Konektor Amazon Athena Cloudera Hive

Konektor Amazon Athena untuk Cloudera Hive memungkinkan Athena menjalankan kueri SQL pada distribusi Cloudera Hive Hadoop. Konektor mengubah kueri Athena SQL Anda menjadi sintaks HiveQL yang setara.

Prasyarat

• Menyebarkan konektor ke Anda Akun AWS menggunakan konsol Athena atau. AWS Serverless Application Repository Untuk informasi selengkapnya, lihat Menyebarkan konektor sumber data atau MenggunakanAWS Serverless Application Repositoryuntuk menyebarkan konektor sumber data.

• Siapkan VPC dan grup keamanan sebelum Anda menggunakan konektor ini. Untuk informasi selengkapnya, lihat Membuat VPC untuk konektor sumber data.

Batasan

• Menulis operasi DDL tidak didukung.

• Dalam pengaturan multiplexer, bucket tumpahan dan awalan dibagikan di semua instance database.

• Batas Lambda yang relevan. Untuk informasi selengkapnya, lihat Kuota Lambda dalam Panduan Pengembang AWS Lambda .

Ketentuan

Istilah-istilah berikut berhubungan dengan konektor Cloudera Hive.

• Instans database — Instance apa pun dari database yang digunakan di tempat, di Amazon EC2, atau di Amazon RDS.

• Handler - Handler Lambda yang mengakses instance database Anda. Handler bisa untuk metadata atau untuk catatan data.

• Metadata handler — Penangan Lambda yang mengambil metadata dari instance database Anda.

• Record handler - Handler Lambda yang mengambil catatan data dari instance database Anda.

• Composite handler — Handler Lambda yang mengambil data metadata dan data dari instance database Anda.

• Properti atau parameter - Properti database yang digunakan oleh penangan untuk mengekstrak informasi database. Anda mengonfigurasi properti ini sebagai variabel lingkungan Lambda.

• Connection String — Sebuah string teks yang digunakan untuk membuat koneksi ke instance database.

• Katalog —AWS Glue Non-katalog yang terdaftar di Athena yang merupakan awalan yang diperlukan untuk properti. connection_string

• Multiplexing handler - Handler Lambda yang dapat menerima dan menggunakan beberapa koneksi database.

Parameter

Gunakan variabel lingkungan Lambda di bagian ini untuk mengonfigurasi konektor Cloudera Hive.

String koneksi

Gunakan string koneksi JDBC dalam format berikut untuk terhubung ke instance database.

hive://${jdbc_connection_string}

Menggunakan handler multiplexing

Anda dapat menggunakan multiplexer untuk terhubung ke beberapa instance database dengan satu fungsi Lambda. Permintaan dirutekan dengan nama katalog. Gunakan kelas berikut di Lambda.

Handler	Kelas
Pawang komposit	HiveMuxCompositeHandler
Penangan metadata	HiveMuxMetadataHandler
Rekam handler	HiveMuxRecordHandler

Parameter handler multiplexing

Parameter	Deskripsi
$catalog_connection_string	Wajib. Sebuah string koneksi instance database. Awalan variabel lingkungan dengan nama katalog yang digunakan di Athena. Misalnya, jika katalog terdaftar di Athena adalahmyhivecatalog, maka nama variabel lingkungan adalah. myhivecatalog_connection_string
default	Wajib. String koneksi default. String ini digunakan ketika katalog lambda:${ }AWS_LAMBDA_FUNCTION_NAME.

Contoh properti berikut adalah untuk fungsi Hive MUX Lambda yang mendukung dua instance database: hive1 (default), dan. hive2

Properti	Nilai
default	hive://jdbc:hive2://hive1:10000/default?${Test/RDS/hive1}
hive2_catalog1_connection_string	hive://jdbc:hive2://hive1:10000/default?${Test/RDS/hive1}
hive2_catalog2_connection_string	hive://jdbc:hive2://hive2:10000/default?UID=sample&PWD=sample

Memberikan kredensi

Untuk memberikan nama pengguna dan kata sandi untuk database Anda dalam string koneksi JDBC Anda, Anda dapat menggunakan properti string koneksi atau. AWS Secrets Manager

• Connection String - Nama pengguna dan kata sandi dapat ditentukan sebagai properti dalam string koneksi JDBC.

  penting

  Sebagai praktik keamanan terbaik, jangan gunakan kredensyal hardcode dalam variabel lingkungan atau string koneksi Anda. Untuk informasi tentang memindahkan rahasia hardcode Anda AWS Secrets Manager, lihat Memindahkan rahasia hardcode ke AWS Secrets Manager dalam Panduan Pengguna.AWS Secrets Manager

• AWS Secrets Manager— Untuk menggunakan fitur Query Federasi Athena dengan, VPC AWS Secrets Manager yang terhubung ke fungsi Lambda Anda harus memiliki akses internet atau titik akhir VPC untuk terhubung ke Secrets Manager.

  Anda dapat memasukkan nama rahasia ke AWS Secrets Manager dalam string koneksi JDBC Anda. Konektor menggantikan nama rahasia dengan password nilai username dan dari Secrets Manager.

  Untuk instans database Amazon RDS, dukungan ini terintegrasi dengan erat. Jika Anda menggunakan Amazon RDS, kami sangat menyarankan penggunaan AWS Secrets Manager dan rotasi kredensyal. Jika database Anda tidak menggunakan Amazon RDS, simpan kredensialnya sebagai JSON dalam format berikut:

  {"username": "${username}", "password": "${password}"}

Contoh string koneksi dengan nama rahasia

String berikut memiliki nama rahasia${Test/RDS/hive1}.

hive://jdbc:hive2://hive1:10000/default?...&${Test/RDS/hive1}&...

Konektor menggunakan nama rahasia untuk mengambil rahasia dan memberikan nama pengguna dan kata sandi, seperti pada contoh berikut.

hive://jdbc:hive2://hive1:10000/default?...&UID=sample2&PWD=sample2&...

Saat ini, konektor Cloudera Hive mengenali properti UID dan PWD JDBC.

Menggunakan handler koneksi tunggal

Anda dapat menggunakan metadata koneksi tunggal berikut dan penangan rekaman untuk terhubung ke satu instance Cloudera Hive.

Jenis handler	Kelas
Pawang komposit	HiveCompositeHandler
Penangan metadata	HiveMetadataHandler
Rekam handler	HiveRecordHandler

Parameter handler koneksi tunggal

Parameter	Deskripsi
default	Wajib. String koneksi default.

Penangan koneksi tunggal mendukung satu instance database dan harus menyediakan parameter string default koneksi. Semua string koneksi lainnya diabaikan.

Properti contoh berikut adalah untuk instance Cloudera Hive tunggal yang didukung oleh fungsi Lambda.

Properti	Nilai
default	hive://jdbc:hive2://hive1:10000/default?secret=${Test/RDS/hive1}

Parameter tumpahan

Lambda SDK dapat menumpahkan data ke Amazon S3. Semua instance database yang diakses oleh fungsi Lambda yang sama tumpah ke lokasi yang sama.

Parameter	Deskripsi
spill_bucket	Wajib. Nama ember tumpahan.
spill_prefix	Wajib. Tumpahkan key prefix bucket.
spill_put_request_headers	(Opsional) Peta header permintaan dan nilai yang disandikan JSON untuk permintaan Amazon S3 yang digunakan untuk menumpahkan (misalnya,). putObject {"x-amz-server-side-encryption" : "AES256"} Untuk kemungkinan header lainnya, lihat PutObjectdi Referensi API Amazon Simple Storage Service.

Dukungan tipe data

Tabel berikut menunjukkan tipe data yang sesuai untuk JDBC, Cloudera Hive, dan Arrow.

JDBC	Sarang Cloudera	Panah
Boolean	Boolean	Bit
Bilangan Bulat	TINYINT	Kecil
Pendek	SMALLINT	Kecil
Bilangan Bulat	INT	Int
Long	BIGINT	Bigint
float	mengapung4	Mengapung4
Ganda	mengapung8	Mengapung8
Tanggal	tanggal	DateDay
Stempel Waktu	timestamp	DateMilli
String	VARCHAR	Varchar
Byte	byte	Varbiner
BigDecimal	Decimal	Decimal
ARRAY	N/A (lihat catatan)	Daftar

catatan

Saat ini, Cloudera Hive tidak mendukung jenis agregatARRAY,,MAP, STRUCT atau. UNIONTYPE Kolom tipe agregat diperlakukan sebagai VARCHAR kolom dalam SQL.

Partisi dan split

Partisi digunakan untuk menentukan cara menghasilkan split untuk konektor. Athena membangun kolom sintetis tipe varchar yang mewakili skema partisi untuk tabel untuk membantu konektor menghasilkan split. Konektor tidak mengubah definisi tabel yang sebenarnya.

Kinerja

Cloudera Hive mendukung partisi statis. Konektor Athena Cloudera Hive dapat mengambil data dari partisi ini secara paralel. Jika Anda ingin menanyakan kumpulan data yang sangat besar dengan distribusi partisi yang seragam, partisi statis sangat disarankan. Konektor Cloudera Hive tahan terhadap pelambatan karena konkurensi.

Konektor Athena Cloudera Hive melakukan pushdown predikat untuk mengurangi data yang dipindai oleh kueri. LIMITklausa, predikat sederhana, dan ekspresi kompleks didorong ke konektor untuk mengurangi jumlah data yang dipindai dan mengurangi waktu eksekusi kueri.

Klausul LIMIT

LIMIT NPernyataan mengurangi data yang dipindai oleh kueri. Dengan LIMIT N pushdown, konektor hanya mengembalikan N baris ke Athena.

Predikat

Predikat adalah ekspresi dalam WHERE klausa kueri SQL yang mengevaluasi nilai Boolean dan menyaring baris berdasarkan beberapa kondisi. Konektor Athena Cloudera Hive dapat menggabungkan ekspresi ini dan mendorongnya langsung ke Cloudera Hive untuk meningkatkan fungsionalitas dan untuk mengurangi jumlah data yang dipindai.

Operator konektor Athena Cloudera Hive berikut mendukung pushdown predikat:

• Boolean: DAN, ATAU, TIDAK

• KESETARAAN: SAMA, NOT_EQUAL, LESS_THAN, LESS_THAN_OR_EQUAL, GREATER_THAN, GREATER_THAN_OR_EQUAL, IS_NULL

• Aritmatika: TAMBAHKAN, KURANGI, KALIKAN, BAGI, MODULUS, MENIADAKAN

• Lainnya: LIKE_PATTERN, IN

Contoh pushdown gabungan

Untuk kemampuan kueri yang ditingkatkan, gabungkan jenis pushdown, seperti pada contoh berikut:

SELECT * 
FROM my_table 
WHERE col_a > 10 
    AND ((col_a + col_b) > (col_c % col_d))
    AND (col_e IN ('val1', 'val2', 'val3') OR col_f LIKE '%pattern%') 
LIMIT 10;

Kueri passthrough

Konektor Cloudera Hive mendukung kueri passthrough. Kueri passthrough menggunakan fungsi tabel untuk mendorong kueri lengkap Anda ke sumber data untuk dieksekusi.

Untuk menggunakan kueri passthrough dengan Cloudera Hive, Anda dapat menggunakan sintaks berikut:

SELECT * FROM TABLE(
        system.query(
            query => 'query string'
        ))

Contoh query berikut mendorong ke bawah query ke sumber data di Cloudera Hive. Kueri memilih semua kolom dalam customer tabel, membatasi hasilnya menjadi 10.

SELECT * FROM TABLE(
        system.query(
            query => 'SELECT * FROM customer LIMIT 10'
        ))

Informasi lisensi

Dengan menggunakan konektor ini, Anda mengakui penyertaan komponen pihak ketiga, daftar yang dapat ditemukan dalam file pom.xml untuk konektor ini, dan menyetujui persyaratan dalam masing-masing lisensi pihak ketiga yang disediakan dalam file LICENSE.txt di .com. GitHub

Sumber daya tambahan

Untuk informasi versi driver JDBC terbaru, lihat file pom.xml untuk konektor Cloudera Hive di.com. GitHub

Untuk informasi tambahan tentang konektor ini, kunjungi situs terkait GitHub di.com.