Hudi与Spark SQL集成

使用限制

EMR-3.36.0及后续版本和EMR-5.2.0及后续版本，支持Spark SQL对Hudi进行读写操作。

启动方式

• Spark2和Spark3 hudi0.11以下版本

  spark-sql \
  --conf 'spark.serializer=org.apache.spark.serializer.KryoSerializer' \
  --conf 'spark.sql.extensions=org.apache.spark.sql.hudi.HoodieSparkSessionExtension'

• Spark3 hudi0.11及以上版本

  spark-sql \
  --conf 'spark.serializer=org.apache.spark.serializer.KryoSerializer' \
  --conf 'spark.sql.extensions=org.apache.spark.sql.hudi.HoodieSparkSessionExtension' \
  --conf 'spark.sql.catalog.spark_catalog=org.apache.spark.sql.hudi.catalog.HoodieCatalog'

使用示例

• 建表

  create table h0 (
    id bigint,
    name string,
    price double,
    ts long
  ) using hudi
  tblproperties (
    primaryKey="id",
    preCombineField="ts"
  );

• 查看表详情

  desc formatted h0;

  返回信息如下所示。

  _hoodie_commit_time     string
  _hoodie_commit_seqno    string
  _hoodie_record_key      string
  _hoodie_partition_path    string
  _hoodie_file_name       string
  id                      bigint
  name                    string
  price                   double
  ts                      bigint

  说明 _hoodie_commit_time、 _hoodie_commit_seqno、 _hoodie_record_key、 _hoodie_partition_path、 _hoodie_file_name为Hudi默认添加的辅助字段。
• 数据操作

  -- insert
  insert into h0 values (1, 'a1', 10, 1000), (2, 'a2', 11, 1000);
  
  -- update
  update h0 set name = 'a1_new' where id = 1;
  
  -- delete
  delete from h0 where id = 1;

• 查询
  • 示例1

    select id, name, price, ts from h0;

    查询结果如下所示。

    2    a2    11.0    1000

  • 示例2

    select * from h0;

    查询结果如下所示。

    4.820221130150621338    20221130150621338_0_1    id:2        40d6507e-0579-42ce-a10f-c5e07a3981e5-0_0-29-2007_2022113015062****.parquet    2    a2    11.0    1000

    说明 由于当前为非分区表，所以 _hoodie_partition_path为空。前四个字段为Hudi默认添加的辅助字段的值。