从零自学Hadoop(25)：Impala相关操作下

　　阅读目录

• 序
• 导入数据
• 查询
• 系列索引

本文版权归mephisto和博客园共有，欢迎转载，但须保留此段声明，并给出原文链接，谢谢合作。

文章是哥(mephisto)写的，SourceLink

序

     上一篇，我们介绍Impala的相关操作。

　  下面我们开始继续进一步的了解Impala的相关操作。

导入数据

一：INSERT VALUES

　　该方式不适合载入大量的数据到基于 HDFS (HDFS-based)的表，因为插入操作无法并行，并且每一个语句会产生单独的数据文件，形成很多小文件。
　　不要运行每次只插入单行数据的 很多条的 INSERT ... VALUES 语句的脚本，会产生很多小文件。将数据都放在VALUES中会好很多，就没有那多的小文件。

insert into student values ('1','张三','男','2017-10-23 10:10:20'), ('2','李四','男','2017-10-23 10:10:20'), ('3','王五','男','2017-10-23 10:10:20');
insert into student values ('4','张三1','男','2017-10-23 10:10:20'), ('5','李四1','男','2017-10-23 10:10:20'), ('6','王五1','男','2017-10-23 10:10:20');

　　使用insert into table 语法，每一组新插入的数据，都会追加到原来的数据后。　

　

　

　　我们可以看到hdfs中有两个文件。也就是说insert一次就生成一个文件，所以会产生很多小文件。

　　使用insert overwrite table 语法，每一组新插入的数据，都会覆盖表中原有的数据。

insert overwrite student values ('7','张三2','男','2017-10-23 10:10:20'), ('8','李四2','男','2017-10-23 10:10:20'), ('9','王五2','男','2017-10-23 10:10:20');

二：LOAD DATA语句

　　LOAD DATA 语句简化了 Impala 内部表从 HDFS 位置移动一个或目录下所有数据文件到该表对应的 Impala 数据目录中的 ETL 过程。

　　新建待导入文件数据 student.txt

　　从本地上传到hdfs

sudo -u impala hdfs dfs -put student.txt /tmp/student.txt

　　查看

hadoop fs -ls /tmp/

　　导入

load data inpath '/tmp/student.txt' into table student ;

　　可以看到文件的内容导入到了表中，
　　并且对应的hdfs目录的文件已经不再了。

　　重新将文件上传到对应目录
　　然后重新导入
　　这次我们使用overwrite

load data inpath '/tmp/student.txt' overwrite into table student ;

　　可以看到数据已经加载进去，并且原有的数据都被替换掉了。

三：分区表的load data

　　新增分区

alter table student_p  add partition (year='2017',month='01',day='01');
alter table student_p  add partition (year='2017',month='01',day='02');

load data inpath '/tmp/student.txt' overwrite into table student_p  partition(year='2017',month='01',day='01') ;
load data inpath '/tmp/student.txt' overwrite into table student_p  partition(year='2017',month='01',day='02') ;

　　这之间还需要再将文件上传到hdfs

select * from student_p;

　　可见指定了分区后，不会影响到其他分区的数据。

 

查询

　　查询这里就只举几个可能需要注意到的，其他的语法可以详见官网。

一：limit

　　设置select查询中结果集的最大行数

select * from student limit 1;

二：offset

　　offset可以和limit一起使用，可以用于模拟“分页”结果集，实际中最好不要这样用，尽量的将结果集缓存到应用端，在应用端分页。

select * from student order by id  limit 1 offset 0;
select * from student order by id  limit 1 offset 1;

　　

--------------------------------------------------------------------

　　到此，本章节的内容讲述完毕。

系列索引

　　【源】从零自学Hadoop系列索引

 

本文版权归mephisto和博客园共有，欢迎转载，但须保留此段声明，并给出原文链接，谢谢合作。

文章是哥(mephisto)写的，SourceLink