分布式SQL引擎-----------Inceptor（学习使用）

一、 使用场景

1. 批处理； 2.统计分析；3. 图计算和图检索；4.交互式统计分析

二、Inceptor架构

• InceptorServer

其中，connector是对BI/ETL工具提供标准JDBC\ODBC接口；

           SQL Compiler是语法解析器、优化器、代码生成；

           PL/SQL Compiler是存储过程解析器、控制流优化器、并行优化器；

          Transaction Manager是分布式增删改、事务并发控制器；

          Spark---更高计算效率、大数据量下的高稳定；

整体以Executor（一组用于分布式计算的计算资源）形式存在，可在界面上进行配置。

• Metastore

存储Inceptor元数据，后台数据存储在TxSQL(MySQL集群)，

主要元数据包括 数据库信息、表信息以及字段属性、分区分桶信息。

三、Inceptor SQL

$ beeline -u "jdbc:hive2://<server_ip/hostname>:10000/default" -n <username> -p <password>

四、数据类型（大体的，不是指Inceptor中的数据类型）

• 基本数据类型

     TINYINT(1字节)、SMALLINT(2字节)、INT(4字节)、BIGINT(8字节)

     FLOAT、DOUBLE、DECIMAL（不可变的、任意精度的，有符号的十进制数）、BOOLEAN、

     STRING、VARCHAR（可变长度字符）、

     DATA（日期）、TIMESTAMP（表示日期和时间）、INTERVAL DAY/MONTH/YEAR（用于存储一段以年，月火日为单位的时间）

• 复杂数据类型

      ARRAY、 MAP（无序键值对，键类型必须是原生数据类型，值的类型可以是原生或者复杂）、STRUCT（一组命名的字段）

五、Inceptor中的数据类型

所有的CHAR\NCHAR\VARCHAR\NVACHAR 在Inceptor中都是 STRING 类型；

Numeric、decimal对应decimal（a，b），参数a是共几位有效数，b是小数点后有几位。

六、一些常见命令

创建新数据库

>CREATE DATABASE test_db;  

查看数据库信息

> DESCRIBE DATABASE test_db;

要查看指定数据库下所有的表

> SHOW TABLES;

表的分区：PARTITIONED BY子句   （PARTITIONED 分段的意思）

表的分桶：CLUSTERED BY子句     （CLUSTERED 群集的; 成群的）

基础建表语句：

> CREATE TABLE table_name (col1 col_type1, col2 col_type2, ...)；

创建一个表存放一次查询的结果

> CREATE TABLE table_name AS SELECT select_statement;

重命名

> ALTER TABLE table_name RENAME TO new_table_name;

改动表的注释

> ALTER TABLE table_name SET TBLPROPERTIES ('comment' = new_comment);

Inceptor支持对表的单值分区和范围分区

在逻辑上，将表中的数据按分区放在表目录下的对应子目录中，一个分区对应一个子目录

在物理上，分区表和未分区表没有区别

添加分区

> ALTER TABLE table_name ADD [IF NOT EXISTS] PARTITION partition_spec [LOCATION 'location1'];

注意，该目录必须是HDFS目录，不可以是文件。

添加range partition

> ALTER TABLE table_name ADD [IF NOT EXISTS] PARTITION VALUES LESS THAN (values)

删除分区

> ALTER TABLE table_name DROP [IF EXISTS] PARTITION partition_spec； 动态分区： ALTER TABLE table name DROP PARTITION partition_name；

分桶是通过改变数据的存储分布让某些任务（比如取样，join等）运行得更快，对查询起到一定的优化作用，表的分桶在建表时完成，不允许修改。

CREATE TABLE table_name (col_name data_type, col_name data_type, ...)
CLUSTERED BY (col_name,)
[SORTED BY (col_name, col_name,...)[ASC|DESC]]
INTO n BUCKETS

INTO n BUCKETS指定桶的数量
SORTED BY根据指定的键排序。ASC表示升序，DESC表示降序。默认顺序是升序。
和分区键不同，分桶键必须是表中的列。

向分桶表写入数据只能通过INSERT，而不能LOAD。

正确的给分桶表写入数据
set hive.enforce.bucketing = true;

INSERT OVERWRITE TABLE table_name SELECT * FROM table_name;

导入数据：LOAD

插入数据：INSERT

数据导入要预处理，看编码格式和以什么为换行符

file$filename

需要转码：

iconv -f gbk -t utf-8 $sourceFile > $targetFile
iconv是转码工具，-f源编码格式，-t目标编码格式。转码后再上传。

WHERE和HAVING

WHERE子句和HAVING子句的区别在于，一次查询中如果有WHERE子句，Inceptor会先执行WHERE子句的过滤条件再执行SELECT语句，而查询中如果用到了HAVING子句，Inceptor会先执行SELECT语句，再执行HAVING子句。

换句话说，WHERE在SELECT之前过滤，而HAVING在SELECT之后过滤。

 HAVING语句在GROUPBY语句之后；SQL会在分组之后计算HAVING语句。

HAVING后可跟聚合函数，WHERE后不能有聚合函数。

PL/SQL

是一种具有流程控制的数据库程序设计语言。

PL/SQL块由四个基本部分组成：声明、执行体开始、异常处理、执行体结束

DECLARE  --声明（可选部分）
transid STRING
BEGIN  --执行体开始（必要部分）
SELECT trans_id into transid from transactions where acc_num=6513065
DBMS_OUTPUT.put_line(transid)
EXCEPTION  --异常处理（可选部分）
WHEN too_many_rows
THEN
DBMS_OUTPUT.put_line ('too many rows')
END;  --执行体结束（必要部分）

存储过程

创建存储过程
CREATE OR REPLACE PROCEDURE hello_world()
IS
DECLARE
l_message STRING := 'Hello World!'
BEGIN
DBMS_OUTPUT.put_line (l_message)
END;

调用存储过程
BEGIN
hello_world()
END;

持续更新！