使用DataSource语法创建OBS表

以下通过创建 CS V格式的OBS表举例，创建其他数据格式的OBS表方法类似，此处不一一列举。

• 创建OBS非分区表
  • 指定OBS数据文件，创建csv格式的OBS表。
    1. 按照以下文件内容创建“test.csv”文件，并将“test.csv”文件上传到OBS桶“dli-test-021”的根目录下。

       Jordon,88,23
       Kim,87,25
       Henry,76,26

    2. 登录 DLI 管理控制台，选择“SQL编辑器”，在SQL编辑器中“执行引擎”选择“spark”，“队列”选择已创建的SQL队列，数据库选择“testdb”，执行以下命令创建OBS表。

       CREATE TABLE testcsvdatasource (name STRING, score DOUBLE, classNo INT
       ) USING csv OPTIONS (path "obs://dli-test-021/test.csv");

       

       如果是通过指定的数据文件创建的OBS表，后续不支持在DLI通过insert表操作插入数据。OBS文件内容和表数据保持同步。

    3. 查询已创建的“testcsvdatasource”表数据。

       select * from testcsvdatasource;

       图1 查询结果
       
    4. 本地修改原始的OBS表文件“test.csv”，增加一行“Aarn,98,20”数据，重新替换OBS桶目录下的“test.csv”文件。

       Jordon,88,23
       Kim,87,25
       Henry,76,26
       Aarn,98,20

    5. 在DLI的SQL编辑器中再次查询“testcsvdatasource”表数据，DLI上可以查询到新增的“Aarn,98,20”数据。

       select * from testcsvdatasource;

       图2 查询结果
       
  • 指定OBS数据文件目录，创建csv格式的OBS表。
    • 指定的OBS数据目录不包含数据文件。
      1. 在OBS桶“dli-test-021”根目录下创建数据文件目录“data”。
      2. 登录DLI管理控制台，选择“SQL编辑器”，在SQL编辑器中“执行引擎”选择“spark”，“队列”选择已创建的SQL队列，数据库选择“testdb”。在DLI的“testdb”数据库下创建OBS表“testcsvdata2source”。

         CREATE TABLE testcsvdata2source (name STRING, score DOUBLE, classNo INT) USING csv OPTIONS (path "obs://dli-test-021/data");

      3. 通过insert语句插入表数据。

         insert into testcsvdata2source VALUES('Aarn','98','20');

      4. insert作业运行成功后，查询OBS表“testcsvdata2source”数据。

         select * from testcsvdata2source;

         图3 查询结果
         
      5. 在OBS桶的“obs://dli-test-021/data”目录下刷新后查询，生成了csv数据文件，文件内容为insert插入的数据内容。
         图4 查询结果
         
    • 指定的OBS数据目录包含数据文件。
      1. 在OBS桶“dli-test-021”根目录下创建数据文件目录“data2”。创建如下内容的测试数据文件“test.csv”，并上传文件到“obs://dli-test-021/data2”目录下。

         Jordon,88,23
         Kim,87,25
         Henry,76,26

      2. 登录DLI管理控制台，选择“SQL编辑器”，在SQL编辑器中“执行引擎”选择“spark”，“队列”选择已创建的SQL队列，数据库选择“testdb”。在DLI的“testdb”数据库下创建OBS表“testcsvdata3source”。

         CREATE TABLE testcsvdata3source (name STRING, score DOUBLE, classNo INT) USING csv OPTIONS (path "obs://dli-test-021/data2");

      3. 通过insert语句插入表数据。

         insert into testcsvdata3source VALUES('Aarn','98','20');

      4. insert作业运行成功后，查询OBS表“testcsvdata3source”数据。

         select * from testcsvdata3source;

         图5 查询结果
         
      5. 在OBS桶的“obs://dli-test-021/data2”目录下刷新后查询，生成了一个csv数据文件，内容为insert插入的表数据内容。
         图6 查询结果
         
• 创建OBS分区表
  • 创建单分区OBS表
    1. 在OBS桶“dli-test-021”根目录下创建数据文件目录“data3”。
    2. 登录DLI管理控制台，选择“SQL编辑器”，在SQL编辑器中“执行引擎”选择“spark”，“队列”选择已创建的SQL队列，数据库选择“testdb”。在DLI的“testdb”数据库下创建以“classNo”列为分区的OBS分区表“testcsvdata4source”，指定OBS目录“obs://dli-test-021/data3”。

       CREATE TABLE testcsvdata4source (name STRING, score DOUBLE, classNo INT) USING csv OPTIONS (path "obs://dli-test-021/data3") PARTITIONED BY (classNo);

    3. 在OBS桶的“obs://dli-test-021/data3”目录下创建“classNo=25”的分区目录。根据以下文件内容创建数据文件“test.csv”，并上传到OBS的“obs://dli-test-021/data3/classNo=25”目录下。

       Jordon,88,25
       Kim,87,25
       Henry,76,25

    4. 在SQL编辑器中执行以下命令，导入分区数据到OBS表“testcsvdata4source ”。

       ALTER TABLE
         testcsvdata4source
       ADD
         PARTITION (classNo = 25) LOCATION 'obs://dli-test-021/data3/classNo=25';

    5. 查询OBS表“testcsvdata4source ”classNo分区为“25”的数据：

       select * from testcsvdata4source where classNo = 25;

       图7 查询结果
       
    6. 插入如下数据到OBS表“testcsvdata4source ”：

       insert into testcsvdata4source VALUES('Aarn','98','25');
       insert into testcsvdata4source VALUES('Adam','68','24');

    7. 查询OBS表“testcsvdata4source ”classNo分区为“25”和“24”的数据。
       

       分区表在进行查询时where条件中必须携带分区字段，否则会查询失败，报：DLI.0005: There should be at least one partition pruning predicate on partitioned table。

       select * from testcsvdata4source where classNo = 25;

       图8 查询结果
       

       select * from testcsvdata4source where classNo = 24;

       图9 查询结果
       
    8. 在OBS桶的“obs://dli-test-021/data3”目录下点击刷新，该目录下生成了对应的分区文件，分别存放新插入的表数据。
       图10 OBS上classNo分区为“25”文件数据
       
       图11 OBS上classNo分区为“24”文件数据
       
  • 创建多分区OBS表
    1. 在OBS桶“dli-test-021”根目录下创建数据文件目录“data4”。
    2. 登录DLI管理控制台，选择“SQL编辑器”，在SQL编辑器中“执行引擎”选择“spark”，“队列”选择已创建的SQL队列，数据库选择“testdb”。在“testdb”数据库下创建以“classNo”和“dt”列为分区的OBS分区表“testcsvdata5source”，指定OBS目录“obs://dli-test-021/data4”。

       CREATE TABLE testcsvdata5source (name STRING, score DOUBLE, classNo INT, dt varchar(16)) USING csv OPTIONS (path "obs://dli-test-021/data4") PARTITIONED BY (classNo,dt);

    3. 给 testcsvdata5source表插入如下测试数据：

       insert into testcsvdata5source VALUES('Aarn','98','25','2021-07-27');
       insert into testcsvdata5source VALUES('Adam','68','25','2021-07-28');

    4. 根据classNo分区列查询testcsvdata5source数据。

       select * from testcsvdata5source where classNo = 25;

       图12 查询结果
       
    5. 根据dt分区列查询testcsvdata5source数据。

       select * from testcsvdata5source where dt like '2021-07%';

       图13 查询结果
       
    6. 在OBS桶“obs://dli-test-021/data4”目录下刷新后查询，会生成如下数据文件：
       • 文件目录1：obs://dli-test-021/data4/xxxxxx/classNo=25/dt=2021-07-27
         图14 查询结果
         
       • 文件目录2：obs://dli-test-021/data4/xxxxxx/classNo=25/dt=2021-07-28
         图15 查询结果
         
    7. 在OBS桶的“obs://dli-test-021/data4”目录下创建“classNo=24”的分区目录，再在“classNo=24”目录下创建子分区目录“dt=2021-07-29”。根据以下文件内容创建数据文件“test.csv”，并上传到OBS的“obs://dli-test-021/data4/classNo=24/dt=2021-07-29”目录下。

       Jordon,88,24,2021-07-29
       Kim,87,24,2021-07-29
       Henry,76,24,2021-07-29

    8. 在SQL编辑器中执行以下命令，导入分区数据到OBS表“testcsvdata5source ”。

       ALTER TABLE
         testcsvdata5source
       ADD
         PARTITION (classNo = 24,dt='2021-07-29') LOCATION 'obs://dli-test-021/data4/classNo=24/dt=2021-07-29';

    9. 根据classNo分区列查询testcsvdata5source数据。

       select * from testcsvdata5source where classNo = 24;

       图16 查询结果
       
    10. 根据dt分区列查询所有“2021-07”月的所有数据。

        select * from testcsvdata5source where dt like '2021-07%';

        图17 查询结果