IDEA?中使用?Hudi的示例代碼
更新時(shí)間：2022年06月13日 15:03:24 作者：小胡今天有變強(qiáng)嗎
這篇文章主要介紹了IDEA?中使用?Hudi的相關(guān)知識(shí)，本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下
環(huán)境準(zhǔn)備
創(chuàng)建 Maven 項(xiàng)目創(chuàng)建服務(wù)器遠(yuǎn)程連接
Tools------Delployment-----Browse Remote Host
設(shè)置如下內(nèi)容：
在這里輸入服務(wù)器的賬號(hào)和密碼
點(diǎn)擊Test Connection，提示Successfully的話，就說(shuō)明配置成功。
復(fù)制Hadoop的 core-site.xml、hdfs-site.xml 以及 log4j.properties 三個(gè)文件復(fù)制到resources文件夾下。
設(shè)置 log4j.properties 為打印警告異常信息：
log4j.rootCategory=WARN, console
4.添加 pom.xml 文件
<repositories>
<repository>
<id>aliyun</id>
<url>http://maven.aliyun.com/nexus/content/groups/public/</url>
</repository>
<repository>
<id>cloudera</id>
<url>https://repository.cloudera.com/artifactory/cloudera-repos/</url>
</repository>
<repository>
<id>jboss</id>
<url>http://repository.jboss.com/nexus/content/groups/public</url>
</repository>
</repositories>
<properties>
<scala.version>2.12.10</scala.version>
<scala.binary.version>2.12</scala.binary.version>
<spark.version>3.0.0</spark.version>
<hadoop.version>2.7.3</hadoop.version>
<hudi.version>0.9.0</hudi.version>
</properties>
<dependencies>
<!-- 依賴Scala語(yǔ)言 -->
<dependency>
<groupId>org.scala-lang</groupId>
<artifactId>scala-library</artifactId>
<version>${scala.version}</version>
</dependency>
<!-- Spark Core 依賴 -->
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_${scala.binary.version}</artifactId>
<version>${spark.version}</version>
</dependency>
<!-- Spark SQL 依賴 -->
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-sql_${scala.binary.version}</artifactId>
<version>${spark.version}</version>
</dependency>
<!-- Hadoop Client 依賴 -->
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>${hadoop.version}</version>
</dependency>
<!-- hudi-spark3 -->
<dependency>
<groupId>org.apache.hudi</groupId>
<artifactId>hudi-spark3-bundle_2.12</artifactId>
<version>${hudi.version}</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-avro_2.12</artifactId>
<version>${spark.version}</version>
</dependency>
</dependencies>
<build>
<outputDirectory>target/classes</outputDirectory>
<testOutputDirectory>target/test-classes</testOutputDirectory>
<resources>
<resource>
<directory>${project.basedir}/src/main/resources</directory>
</resource>
</resources>
<!-- Maven 編譯的插件 -->
<plugins>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-compiler-plugin</artifactId>
<version>3.0</version>
<configuration>
<source>1.8</source>
<target>1.8</target>
<encoding>UTF-8</encoding>
</configuration>
</plugin>
<plugin>
<groupId>net.alchim31.maven</groupId>
<artifactId>scala-maven-plugin</artifactId>
<version>3.2.0</version>
<executions>
<execution>
<goals>
<goal>compile</goal>
<goal>testCompile</goal>
</goals>
</execution>
</executions>
</plugin>
</plugins>
</build>
要注釋掉創(chuàng)建項(xiàng)目時(shí)的生成的下面的代碼，不然依賴一直報(bào)錯(cuò)：
<!-- <properties>-->
<!-- <maven.compiler.source>8</maven.compiler.source>-->
<!-- <maven.compiler.target>8</maven.compiler.target>-->
<!-- </properties>-->
代碼結(jié)構(gòu)：
核心代碼
import org.apache.hudi.QuickstartUtils.DataGenerator
import org.apache.spark.sql.{DataFrame, SaveMode, SparkSession}
/**
* Hudi 數(shù)據(jù)湖的框架，基于Spark計(jì)算引擎，對(duì)數(shù)據(jù)進(jìn)行CURD操作，使用官方模擬賽生成的出租車出行數(shù)據(jù)
*
* 任務(wù)一：模擬數(shù)據(jù)，插入Hudi表，采用COW模式
* 任務(wù)二：快照方式查詢（Snapshot Query）數(shù)據(jù)，采用DSL方式
* 任務(wù)三：更新（Update）數(shù)據(jù)
* 任務(wù)四：增量查詢（Incremental Query）數(shù)據(jù)，采用SQL方式
* 任務(wù)五：刪除（Delete）數(shù)據(jù)
*/
object HudiSparkDemo {
/**
* 官方案例:模擬產(chǎn)生數(shù)據(jù)，插入Hudi表，表的類型為COW
*/
def insertData(spark: SparkSession, table: String, path: String): Unit = {
import spark.implicits._
// 第1步、模擬乘車數(shù)據(jù)
import org.apache.hudi.QuickstartUtils._
val dataGen: DataGenerator = new DataGenerator()
val inserts = convertToStringList(dataGen.generateInserts(100))
import scala.collection.JavaConverters._
val insertDF: DataFrame = spark.read.json(
spark.sparkContext.parallelize(inserts.asScala, 2).toDS()
)
// insertDF.printSchema()
// insertDF.show(10, truncate = false)
//第二步： 插入數(shù)據(jù)到Hudi表
import org.apache.hudi.DataSourceWriteOptions._
import org.apache.hudi.config.HoodieWriteConfig._
insertDF.write
.mode(SaveMode.Append)
.format("hudi")
.option("hoodie.insert.shuffle.parallelism", 2)
.option("hoodie.insert.shuffle.parallelism", 2)
//Hudi表的屬性設(shè)置
.option(PRECOMBINE_FIELD.key(), "ts")
.option(RECORDKEY_FIELD.key(), "uuid")
.option(PARTITIONPATH_FIELD.key(), "partitionpath")
.option(TBL_NAME.key(), table)
.save(path)
}
/**
* 采用Snapshot Query快照方式查詢表的數(shù)據(jù)
*/
def queryData(spark: SparkSession, path: String): Unit = {
import spark.implicits._
val tripsDF: DataFrame = spark.read.format("hudi").load(path)
// tripsDF.printSchema()
// tripsDF.show(10, truncate = false)
//查詢費(fèi)用大于10，小于50的乘車數(shù)據(jù)
tripsDF
.filter($"fare" >= 20 && $"fare" <=50)
.select($"driver", $"rider", $"fare", $"begin_lat", $"begin_lon", $"partitionpath", $"_hoodie_commit_time")
.orderBy($"fare".desc, $"_hoodie_commit_time".desc)
.show(20, truncate = false)
}
def queryDataByTime(spark: SparkSession, path: String):Unit = {
import org.apache.spark.sql.functions._
//方式一：指定字符串，按照日期時(shí)間過(guò)濾獲取數(shù)據(jù)
val df1 = spark.read
.format("hudi")
.option("as.of.instant", "20220610160908")
.load(path)
.sort(col("_hoodie_commit_time").desc)
df1.printSchema()
df1.show(numRows = 5, truncate = false)
//方式二：指定字符串，按照日期時(shí)間過(guò)濾獲取數(shù)據(jù)
val df2 = spark.read
.format("hudi")
.option("as.of.instant", "2022-06-10 16:09:08")
.load(path)
.sort(col("_hoodie_commit_time").desc)
df2.printSchema()
df2.show(numRows = 5, truncate = false)
}
/**
* 將DataGenerator作為參數(shù)傳入生成數(shù)據(jù)
*/
def insertData(spark: SparkSession, table: String, path: String, dataGen: DataGenerator): Unit = {
import spark.implicits._
// 第1步、模擬乘車數(shù)據(jù)
import org.apache.hudi.QuickstartUtils._
val inserts = convertToStringList(dataGen.generateInserts(100))
import scala.collection.JavaConverters._
val insertDF: DataFrame = spark.read.json(
spark.sparkContext.parallelize(inserts.asScala, 2).toDS()
)
// insertDF.printSchema()
// insertDF.show(10, truncate = false)
//第二步： 插入數(shù)據(jù)到Hudi表
import org.apache.hudi.DataSourceWriteOptions._
import org.apache.hudi.config.HoodieWriteConfig._
insertDF.write
//更換為Overwrite模式
.mode(SaveMode.Overwrite)
.format("hudi")
.option("hoodie.insert.shuffle.parallelism", 2)
.option("hoodie.insert.shuffle.parallelism", 2)
//Hudi表的屬性設(shè)置
.option(PRECOMBINE_FIELD.key(), "ts")
.option(RECORDKEY_FIELD.key(), "uuid")
.option(PARTITIONPATH_FIELD.key(), "partitionpath")
.option(TBL_NAME.key(), table)
.save(path)
}
/**
* 模擬產(chǎn)生Hudi表中更新數(shù)據(jù)，將其更新到Hudi表中
*/
def updateData(spark: SparkSession, table: String, path: String, dataGen: DataGenerator):Unit = {
import spark.implicits._
// 第1步、模擬乘車數(shù)據(jù)
import org.apache.hudi.QuickstartUtils._
//產(chǎn)生更新的數(shù)據(jù)
val updates = convertToStringList(dataGen.generateUpdates(100))
import scala.collection.JavaConverters._
val updateDF: DataFrame = spark.read.json(
spark.sparkContext.parallelize(updates.asScala, 2).toDS()
)
// TOOD: 第2步、插入數(shù)據(jù)到Hudi表
import org.apache.hudi.DataSourceWriteOptions._
import org.apache.hudi.config.HoodieWriteConfig._
updateDF.write
//追加模式
.mode(SaveMode.Append)
.format("hudi")
.option("hoodie.insert.shuffle.parallelism", "2")
.option("hoodie.upsert.shuffle.parallelism", "2")
// Hudi 表的屬性值設(shè)置
.option(PRECOMBINE_FIELD.key(), "ts")
.option(RECORDKEY_FIELD.key(), "uuid")
.option(PARTITIONPATH_FIELD.key(), "partitionpath")
.option(TBL_NAME.key(), table)
.save(path)
}
/**
* 采用Incremental Query增量方式查詢數(shù)據(jù)，需要指定時(shí)間戳
*/
def incrementalQueryData(spark: SparkSession, path: String): Unit = {
import spark.implicits._
// 第1步、加載Hudi表數(shù)據(jù)，獲取commit time時(shí)間，作為增量查詢數(shù)據(jù)閾值
import org.apache.hudi.DataSourceReadOptions._
spark.read
.format("hudi")
.load(path)
.createOrReplaceTempView("view_temp_hudi_trips")
val commits: Array[String] = spark
.sql(
"""
|select
| distinct(_hoodie_commit_time) as commitTime
|from
| view_temp_hudi_trips
|order by
| commitTime DESC
|""".stripMargin
)
.map(row => row.getString(0))
.take(50)
val beginTime = commits(commits.length - 1) // commit time we are interested in
println(s"beginTime = ${beginTime}")
// 第2步、設(shè)置Hudi數(shù)據(jù)CommitTime時(shí)間閾值，進(jìn)行增量數(shù)據(jù)查詢
val tripsIncrementalDF = spark.read
.format("hudi")
// 設(shè)置查詢數(shù)據(jù)模式為：incremental，增量讀取
.option(QUERY_TYPE.key(), QUERY_TYPE_INCREMENTAL_OPT_VAL)
// 設(shè)置增量讀取數(shù)據(jù)時(shí)開(kāi)始時(shí)間
.option(BEGIN_INSTANTTIME.key(), beginTime)
.load(path)
// 第3步、將增量查詢數(shù)據(jù)注冊(cè)為臨時(shí)視圖，查詢費(fèi)用大于20數(shù)據(jù)
tripsIncrementalDF.createOrReplaceTempView("hudi_trips_incremental")
spark
.sql(
"""
|select
| `_hoodie_commit_time`, fare, begin_lon, begin_lat, ts
|from
| hudi_trips_incremental
|where
| fare > 20.0
|""".stripMargin
)
.show(10, truncate = false)
}
/**
* 刪除Hudi表數(shù)據(jù)，依據(jù)主鍵uuid進(jìn)行刪除，如果是分區(qū)表，指定分區(qū)路徑
*/
def deleteData(spark: SparkSession, table: String, path: String): Unit = {
import spark.implicits._
// 第1步、加載Hudi表數(shù)據(jù)，獲取條目數(shù)
val tripsDF: DataFrame = spark.read.format("hudi").load(path)
println(s"Raw Count = ${tripsDF.count()}")
// 第2步、模擬要?jiǎng)h除的數(shù)據(jù)，從Hudi中加載數(shù)據(jù)，獲取幾條數(shù)據(jù)，轉(zhuǎn)換為要?jiǎng)h除數(shù)據(jù)集合
val dataframe = tripsDF.limit(2).select($"uuid", $"partitionpath")
import org.apache.hudi.QuickstartUtils._
val dataGenerator = new DataGenerator()
val deletes = dataGenerator.generateDeletes(dataframe.collectAsList())
import scala.collection.JavaConverters._
val deleteDF = spark.read.json(spark.sparkContext.parallelize(deletes.asScala, 2))
// 第3步、保存數(shù)據(jù)到Hudi表中，設(shè)置操作類型：DELETE
import org.apache.hudi.DataSourceWriteOptions._
import org.apache.hudi.config.HoodieWriteConfig._
deleteDF.write
.mode(SaveMode.Append)
.format("hudi")
.option("hoodie.insert.shuffle.parallelism", "2")
.option("hoodie.upsert.shuffle.parallelism", "2")
// 設(shè)置數(shù)據(jù)操作類型為delete，默認(rèn)值為upsert
.option(OPERATION.key(), "delete")
.option(PRECOMBINE_FIELD.key(), "ts")
.option(RECORDKEY_FIELD.key(), "uuid")
.option(PARTITIONPATH_FIELD.key(), "partitionpath")
.option(TBL_NAME.key(), table)
.save(path)
// 第4步、再次加載Hudi表數(shù)據(jù)，統(tǒng)計(jì)條目數(shù)，查看是否減少2條數(shù)據(jù)
val hudiDF: DataFrame = spark.read.format("hudi").load(path)
println(s"Delete After Count = ${hudiDF.count()}")
}
def main(args: Array[String]): Unit = {
System.setProperty("HADOOP_USER_NAME","hty")
//創(chuàng)建SparkSession示例對(duì)象，設(shè)置屬性
val spark: SparkSession = {
SparkSession.builder()
.appName(this.getClass.getSimpleName.stripSuffix("$"))
.master("local[2]")
// 設(shè)置序列化方式：Kryo
.config("spark.serializer", "org.apache.spark.serializer.KryoSerializer")
.getOrCreate()
}
//定義變量：表名稱、保存路徑
val tableName: String = "tbl_trips_cow"
val tablePath: String = "/hudi_warehouse/tbl_trips_cow"
//構(gòu)建數(shù)據(jù)生成器，模擬產(chǎn)生業(yè)務(wù)數(shù)據(jù)
import org.apache.hudi.QuickstartUtils._
//任務(wù)一：模擬數(shù)據(jù)，插入Hudi表，采用COW模式
//insertData(spark, tableName, tablePath)
//任務(wù)二：快照方式查詢（Snapshot Query）數(shù)據(jù)，采用DSL方式
//queryData(spark, tablePath)
//queryDataByTime(spark, tablePath)
// 任務(wù)三：更新（Update）數(shù)據(jù)，第1步、模擬產(chǎn)生數(shù)據(jù)，第2步、模擬產(chǎn)生數(shù)據(jù)，針對(duì)第1步數(shù)據(jù)字段值更新，
// 第3步、將數(shù)據(jù)更新到Hudi表中
val dataGen: DataGenerator = new DataGenerator()
//insertData(spark, tableName, tablePath, dataGen)
//updateData(spark, tableName, tablePath, dataGen)
//任務(wù)四：增量查詢（Incremental Query）數(shù)據(jù)，采用SQL方式
//incrementalQueryData(spark, tablePath)
//任務(wù)五：刪除（Delete）數(shù)據(jù)
deleteData(spark, tableName,tablePath)
//應(yīng)用結(jié)束，關(guān)閉資源
spark.stop()
}
}測(cè)試
執(zhí)行 insertData(spark, tableName, tablePath) 方法后對(duì)其用快照查詢的方式進(jìn)行查詢：
queryData(spark, tablePath)
增量查詢（Incremental Query）數(shù)據(jù)：
incrementalQueryData(spark, tablePath)
參考資料
https://www.bilibili.com/video/BV1sb4y1n7hK?p=21&vd_source=e21134e00867aeadc3c6b37bb38b9eee
到此這篇關(guān)于IDEA 中使用 Hudi的文章就介紹到這了,更多相關(guān)IDEA 使用 Hudi內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
你知道寫好Java代碼的30條經(jīng)驗(yàn)是什么嗎？這篇文章主要為大家分享了30條Java代碼編寫經(jīng)驗(yàn)技巧，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2017-02-02
關(guān)于Spring?Boot項(xiàng)目的?log4j2?核彈漏洞問(wèn)題(一行代碼配置搞定)
相信昨天，很多小伙伴都因?yàn)長(zhǎng)og4j2的史詩(shī)級(jí)漏洞忙翻了吧，不過(guò)我看到群里發(fā)出來(lái)的各種修復(fù)方法，還真是不好看...所以這里也提一下Spring Boot用戶怎么修復(fù)最簡(jiǎn)單吧，對(duì)Spring Boot log4j2 核彈漏洞問(wèn)題感興趣的朋友參考下吧2021-12-12
在面向?qū)ο缶幊讨?，抽象類和接口是兩個(gè)經(jīng)常被用到的語(yǔ)法概念，是面向?qū)ο笏拇筇匦裕约昂芏嘣O(shè)計(jì)模式、設(shè)計(jì)思想、設(shè)計(jì)原則編程實(shí)現(xiàn)的基礎(chǔ)。本文將主要講解二者的區(qū)別2021-05-05
如何基于Jenkins構(gòu)建Jmeter項(xiàng)目
這篇文章主要介紹了如何基于Jenkins構(gòu)建Jmeter項(xiàng)目,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-09-09
解決子線程中獲取不到HttpServletRequest對(duì)象的問(wèn)題
這篇文章主要介紹了解決子線程中獲取不到HttpServletRequest對(duì)象的問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2024-07-07
這篇文章主要介紹了Java基礎(chǔ)之文件概述,文中有非常詳細(xì)的代碼示例,對(duì)正在學(xué)習(xí)java基礎(chǔ)的小伙伴們有一定的幫助,需要的朋友可以參考下2021-05-05
Elasticsearch?Analyzer?內(nèi)置分詞器使用示例詳解
這篇文章主要為大家介紹了Elasticsearch?Analyzer?內(nèi)置分詞器使用示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-11-11
java基于C/S模式實(shí)現(xiàn)聊天程序（客戶端）
這篇文章主要為大家詳細(xì)介紹了java基于C/S模式實(shí)現(xiàn)聊天程序，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2019-01-01
這篇文章主要介紹了Java中死鎖的原理,結(jié)合具體案例形式分析了java死鎖形成的相關(guān)原理,需要的朋友可以參考下2019-08-08
這篇文章主要介紹了Java vector類的使用詳解及實(shí)例的相關(guān)資料,需要的朋友可以參考下2017-04-04