Hive3使用代理键

• 2020 年 4 月 7 日
• 笔记

您可以使用内置的SURROGATE_KEY用户定义函数（UDF）在将数据输入表中时自动为行生成数字ID。生成的代理键可以替换多个复合键。

Hive仅在ACID表上支持代理键，如以下表类型矩阵中所述：

您要使用代理键联接的表不能具有需要转换的列类型。这些数据类型必须是原生类型，例如INT或STRING。

使用生成的键进行联接比使用字符串进行联接要快。使用生成的键不会通过行号将数据强制进入单个节点。您可以生成键作为自然键的抽象。代理键比UUID具有优势，后者速度较慢且具有概率。

SURROGATE_KEY UDF为您插入表中的每一行生成唯一的ID。它基于分布式系统中的执行环境生成键，其中包括许多因素，例如内部数据结构，表的状态和最后的事务ID。代理键生成不需要计算任务之间的任何协调。

UDF不带参数或带两个参数：

• Write Id bit
• Task ID bit

1. 以具有ACID属性的默认ORC格式创建一个学生表。

CREATE TABLE students (row_id INT, name VARCHAR(64), dorm INT);

2. 将数据插入表中。例如：

INSERT INTO TABLE students VALUES (1, 'fred flintstone', 100), (2, 'barney rubble', 200);

3. 使用SURROGATE_KEY UDF创建学生表的版本。

CREATE TABLE students_v2  (`ID` BIGINT DEFAULT SURROGATE_KEY(),   row_id INT,   name VARCHAR(64),   dorm INT,   PRIMARY KEY (ID) DISABLE NOVALIDATE);

4. 插入数据，它会自动为主键生成代理键。

INSERT INTO students_v2 (row_id, name, dorm) SELECT * FROM students;

5. 看一下代理键。

SELECT * FROM students_v2;  +-----------------+---------------------+-------------------+-------------------+  | students_v2.id  | students_v2.row_id  | students_v2.name  | students_v2.dorm  |  +-----------------+---------------------+-------------------+-------------------+  | 1099511627776   | 1                   | fred flintstone   | 100               |  | 1099511627777   | 2                   | barney rubble     | 200               |  +-----------------+---------------------+-------------------+-------------------+                         

6. 将代理键作为外键添加到另一个表（例如student_grades表）中，以加快表的后续联接。

ALTER TABLE student_grades ADD COLUMNS (gen_id BIGINT);    MERGE INTO student_grades g USING students_v2 s ON g.row_id = s.row_id  WHEN MATCHED THEN UPDATE SET gen_id = s.id;

现在，您可以在代理键上实现快速联接。

原来链接：https://docs.cloudera.com/runtime/7.0.3/using-hiveql/topics/hive_surrogate_keys.html