一. hive sync tool工具介紹
使用DataSource writer或HoodieDeltaStreamer寫入數據支持將表的最新模式同步到Hive metastore,這樣查詢就可以獲得新的列和分區。在這種情況下,最好從命令行或在一個獨立的jvm中運行,Hudi提供了一個HiveSyncTool,一旦你構建了Hudi -hive模塊,就可以如下所示調用它。以下是我們如何同步上述Datasource Writer寫入的表到Hive metastore。
語法:
cd hudi-hive
./run_sync_tool.sh --jdbc-url jdbc:hive2:\/\/hiveserver:10000 --user hive --pass hive --partitioned-by partition --base-path <basePath> --database default --table <tableName>
二. 問題排查
hudi自身帶的 hive sync tool會存在一定的問題,直接運行會報各種各樣不同的錯誤。
修改
vim run_sync_tool.sh
-
解決hadoop依賴問題
註釋這兩行
新增兩行
- 解決Parquet衝突
上傳到/home/software目錄
wget https://repo.maven.apache.org/maven2/org/apache/parquet/parquet-column/1.12.2/parquet-column-1.12.2.jar
三. 實操
代碼:
cd /home/hudi-0.12.0/hudi-sync/hudi-hive-sync
./run_sync_tool.sh --jdbc-url jdbc:hive2:\/\/hp5:10000 --base-path hdfs://hp5:8020/tmp/hudi/flink_hudi_mysql_cdc5 --database test --table flink_hudi_mysql_cdc5
運行記錄:
Flink SQL 查看建表語句:
Flink SQL> show create table flink_hudi_mysql_cdc5;
CREATE TABLE `hive_catalog`.`hudidb`.`flink_hudi_mysql_cdc5` (
`id` BIGINT NOT NULL,
`name` VARCHAR(100),
CONSTRAINT `PK_3386` PRIMARY KEY (`id`) NOT ENFORCED
) WITH (
'write.precombine.field' = 'name',
'compaction.async.enabled' = 'false',
'hoodie.datasource.write.recordkey.field' = 'id',
'path' = 'hdfs://hp5:8020/tmp/hudi/flink_hudi_mysql_cdc5',
'connector' = 'hudi',
'changelog.enabled' = 'true',
'table.type' = 'MERGE_ON_READ'
)
Hive端查看建表語句:
MySQL 端持續插入數據:
DELIMITER //
CREATE PROCEDURE p5()
BEGIN
declare l_n1 int default 21;
while l_n1 <= 10000000 DO
insert into mysql_cdc (id,name) values (l_n1,concat('test',l_n1));
set l_n1 = l_n1 + 1;
end while;
END;
//
DELIMITER ;