关于数据库:创建Iceberg表的步骤DEEPNOVA开发者社区

作者：闻乃松

创立表是引擎的必备根本能力，引擎有很多，Hive、Spark、Flink、Trino等等，咱们权且只关注这些，创立的表依照是否跟引擎绑定，分为两大类：managed table和external table。以这里举例的引擎为例，它们都能够将表元数据保护在Hive Metastore中，对引擎来讲，这些表以external table的模式存在。

在本文中，咱们将话题限度在Hive、Spark、Flink、Trino如何创立Iceberg表，并且保障各引擎都能够无障碍相互拜访。这样，咱们的话题分为3个局部：

1. 不同引擎创立的Iceberg表为什么不兼容？
2. 如何屏蔽不同引擎创立Iceberg表的差别？
3. 创立独立引擎的Iceberg表的步骤

不同引擎创立的Iceberg表为什么不兼容

Hive、Spark、Flink、Trino创立的Iceberg表元数据都存储在HMS中，也就是复用了HMS的存储模型，次要波及的表的互相关系如下：

以Hive创立的Iceberg表为例，来看看其存储内容：

CREATE TABLE default.sample_hive_table_1( id bigint, name string ) PARTITIONED BY( dept string ) STORED BY ‘org.apache.iceberg.mr.hive.HiveIcebergStorageHandler’；

首先在TBLS中存储了一条记录：记录了以后表的ID，名称，类型，数据库ID，序列化ID，拥有者等信息。在TABLE_PARAMS中存储了相干参数：

storage_handler记录了以后表须要用Iceberg handler来解决。Iceberg表的元数据信息，通过metadata_location和previous_metadata_location指定，前者代表最新变更记录，后者代表上一次的变更记录。

在字段表COLUMNS_V2中记录了字段信息：

由图可知，其并没有存储分区字段，分区信息存储在元数据文件中。这个表只保留表最新版本的字段信息。

SERDES和SERDES_PARAMS存储序列化相干的信息，重要的字段只有一个：SERDES.SLIB=org.apache.iceberg.mr.hive.HiveIcebergSerDe

如果你用其余引擎来创立Iceberg表，会发现元数据存储上的几个差异：

首先是序列化信息变成了：

SERDES.SLIB=org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe

其次是SDS的存储格局变成了其余HDFS文件格式（以下为示例格局）：

最初是没有Iceberg的storage_handler属性，因为这些格局跟Hive创立的Iceberg表的差别，导致Hive引擎无奈辨认其余引擎创立的表，而其余几种引擎之间是互通的，且能拜访Hive 创立的Iceberg表，互通关系体现为：

其中红色箭头示意单项互通。

如何屏蔽不同引擎创立Iceberg表的差别

最简略的方法是间接批改元数据：

NSERT INTO TABLE_PARAMS (TBL_ID, PARAM_KEY, PARAM_VALUE) 
    VALUES(898, 'storage_handler', 'org.apache.iceberg.mr.hive.HiveIcebergStorageHandler'); 

update SDS set INPUT_FORMAT =NULL ,OUTPUT_FORMAT =NULL where SD_ID =898;

update SERDES set slib='org.apache.iceberg.mr.hive.HiveIcebergSerDe' 
    where serde_ID =898

为了做到Iceberg表元数据的真正中立，也能够将SDS的INPUT_FORMAT 和 OUTPUT_FORMAT 字段都置NULL。

这是通过预先修补的方法来做到的，是否在创立表之前就批改呢？并且不批改各引擎的实现代码。实际上，引擎创立Iceberg表，是通过iceberg API来实现的，交互逻辑大略是这个样子：

那是不是有方法间接通过Iceberg API创立HMS表呢？of course！

更进一步，咱们将上述逻辑模型，形象成如下构造，引擎变成了通用了Restful API，现实状况下，应用方只须要传入创立表的相干参数等信息即可：

这样一来，不论是Hive表还是Iceberg表，都能够通过这个模型实现表的创立。接下来，咱们看如何形象这样的表模型。

创立独立引擎的Iceberg表的步骤

通过下面元数据的剖析，能够将创立Iceberg表的元数据信息分为上面几类：

表名称和类型信息，用一个复合字段来示意：

"name": { 
    "catalogName": "mycatalog",
    "databaseName": "test_iceberg_db", 
    "tableName": "test_iceberg_table", 
    "type": "TABLE"
}

域字段列表信息，用一个复合数组示意：

"fields": [ 
    { 
    "comment": "primary key", 
    "defaultValue": 0,
    "isIndexKey": true, 
    "isNullable": false, 
    "isSortKey": true, 
    "name": "id", 
    "type": "int" 
    }, 
    { 
    "comment": "data value",
    "defaultValue": "", 
    "isIndexKey": false, 
    "isNullable": false, 
    "isSortKey": false, 
    "name": "data", 
    "source_type": "string", 
    "type": "string" 
    }
]

元数据信息，用一个复合构造示意：

"metadata": { 
    "table_type": "ICEBERG",
    "location": "s3a://faas-ethan/warehouse/test_iceberg_db/test_iceberg_table" 
}

序列化信息，用一个复合构造示意：

"serde": { 
    "inputFormat": "org.apache.iceberg.mr.hive.HiveIcebergInputFormat", 
    "outputFormat": "org.apache.iceberg.mr.hive.HiveIcebergOutputFormat", 
    "parameters": 
    {
    "k1":"v1" 
    }, 
    "serializationLib": "string", 
    "uri": "your_hive_table_locaton"
}

有了表的模型之后，就能够依照上面创立Hive表的创立模板来走了：

//创立Fields 
List<FieldSchema> fields = new ArrayList<FieldSchema>();
fields.add(new FieldSchema("colname", serdeConstants.STRING_TYPE_NAME, "comment"));
//创立StorageDescriptor 
StorageDescriptor sd = new StorageDescriptor(); 
sd.setCols(fields); sd.setSerdeInfo(new SerDeInfo()); 
//创立Table对象 
Table tbl = new Table(); 
tbl.setDbName(DB_NAME); 
tbl.setTableName(TBL_NAME);
tbl.setSd(sd); 
//申请HMS长久化
Table table=hiveMetaStoreClient.createTable(tbl);

下面示例代码将创立Hive的模板流程划分为4个步骤：

• 创立Fields
• 创立StorageDescriptor
• 创立Table对象
• 申请HMS长久化Table

总结

本文讲述了不同引擎，次要是Hive、Spark、Flink和Trino，在创立Iceberg表上存在的兼容性问题及其产生的起因，而后给出了解决办法。最初，通过形象一种创立跟引擎无关的Iceberg表的示意办法及其创立步骤。该办法的重要作用是可能实现通用的元数据管理。