这篇文章将为大家详细讲解有关flink中如何使用sql将流式数据写入hive，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。
上一篇介绍了使用sql将流式数据写入文件系统，这次我们来介绍下使用sql将文件写入hive,对于如果想写入已经存在的hive表，则至少需要添加以下两个属性. 写入hive底层还是和写入文件系统一样的，所以对于其他具体的配置参考上一篇.
计算
安全
数据库
网络和加速
企业服务
alter table table_name set TBLPROPERTIES ('is_generic'='false'); alter table table_name set TBLPROPERTIES ('sink.partition-commit.policy.kind'='metastore'); //如果想使用eventtime分区alter table table_name set TBLPROPERTIES ('sink.partition-commit.trigger'='partition-time'); 下面我们讲解一下，如何使用java程序来构建一个flink程序来写入hive。
<dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-connector-hive_${scala.binary.version}</artifactId> <version>${flink.version}</version> </dependency> <dependency> <groupId>org.apache.hive</groupId> <artifactId>hive-exec</artifactId> <version>3.1.2</version> </dependency> //构造hive catalog String name = "myhive"; String defaultDatabase = "default"; String hiveConfDir = "/Users/user/work/hive/conf"; // a local path String version = "3.1.2"; HiveCatalog hive = new HiveCatalog(name, defaultDatabase, hiveConfDir, version); tEnv.registerCatalog("myhive", hive); tEnv.useCatalog("myhive"); tEnv.getConfig().setSqlDialect(SqlDialect.HIVE); tEnv.useDatabase("db1");如果目前系统中没有存在相应的hive表，可以通过在程序中执行相应的DDL建表语句来建表，如果已经存在了，就把这段代码省略，使用上面的hive命令修改现有表，添加相应的属性。
CREATE EXTERNAL TABLE `fs_table`( `user_id` string, `order_amount` double)PARTITIONED BY ( `dt` string, `h` string, `m` string)stored as ORC TBLPROPERTIES ( 'sink.partition-commit.policy.kind'='metastore'， 'partition.time-extractor.timestamp-pattern'='$dt $h:$m:00') String insertSql = "insert into fs_table SELECT userId, amount, " + " DATE_FORMAT(ts, 'yyyy-MM-dd'), DATE_FORMAT(ts, 'HH'), DATE_FORMAT(ts, 'mm') FROM users"; tEnv.executeSql(insertSql);完整的代码请参考：
https://github.com/zhangjun0x01/bigdata-examples/blob/master/flink/src/main/java/connectors/sql/StreamingWriteHive.java
对于如上的程序和sql，如果配置了是使用eventtime，在此程序中配置了'sink.partition-commit.trigger'='partition-time'，最后发现程序没法提交分区。
分析了一下源码，问题是出在了这个方法，org.apache.flink.table.filesystem.stream.PartitionTimeCommitTigger#committablePartitions。先贴上代码：
@Override public List<String> committablePartitions(long checkpointId) { if (!watermarks.containsKey(checkpointId)) { throw new IllegalArgumentException(String.format( "Checkpoint(%d) has not been snapshot. The watermark information is: %s.", checkpointId, watermarks)); } long watermark = watermarks.get(checkpointId); watermarks.headMap(checkpointId, true).clear(); List<String> needCommit = new ArrayList<>(); Iterator<String> iter = pendingPartitions.iterator(); while (iter.hasNext()) { String partition = iter.next(); //通过分区的值抽取分区的时间. LocalDateTime partTime = extractor.extract( partitionKeys, extractPartitionValues(new Path(partition))); //判断水印是否大于分区创建时间+延迟时间 if (watermark > toMills(partTime) + commitDelay) { needCommit.add(partition); iter.remove(); } } return needCommit; }系统通过分区值来抽取相应的分区创建时间,然后进行比对，比如我们设置的pattern是 h:$m:00 , 某一时刻我们正在往 /2020-07-06/18/20/ 这个分区下写数据，那么程序根据分区值，得到的pattern将会是2020-07-06 18:20:00，这个值在sql中是根据DATA_FORMAT函数获取的。
这个值是带有时区的， 也是我想要的， 比如我们的时区设置为东八区，2020-07-06 18:20:00这个时间是东八区的时间，换成标准UTC时间是减去八个小时，也就是2020-07-06 10:20:00，而源码中的toMills函数在处理这个东八区的时间时，并没有任何加入任何时区的处理，把这个其实应该是东八区的时间当做了UTC时间来处理，这样计算出来的值就比实际值大8小时，导致一直没有触发分区的提交。
如果我们在数据源构造的分区是UTC时间，也就是不带分区的时间，那么这个逻辑就是没有问题的，但是这样又不符合我们的实际情况，比如对于分区2020-07-06 18:20:00，我希望我的分区肯定是东八区的时间，而不是比东八区小8个小时的UTC时间2020-07-06 10:20:00。
所以针对上述情况，有两种解决方案，一种是自定义一个分区抽取类，第二，就是修改源码，改一下现在的缺省的时间分区抽取类。我个人认为修改一下缺省类更好理解，因为目前写入文件和hive这块配置和概念有点多，我不想太增加过多的配置来增加用户的难度，应该尽可能的用缺省值就能使程序很好的运行。
我们看下flink中的StreamingFileSink类，构造分区桶的时候默认是使用的DateTimeBucketAssigner，其构造分区路径就是带有时区概念的，默认就用的是本地时区。
public DateTimeBucketAssigner(String formatString) { this(formatString, ZoneId.systemDefault()); } 这个问题，也不知道算不算一个bug，我给官方提交了一个ISSUE，但是官方没有采纳，不过我觉得不符合我的习惯，所以我对这个功能进行了修改，让partition.time-extractor.timestamp-pattern提取的partiiton是带有时区的，默认情况下是本地时区。如果是非本地时区，可以指定时区，通过参数partition.time-extractor.time-zone来指定，我们可以通下面的代码获取有效的时区。
Set<String> zoneIds = ZoneId.getAvailableZoneIds(); zoneIds.stream().forEach(System.out::println);比如我们东八区默认使用 Asia/Shanghai。
我基于社区的flink的tag release-1.11.0-rc4，我改了一下代码 将代码放到了github上。
关于flink中如何使用sql将流式数据写入hive就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
原文链接：https://my.oschina.net/u/4596020/blog/4437995
