而是使用 DataTransferFactory。

与读取类似，写入也是一个两步过程，第一步发生在主节点上。随后，第二步在从节点上并行发生。

写入是在 WriteEntity 上完成的，其构造方式类似于读取：

WriteEntity.Builder builder = new WriteEntity.Builder();
WriteEntity entity = builder.withDatabase("mydb").withTable("mytbl").build();

以上代码创建了一个 WriteEntity 对象 entity，可用于写入数据库 mydb 中名为 mytbl 的表。

创建 WriteEntity 后，下一步是获取 WriterContext：

HCatWriter writer = DataTransferFactory.getHCatWriter(entity, config);
WriterContext info = writer.prepareWrite();

以上所有步骤都发生在主节点上。然后，主节点序列化 WriterContext 对象并使其可供所有从节点使用。

在从节点上，需要使用 WriterContext 获取 HCatWriter，如下所示：

HCatWriter writer = DataTransferFactory.getHCatWriter(context);

然后，writer 以迭代器作为 write 方法的参数：

writer.write(hCatRecordItr);

然后，writer 在循环中对该迭代器调用 getNext() 并写入附加到迭代器的所有记录。

TestReaderWriter.java 文件用于测试 HCatreader 和 HCatWriter 类。以下程序演示了如何使用 HCatReader 和 HCatWriter API 从源文件读取数据，然后将其写入目标文件。

import java.io.File;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.ObjectInputStream;
import java.io.ObjectOutputStream;

import java.util.ArrayList;
import java.util.HashMap;
import java.util.Iterator;
import java.util.List;
import java.util.Map;
import java.util.Map.Entry;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hive.metastore.api.MetaException;
import org.apache.hadoop.hive.ql.CommandNeedRetryException;
import org.apache.hadoop.mapreduce.InputSplit;

import org.apache.hive.HCatalog.common.HCatException;
import org.apache.hive.HCatalog.data.transfer.DataTransferFactory;
import org.apache.hive.HCatalog.data.transfer.HCatReader;
import org.apache.hive.HCatalog.data.transfer.HCatWriter;
import org.apache.hive.HCatalog.data.transfer.ReadEntity;
import org.apache.hive.HCatalog.data.transfer.ReaderContext;
import org.apache.hive.HCatalog.data.transfer.WriteEntity;
import org.apache.hive.HCatalog.data.transfer.WriterContext;
import org.apache.hive.HCatalog.mapreduce.HCatBaseTest;

import org.junit.Assert;
import org.junit.Test;

public class TestReaderWriter extends HCatBaseTest {
   @Test
   public void test() throws MetaException, CommandNeedRetryException,
      IOException, ClassNotFoundException {
		
      driver.run("drop table mytbl");
      driver.run("create table mytbl (a string, b int)");
		
      Iterator<Entry<String, String>> itr = hiveConf.iterator();
      Map<String, String> map = new HashMap<String, String>();
		
      while (itr.hasNext()) {
         Entry<String, String> kv = itr.next();
         map.put(kv.getKey(), kv.getValue());
      }
		
      WriterContext cntxt = runsInMaster(map);
      File writeCntxtFile = File.createTempFile("hcat-write", "temp");
      writeCntxtFile.deleteOnExit();
		
      // Serialize context.
      ObjectOutputStream oos = new ObjectOutputStream(new FileOutputStream(writeCntxtFile));
      oos.writeObject(cntxt);
      oos.flush();
      oos.close();
		
      // Now, deserialize it.
      ObjectInputStream ois = new ObjectInputStream(new FileInputStream(writeCntxtFile));
      cntxt = (WriterContext) ois.readObject();
      ois.close();
      runsInSlave(cntxt);
      commit(map, true, cntxt);
		
      ReaderContext readCntxt = runsInMaster(map, false);
      File readCntxtFile = File.createTempFile("hcat-read", "temp");
      readCntxtFile.deleteOnExit();
      oos = new ObjectOutputStream(new FileOutputStream(readCntxtFile));
      oos.writeObject(readCntxt);
      oos.flush();
      oos.close();
		
      ois = new ObjectInputStream(new FileInputStream(readCntxtFile));
      readCntxt = (ReaderContext) ois.readObject();
      ois.close();
		
      for (int i = 0; i < readCntxt.numSplits(); i++) {
         runsInSlave(readCntxt, i);
      }
   }
	
   private WriterContext runsInMaster(Map<String, String> config) throws HCatException {
      WriteEntity.Builder builder = new WriteEntity.Builder();
      WriteEntity entity = builder.withTable("mytbl").build();
		
      HCatWriter writer = DataTransferFactory.getHCatWriter(entity, config);
      WriterContext info = writer.prepareWrite();
      return info;
   }
	
   private ReaderContext runsInMaster(Map<String, String> config, 
      boolean bogus) throws HCatException {
      ReadEntity entity = new ReadEntity.Builder().withTable("mytbl").build();
      HCatReader reader = DataTransferFactory.getHCatReader(entity, config);
      ReaderContext cntxt = reader.prepareRead();
      return cntxt;
   }
	
   private void runsInSlave(ReaderContext cntxt, int slaveNum) throws HCatException {
      HCatReader reader = DataTransferFactory.getHCatReader(cntxt, slaveNum);
      Iterator<HCatRecord> itr = reader.read();
      int i = 1;
		
      while (itr.hasNext()) {
         HCatRecord read = itr.next();
         HCatRecord written = getRecord(i++);
			
         // Argh, HCatRecord doesnt implement equals()
         Assert.assertTrue("Read: " + read.get(0) + "Written: " + written.get(0),
         written.get(0).equals(read.get(0)));
			
         Assert.assertTrue("Read: " + read.get(1) + "Written: " + written.get(1),
         written.get(1).equals(read.get(1)));
			
         Assert.assertEquals(2, read.size());
      }
		
      //Assert.assertFalse(itr.hasNext());
   }
	
   private void runsInSlave(WriterContext context) throws HCatException {
      HCatWriter writer = DataTransferFactory.getHCatWriter(context);
      writer.write(new HCatRecordItr());
   }
	
   private void commit(Map<String, String> config, boolean status,
      WriterContext context) throws IOException {
      WriteEntity.Builder builder = new WriteEntity.Builder();
      WriteEntity entity = builder.withTable("mytbl").build();
      HCatWriter writer = DataTransferFactory.getHCatWriter(entity, config);
		
      if (status) {
         writer.commit(context);
      } else {
         writer.abort(context);
      }
   }
	
   private static HCatRecord getRecord(int i) {
      List<Object> list = new ArrayList<Object>(2);
      list.add("Row #: " + i);
      list.add(i);
      return new DefaultHCatRecord(list);
   }
	
   private static class HCatRecordItr implements Iterator<HCatRecord> {
      int i = 0;
		
      @Override
      public boolean hasNext() {
         return i++ < 100 ? true : false;
      }
		
      @Override
      public HCatRecord next() {
         return getRecord(i);
      }
		
      @Override
      public void remove() {
         throw new RuntimeException();
      }
   }
}

以上程序以记录形式从 HDFS 读取数据，并将记录数据写入 mytable