0687-5.16.1-Hive分桶问题-CFANZ编程社区

异常重现

在Hive中创建了一个分桶事务表TEST_TRANSACTIONAL，表结构如下：

CREATE TABLE IF NOT EXISTS TEST_TRANSACTIONAL
(
      APPLY_NO    STRING
     ,APPLYNO     STRING
     ,NAME        STRING
)
Clustered By(APPLY_NO) Into 23 Buckets
Stored As Orc
TblProperties('transactional' = 'true');

然后使用create table TEST_NOT_TRANSACTIONAL like TEST_TRANSACTIONAL的建表方式创建了另一张表，向表TEST_NOT_TRANSACTIONAL插入了四次数据，一共四条数据，之后使用语句insert into TEST_TRANSACTIONAL select * from TEST_NOT_TRANSACTIONAL将数据插入到分桶事务表中，最后对分桶事务表进行查询，发现结果并不是四条数据，而是只有一条数据。

0687-5.16.1-Hive分桶问题_hive

异常分析

查询异常的表是分桶事务表，在完成insert into操作之后，还需要对表进行一次合并的操作，这个操作会在后台异步的启动一个MR任务对数据进行合并，如果没有合并，查询只会显示第一条数据。

解决方法

1.在CM上修改配置

修改HiveServer2的高级配置代码段

<property>
    <name>hive.support.concurrency</name>
    <value>true</value>
</property>
<property>
    <name>hive.enforce.bucketing</name>
    <value>true</value>
</property>
<property>
    <name>hive.exec.dynamic.partition.mode</name>
    <value>nonstrict</value>
</property>
<property>
    <name>hive.txn.manager</name>
    <value>org.apache.hadoop.hive.ql.lockmgr.DbTxnManager</value>
</property>

0687-5.16.1-Hive分桶问题_代码段_02

修改HiveMetastore的高级代码段配置

<property>
    <name>hive.compactor.initiator.on</name>
    <value>true</value>
</property>
<property>
    <name>hive.compactor.worker.threads</name>
    <value>1</value>
</property>

0687-5.16.1-Hive分桶问题_代码段_03

2.在Hive中新建一个分桶事务表

CREATE TABLE IF NOT EXISTS TEST_DATA.TEST_TRANSACTIONAL
(
      APPLY_NO    STRING  Comment   '小贷贷款标的号(平安传过来的)'
     ,APPLYNO     STRING  Comment   '行内贷款标的号'
     ,NAME        STRING  Comment   '客户名称'
)
Comment '安e贷申请'
Clustered By(APPLY_NO) Into 23 Buckets
Stored As Orc
TblProperties('transactional' = 'true');

0687-5.16.1-Hive分桶问题_hive_04

3.使用like的方式建立另外一张表

create table TEST_DATA.TEST_NOT_TRANSACTIONAL like TEST_DATA.TEST_TRANSACTIONAL;

0687-5.16.1-Hive分桶问题_代码段_05

4.向非事务表中多次插入数据

insert into TEST_DATA.TEST_NOT_TRANSACTIONAL values ('ylb2017112718053546154234','22201902181000000043','skyon');
insert into TEST_DATA.TEST_NOT_TRANSACTIONAL values ('ylb2017120111035124273550','22201311011000000051','skyon2');
insert into TEST_DATA.TEST_NOT_TRANSACTIONAL values ('ylb2017120416494266807634','22201803011000000077','skyon3');
insert into TEST_DATA.TEST_NOT_TRANSACTIONAL values ('ylb2017112718054244710450','22201310011000000050','skyon4');

0687-5.16.1-Hive分桶问题_hive_06

0687-5.16.1-Hive分桶问题_代码段_07

0687-5.16.1-Hive分桶问题_代码段_08

0687-5.16.1-Hive分桶问题_代码段_09

5.将非事务表的数据插入到事务表

insert into TEST_DATA.TEST_TRANSACTIONAL select * from TEST_DATA.TEST_NOT_TRANSACTIONAL;

0687-5.16.1-Hive分桶问题_代码段_10

6.让事务表完成数据合并的操作

ALTER TABLE TEST_DATA.TEST_TRANSACTIONAL COMPACT 'MAJOR';

0687-5.16.1-Hive分桶问题_数据_11

7.上一步合并操作会异步的执行一个MR任务，等待MR任务执行完成，在Yarn上查看

0687-5.16.1-Hive分桶问题_代码段_12

8.在合并的MR任务完成后，查询事务表的数据

0687-5.16.1-Hive分桶问题_hive_13

事务表的数据查询正常，一共四条数据。

总结

1.在对事务表进行insert操作后，需要进行合并操作，否则查询数据会出现问题。

2.Hive的Compaction操作分为两种，Minor和Major，Minor会将所有的delta文件压缩

为一个文件，delete文件也压缩为一个。压缩过程是在Hive Metastore中进行的；Major会将所有文件合并为一个文件，以base_N的形式命名，其中N表示最新的写事务ID。

3.在CM中设置Hive事务相关的参数时要注意，为不同的角色Hive Server2和Hive Metastore分别设置的参数，Hive Server2中设置的参数，hive.support.concurrency设置为true，开启并发；hive.enforce.bucketing设置为true，开启强制分桶，因为在Hive中事务表必须分桶；hive.exec.dynamic.partition.mode设置为nonstrict，因为在一个事务中，可能不止会更新一个Partition，而且更新时无法控制道理哪些Partition会被操作，因此为了支持事务，此参数需这样设置；hive.txn.manager参数指定Hive事务管理器。Hive Metastore中设置的参数，hive.compactor.initiator.on设置为true，此参数设置为true，会在Metastore实例上运行Initiator和cleaner，Initiator进程会发现表和分区中需要进行合并的数据文件，cleaner负责删除合并后已经不再需要的文件；hive.compactor.worker.threads设置为1，在合并时，一个Worker处理一个合并任务，一个合并任务也就是一个MR任务，此参数的值确定每个Metastore中Worker的个数。

Fayson的github：

https://github.com/fayson/cdhproject

0687-5.16.1-Hive分桶问题_数据_14