Spark SQL----CREATE TABLE

07-19 1545阅读

Spark SQL----CREATE TABLE

  • 一、描述
  • 二、创建 DATASOURCE 表
    • 2.1 描述
    • 2.2 语法
    • 2.3 参数
    • 2.4 数据源交互
    • 2.5 例子
    • 三、创建HIVEFORMAT表
      • 3.1 描述
      • 3.2 语法
      • 3.3 参数
      • 3.4 例子
      • 四、CREATE TABLE LIKE
        • 4.1 描述
        • 4.2 语法
        • 4.3 参数
        • 4.4 例子

          一、描述

          CREATE TABLE语句用于在现有数据库中定义一个表。

          Spark SQL----CREATE TABLE
          （图片来源网络，侵删）

          二、创建 DATASOURCE 表

          2.1 描述

          CREATE TABLE语句使用数据源定义一个新表。

          2.2 语法

          CREATE TABLE [ IF NOT EXISTS ] table_identifier
    [ ( col_name1 col_type1 [ COMMENT col_comment1 ], ... ) ]
    USING data_source
    [ OPTIONS ( key1=val1, key2=val2, ... ) ]
    [ PARTITIONED BY ( col_name1, col_name2, ... ) ]
    [ CLUSTERED BY ( col_name3, col_name4, ... ) 
        [ SORTED BY ( col_name [ ASC | DESC ], ... ) ] 
        INTO num_buckets BUCKETS ]
    [ LOCATION path ]
    [ COMMENT table_comment ]
    [ TBLPROPERTIES ( key1=val1, key2=val2, ... ) ]
    [ AS select_statement ]

          注意，USING子句和AS SELECT子句之间的子句可以按任意顺序出现。例如，可以在TBLPROPERTIES后面写COMMENT表注释。

          2.3 参数

          • table_identifier

            指定一个表名称，可以选择使用数据库名称对其进行限定。

            语法：[database_name.]table_name

          • USING data_source

            数据源是用于创建表的输入格式。数据源可以是CSV、TXT、ORC、JDBC、PARQUET等。

          • OPTIONS

            将被注入存储属性的数据源的选项。

          • PARTITIONED BY

            分区是根据指定的列在表上创建的。

          • CLUSTERED BY

            在表上创建的分区将根据指定的存储列被存储到固定的存储桶中。

            注：Bucketing是一种优化技术，它使用bucket（和Bucketing列）来确定数据分区并避免数据shuffle。

          • SORTED BY

            指定bucket列的顺序。可选地，在SORTED BY子句中的任何列名之后，可以使用ASC表示升序，也可以使用DESC表示降序。如果未指定，则默认为ASC。

          • INTO num_buckets BUCKETS

            指定存储桶编号，该编号用于CLUSTERED BY子句。

          • LOCATION

            存储表数据的目录的路径，可以是分布式存储（如HDFS等）上的路径。

          • COMMENT

            用于描述表的字符串文字。

          • TBLPROPERTIES

            用于标记表定义的键值对列表。

          • AS select_statement

            该表是使用select语句中的数据填充的。

            2.4 数据源交互

            数据源表的作用类似于指向基础数据源的指针。例如，你可以使用JDBC数据源在Spark中创建一个表“foo”，该表指向MySQL中的一个表”bar“。当你读/写表“foo”时，你实际上读/写了表“bar”。

            一般来说，CREATE TABLE是在创建一个“指针”，你需要确保它指向现有的东西。一个例外是文件源，如parquet、json。如果你没有指定LOCATION，Spark将为你创建一个默认的表位置。

            对于CREATE TABLE AS SELECT with LOCATION，如果给定位置作为非空目录存在，Spark将抛出分析异常。如果spark.sql.legacy.allowNonEmptyLocationInCTAS设置为true，spark将用输入查询的数据覆盖基础数据源，以确保创建的表包含与输入查询完全相同的数据。

            2.5 例子

            --Use data source
CREATE TABLE student (id INT, name STRING, age INT) USING CSV;
--Use data from another table
CREATE TABLE student_copy USING CSV
    AS SELECT * FROM student;
  
--Omit the USING clause, which uses the default data source (parquet by default)
CREATE TABLE student (id INT, name STRING, age INT);
--Use parquet data source with parquet storage options
--The columns 'id' and 'name' enable the bloom filter during writing parquet file,
--column 'age' does not enable
CREATE TABLE student_parquet(id INT, name STRING, age INT) USING PARQUET
    OPTIONS (
      'parquet.bloom.filter.enabled'='true',
      'parquet.bloom.filter.enabled#age'='false'
    );
--Specify table comment and properties
CREATE TABLE student (id INT, name STRING, age INT) USING CSV
    COMMENT 'this is a comment'
    TBLPROPERTIES ('foo'='bar');
--Specify table comment and properties with different clauses order
CREATE TABLE student (id INT, name STRING, age INT) USING CSV
    TBLPROPERTIES ('foo'='bar')
    COMMENT 'this is a comment';
--Create partitioned and bucketed table
CREATE TABLE student (id INT, name STRING, age INT)
    USING CSV
    PARTITIONED BY (age)
    CLUSTERED BY (Id) INTO 4 buckets;
--Create partitioned and bucketed table through CTAS
CREATE TABLE student_partition_bucket
    USING parquet
    PARTITIONED BY (age)
    CLUSTERED BY (id) INTO 4 buckets
    AS SELECT * FROM student;
--Create bucketed table through CTAS and CTE
CREATE TABLE student_bucket
    USING parquet
    CLUSTERED BY (id) INTO 4 buckets (
    WITH tmpTable AS (
        SELECT * FROM student WHERE id > 100
    )
    SELECT * FROM tmpTable
);

            三、创建HIVEFORMAT表

            3.1 描述

            CREATE TABLE语句使用Hive格式定义一个新表。

            3.2 语法

            CREATE [ EXTERNAL ] TABLE [ IF NOT EXISTS ] table_identifier
    [ ( col_name1[:] col_type1 [ COMMENT col_comment1 ], ... ) ]
    [ COMMENT table_comment ]
    [ PARTITIONED BY ( col_name2[:] col_type2 [ COMMENT col_comment2 ], ... ) 
        | ( col_name1, col_name2, ... ) ]
    [ CLUSTERED BY ( col_name1, col_name2, ...) 
        [ SORTED BY ( col_name1 [ ASC | DESC ], col_name2 [ ASC | DESC ], ... ) ] 
        INTO num_buckets BUCKETS ]
    [ ROW FORMAT row_format ]
    [ STORED AS file_format ]
    [ LOCATION path ]
    [ TBLPROPERTIES ( key1=val1, key2=val2, ... ) ]
    [ AS select_statement ]

            请注意，列定义子句和AS SELECT子句之间的子句可以按任何顺序出现。例如，可以在TBLPROPERTIES之后编写COMMENT table_comment。

            3.3 参数

            • table_identifier

              指定一个表名称，可以选择使用数据库名称对其进行限定。

              语法：[ database_name. ] table_name

            • EXTERNAL

              表是使用LOCATION提供的路径定义的，不使用此表的默认位置。

            • PARTITIONED BY

              分区是根据指定的列在表上创建的。

            • CLUSTERED BY

              在表上创建的分区将根据为分桶指定的列分桶为固定的分桶。

              注：Bucketing是一种优化技术，它使用bucket（和Bucketing列）来确定数据分区并避免数据shuffle。

            • SORTED BY

              指定bucket列的顺序。可选地，在SORTED BY子句中的任何列名之后，可以使用ASC表示升序，也可以使用DESC表示降序。如果未指定，则默认为ASC。

            • INTO num_buckets BUCKETS

              指定存储桶编号，该编号用于CLUSTERED BY子句。

            • row_format

              指定输入和输出的行格式。有关更多语法详细信息，请参阅HIVE FORMAT。

            • STORED AS

              表存储的文件格式，可以是TEXTFILE、ORC、PARQUET等。

            • LOCATION

              存储表数据的目录的路径，可以是分布式存储（如HDFS等）上的路径。

            • COMMENT

              用于描述表的字符串文字。

            • TBLPROPERTIES

              用于标记表定义的键值对列表。

            • AS select_statement

              该表是使用select语句中的数据填充的。

              3.4 例子

              --Use hive format
CREATE TABLE student (id INT, name STRING, age INT) STORED AS ORC;
--Use data from another table
CREATE TABLE student_copy STORED AS ORC
    AS SELECT * FROM student;
--Specify table comment and properties
CREATE TABLE student (id INT, name STRING, age INT)
    COMMENT 'this is a comment'
    STORED AS ORC
    TBLPROPERTIES ('foo'='bar');  
--Specify table comment and properties with different clauses order
CREATE TABLE student (id INT, name STRING, age INT)
    STORED AS ORC
    TBLPROPERTIES ('foo'='bar')
    COMMENT 'this is a comment';
--Create partitioned table
CREATE TABLE student (id INT, name STRING)
    PARTITIONED BY (age INT)
    STORED AS ORC;
--Create partitioned table with different clauses order
CREATE TABLE student (id INT, name STRING)
    STORED AS ORC
    PARTITIONED BY (age INT);
--Use Row Format and file format
CREATE TABLE student (id INT, name STRING)
    ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
    STORED AS TEXTFILE;
--Use complex datatype
CREATE EXTERNAL TABLE family(
        name STRING,
        friends ARRAY,
        children MAP,
        address STRUCT
    )
    ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' ESCAPED BY '\\'
    COLLECTION ITEMS TERMINATED BY '_'
    MAP KEYS TERMINATED BY ':'
    LINES TERMINATED BY '\n'
    NULL DEFINED AS 'foonull'
    STORED AS TEXTFILE
    LOCATION '/tmp/family/';
--Use predefined custom SerDe
CREATE TABLE avroExample
    ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.avro.AvroSerDe'
    STORED AS INPUTFORMAT 'org.apache.hadoop.hive.ql.io.avro.AvroContainerInputFormat'
        OUTPUTFORMAT 'org.apache.hadoop.hive.ql.io.avro.AvroContainerOutputFormat'
    TBLPROPERTIES ('avro.schema.literal'='{ "namespace": "org.apache.hive",
        "name": "first_schema",
        "type": "record",
        "fields": [
                { "name":"string1", "type":"string" },
                { "name":"string2", "type":"string" }
            ] }');
--Use personalized custom SerDe(we may need to `ADD JAR xxx.jar` first to ensure we can find the serde_class,
--or you may run into `CLASSNOTFOUND` exception)
ADD JAR /tmp/hive_serde_example.jar;
CREATE EXTERNAL TABLE family (id INT, name STRING)
    ROW FORMAT SERDE 'com.ly.spark.serde.SerDeExample'
    STORED AS INPUTFORMAT 'com.ly.spark.example.serde.io.SerDeExampleInputFormat'
        OUTPUTFORMAT 'com.ly.spark.example.serde.io.SerDeExampleOutputFormat'
    LOCATION '/tmp/family/';
--Use `CLUSTERED BY` clause to create bucket table without `SORTED BY`
CREATE TABLE clustered_by_test1 (ID INT, AGE STRING)
    CLUSTERED BY (ID)
    INTO 4 BUCKETS
    STORED AS ORC
--Use `CLUSTERED BY` clause to create bucket table with `SORTED BY`
CREATE TABLE clustered_by_test2 (ID INT, NAME STRING)
    PARTITIONED BY (YEAR STRING)
    CLUSTERED BY (ID, NAME)
    SORTED BY (ID ASC)
    INTO 3 BUCKETS
    STORED AS PARQUET

              四、CREATE TABLE LIKE

              4.1 描述

              CREATE TABLE语句使用现有表或视图的定义/元数据定义一个新表。

              4.2 语法

              CREATE TABLE [IF NOT EXISTS] table_identifier LIKE source_table_identifier
    USING data_source
    [ ROW FORMAT row_format ]
    [ STORED AS file_format ]
    [ TBLPROPERTIES ( key1=val1, key2=val2, ... ) ]
    [ LOCATION path ]

              4.3 参数

              • table_identifier

                指定一个表名称，可以选择使用数据库名称对其进行限定。

                语法：[ database_name. ] table_name

              • USING data_source

                数据源是用于创建表的输入格式。数据源可以是CSV、TXT、ORC、JDBC、PARQUET等。

              • ROW FORMAT

                SERDE用于指定自定义SerDe或DELIMITED子句，以便使用本机SerDe。

              • STORED AS

                表存储的文件格式，可以是TEXTFILE、ORC、PARQUET等。

              • TBLPROPERTIES

                指定了必须设置的表属性，如created.by.user, owner等。

              • LOCATION

                存储表数据的目录的路径，可以是分布式存储（如HDFS等）上的路径。创建外部表的位置。

                4.4 例子

                -- Create table using an existing table
CREATE TABLE Student_Dupli like Student;
-- Create table like using a data source
CREATE TABLE Student_Dupli like Student USING CSV;
-- Table is created as external table at the location specified
CREATE TABLE Student_Dupli like Student location  '/root1/home';
-- Create table like using a rowformat
CREATE TABLE Student_Dupli like Student
    ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
    STORED AS TEXTFILE
    TBLPROPERTIES ('owner'='xxxx');
VPS购买请点击我

文章版权声明：除非注明，否则均为主机测评原创文章，转载或复制请以超链接形式并注明出处。

相关阅读

目录[+]