Spark SQL----INSERT OVERWRITE DIRECTORY

一、描述

INSERT OVERWRITE DIRECTORY语句使用spark文件格式或Hive Serde，用新的值覆盖目录中的现有数据。使用Hive Serde必须启用Hive支持。插入的行可以由值表达式指定，也可以由查询结果指定。

二、语法

INSERT OVERWRITE [ LOCAL ] DIRECTORY [ directory_path ]
    { spark_format | hive_format }
    { VALUES ( { value | NULL } [ , ... ] ) [ , ( ... ) ] | query }

spark_format定义为

USING file_format [ OPTIONS ( key = val [ , ... ] ) ]

hive_format定义为

[ ROW FORMAT row_format ] [ STORED AS hive_serde ]

三、参数

• directory_path
  指定目标目录。LOCAL关键字用于指定目录在本地文件系统上。在spark文件格式中，也可以使用path在OPTIONS中指定，但directory_path和path选项不能同时指定。
• file_format
  指定用于插入的文件格式。有效选项为TEXT、CSV、JSON、JDBC、PARQUET、ORC、HIVE、LIBSVM，或org.apache.spark.sql.execution.datasources.FileFormat的自定义实现的完全限定类名。
• OPTIONS ( key = val [ , … ] )
  指定一个或多个用于写入文件格式的选项。
• hive_format
  指定用于插入的文件格式。row_format和hive_serde都是可选的。ROW FORMAT SERDE只能与 TEXTFILE, SEQUENCEFILE或RCFILE一起使用，而ROW FORMAT DELIMITED只能与TEXTFILE一起使用。如果两者都没有定义，spark将使用TEXTFILE。
• row_format
  指定此插入的行格式。有效的选项是SERDE子句和DELIMITED子句。SERDE子句可用于为此插入指定自定义SerDe。或者，DELIMITED子句可以用于指定本机SerDe并声明分隔符、转义符、null字符等。
• hive_serde
  指定此插入的文件格式。有效选项为TEXTFILE、SEQUENCEFILE、RCFILE、ORC、PARQUET和AVRO。你也可以使用INPUTFORMAT和OUTPUTFORMAT指定自己的输入和输出格式。
• VALUES ( { value | NULL } [ , … ] ) [ , ( … ) ]
  指定要插入的值。可以插入显式指定的值或NULL。必须使用逗号分隔子句中的每个值。可以指定多个值集来插入多行。
• query
  生成要插入的行的查询。它可以是以下格式之一：
  • SELECT语句
  • Inline Table语句
  • FROM语句

四、例子

4.1 Spark format

INSERT OVERWRITE DIRECTORY '/tmp/destination'
    USING parquet
    OPTIONS (col1 1, col2 2, col3 'test')
    SELECT * FROM test_table;

INSERT OVERWRITE DIRECTORY
    USING parquet
    OPTIONS ('path' '/tmp/destination', col1 1, col2 2, col3 'test')
    SELECT * FROM test_table;

4.2 Hive format

INSERT OVERWRITE LOCAL DIRECTORY '/tmp/destination'
    STORED AS orc
    SELECT * FROM test_table;

INSERT OVERWRITE LOCAL DIRECTORY '/tmp/destination'
    ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
    SELECT * FROM test_table;