Kudu建表操作

使用Impala shell

输入impala-shell，即可进入impala-shell环境，impala-shell默认连接localhost:21000

如果要连接一个不同的主机(host) ，请使用使用impala-shell  -i 主机名:端口号

如果要退出impala shell，请使用 quit 命令

 内部表与外部表

内部表：由Impala控制，当你使用Impala删除这个表的时候，这个表的数据和表格是被真正的删除了。一般创立新的表都是内部表。

外部表：不受Impala控制，当你使用Impala删除这个表的时候，他并不会从Kudu原地址删除表，而是移除了Impala和Kudu的Mapping

 创建一个Kudu table

Impala会先创建一个table，然后创建mapping

1.某个字段为主键那么它必须要在建表语句前面

2.创建一个表，你需要具体化一个分配方案，如何分配参见《Partitioning Rules of Thumb 》

Partitioning Tables

1.前面介绍到，Kudu的表被水平分割成很多块，每一个块称为Tablet。

kudu表tables，会根据 主键列分割模式 分割成tablets，理想的情况下，一个table应该被均匀的分配成tablets实现最大化并行操作。

Basic Partitioning：

PARTITION BY HASH：

通过hash，将tablets分布在具体数量的“buckets”

举个例子：

CREATE TABLE cust_behavior (
  id BIGINT,
  sku STRING,
  salary STRING,
  edu_level INT,
  usergender STRING,
  `group` STRING,
  city STRING,
  postcode STRING,
  last_purchase_price FLOAT,
  last_purchase_date BIGINT,
  category STRING,
  rating INT,
  fulfilled_date BIGINT,
  PRIMARY KEY (id, sku)
)
PARTITION BY HASH PARTITIONS 16
STORED AS KUDU;

这个例子，通过哈希id和sku，创建了16个tablets，如果要查询sku列的部分值，可能需要读16个tablets。这可能不是最佳的分法。

PARTITION BY RANGE：

Range partitioning in Kudu allows splitting a table based on specific values or ranges of values of the chosen partition keys. This allows you to balance parallelism in writes with scan efficiency.

分区遵循的经验原则

如果是事实表：请尽可能多的利用集群中的电脑。如果是维度表：确保每一个tablet有1GB的大小

 Insert Data 

batch insert

我们一般使用SELECT FROM 语法导入数据

 INSERT INTO my_kudu_table

SELECT * FROM legacy_data_import_table; 

主键唯一性冲突

在大多数关系型数据库中，如果你插入一个曾经被插入过的行，插入操作会失败这是因为主键会重复。

Impala不会让这项 query失败，它会产生一个警告，然后执行剩下的操作。

如果插入的行命中注定会替代过去存在的行，使用Upsert 替代 Insert

INSERT INTO my_first_table VALUES (99, "sarah");
UPSERT INTO my_first_table VALUES (99, "zoe");
-- the current value of the row is 'zoe'