Metastore Hive

Dataproc Metastore è un metastore Apache Hive (HMS) serverless serverless, completamente gestito, a disponibilità elevata, in esecuzione su Google Cloud.

Per gestire completamente i metadati, Dataproc Metastore mappa i tuoi dati alle tabelle Apache Hive.

Versioni di Apache Hive supportate

Dataproc Metastore supporta solo versioni specifiche di Apache Hive. Per ulteriori informazioni, consulta il criterio della versione di Hive.

In che modo Hive gestisce i metadati

Poiché Dataproc Metastore è un metastore Hive, è importante capire come gestisce i metadati.

Per impostazione predefinita, tutte le applicazioni Hive possono avere tabelle interne gestite o tabelle esterne non gestite. In altre parole, i metadati archiviati in un servizio Dataproc Metastore possono esistere in tabelle interne ed esterne.

Quando modifichi i dati, un servizio Dataproc Metastore (Hive) tratta in modo diverso le tabelle interne ed esterne.

  • Tabelle interne. Gestisce sia i metadati che i dati delle tabelle.
  • Tabelle esterne. Gestisce solo i metadati.

Ad esempio, se elimini una definizione di tabella utilizzando l'istruzione SQL DROP TABLE Hive:

drop table foo

  • Tabelle interne. Dataproc Metastore elimina tutti i metadati. Elimina anche i file associati alla tabella.

  • Tabelle esterne. Dataproc Metastore elimina solo i metadati. I dati associati alla tabella vengono conservati.

Directory del warehouse Hive

Dataproc Metastore utilizza la directory del warehouse Hive per gestire le tabelle interne. La directory del warehouse Hive è la posizione in cui vengono archiviati i dati effettivi.

Quando usi un servizio Dataproc Metastore, la directory del warehouse Hive predefinita è un bucket Cloud Storage. Dataproc Metastore supporta solo l'uso dei bucket Cloud Storage per la directory del warehouse. In confronto, questo è diverso da un HMS on-premise, in cui la directory del warehouse Hive di solito punta a una directory locale.

Questo bucket viene creato automaticamente ogni volta che crei un servizio Dataproc Metastore. Questo valore può essere modificato impostando un override della configurazione Hive Metastore nella proprietà hive.metastore.warehouse.dir.

Elementi Cloud Storage

Il bucket degli artefatti archivia gli artefatti di Dataproc Metastore, come i metadati esportati e i dati di tabelle interne gestite.

Quando crei un servizio Dataproc Metastore, nel progetto viene creato automaticamente un bucket Cloud Storage. Per impostazione predefinita, sia il bucket degli artefatti sia la directory del warehouse puntano allo stesso bucket. Non puoi modificare la località del bucket degli artefatti, ma puoi modificare la località della directory del warehouse Hive.

Il bucket degli artefatti si trova nella seguente località:

  • gs://your-artifacts-bucket/hive-warehouse.
  • Ad esempio, gs://gcs-your-project-name-0825d7b3-0627-4637-8fd0-cc6271d00eb4.

Accedi alla directory del warehouse Hive

Dopo che il bucket è stato creato automaticamente, assicurati che i tuoi account di servizio Dataproc dispongano dell'autorizzazione per accedere alla directory del warehouse Hive.

  • Per accedere alla directory del warehouse a livello di oggetto (ad esempio, gs://mybucket/object), concedi agli account di servizio Dataproc l'accesso in lettura e scrittura all'oggetto Storage del bucket, utilizzando il ruolo roles/storage.objectAdmin. Questo ruolo deve essere impostato a livello di bucket o superiore.

  • Per accedere alla directory del warehouse quando utilizzi una cartella di primo livello, ad esempio gs://mybucket, concedi agli account di servizio Dataproc l'accesso in lettura e scrittura all'oggetto di archiviazione del bucket, utilizzando il ruolo roles/storage.storageAdmin.

Se la directory del warehouse Hive non si trova nello stesso progetto di Dataproc Metastore, assicurati che l'agente di servizio Dataproc Metastore disponga dell'autorizzazione per accedere alla directory del warehouse Hive. L'agente di servizio per un progetto Dataproc Metastore è service-PROJECT_NUMBER@gcp-sa-metastore.iam.gserviceaccount.com. Concedi all'agente di servizio l'accesso in lettura e scrittura al bucket utilizzando il ruolo roles/storage.objectAdmin.

Trova la directory del warehouse Hive

  1. Apri la pagina Dataproc Metastore.

  2. Fai clic sul nome del servizio.

    Si apre la pagina dei dettagli del servizio.

  3. Nella tabella di configurazione, trova Metastore config override > hive.metastore.warehouse.dir.

  4. Trova il valore che inizia con gs://.

    Questo valore è la posizione della directory del warehouse Hive.

    Valori hive.metastore.warehouse.dir

Modifica la directory del warehouse Hive

Per utilizzare il tuo bucket Cloud Storage con Dataproc Metastore, imposta un override della configurazione Hive Metastore in modo che punti alla nuova località del bucket.

Se modifichi la directory di warehouse predefinita, segui questi suggerimenti.

  • Non utilizzare la radice del bucket Cloud Storage (gs://mybucket) per archiviare le tabelle Hive.

  • Assicurati che il tuo account di servizio VM Dataproc Metastore disponga dell'autorizzazione per accedere alla directory del warehouse Hive.

  • Per ottenere risultati ottimali, utilizza i bucket Cloud Storage che si trovano nella stessa regione del servizio Dataproc Metastore. Sebbene Dataproc Metastore consenta i bucket tra regioni, le risorse allocate in varie regioni offrono prestazioni migliori. Ad esempio, un bucket multiregionale UE non funziona bene con un servizio us-central1. L'accesso tra regioni comporta una maggiore latenza, la mancanza di isolamento per gli errori a livello di regione e costi per la larghezza di banda di rete tra regioni.

Per modificare la directory del warehouse Hive

  1. Apri la pagina Dataproc Metastore.

  2. Fai clic sul nome del servizio.

    Si apre la pagina dei dettagli del servizio.

  3. Nella tabella di configurazione, individua la sezione Metastore config override > sezione hive.metastore.warehouse.dir.

  4. Modifica il valore hive.metastore.warehouse.dir nella località del nuovo bucket. Ad esempio, gs://my-bucket/path/to/location.

Elimina il bucket

L'eliminazione del servizio Dataproc Metastore non comporta l'eliminazione automatica del bucket degli artefatti di Cloud Storage. Il bucket non viene eliminato automaticamente perché potrebbe contenere dati post-servizio utili. Per eliminare il bucket, esegui un'operazione di eliminazione di Cloud Storage.

Passaggi successivi