1.业务上有需求需要并发读取多个来源表,然后插入到目标表,询问是否会有啥报错?
2.第一感觉是可能会发生并发写报错,然后进行测试。
3.准备数据1G(太少看不到过程),按行划分
4.建立三张表test1.,test2,test3
create table test1(id string);
create table test2(id string);
create table test3(id string);
5.test1,test2为来源表,test3为目标表
6.首先test1,test2load数据
7.然后打开两个窗口,同时执行insert select操作
insert into table test3 select * from test1 where id != "";
insert into table test3 select * from test2 where id != "";
8.执行期间在打开一个窗口查看test3表的hdfs路径下文件变化
首先会有两个临时目录产生,对应两个job的各自目录
执行完成后观察变为如下:
9.再次执行两次insert,执行完,再次管擦test3hdfs目录,如下
10.结论 :
hive多表并发插入一张表的时候,加入是在同一个分区下,会验证文件名000000_0,是否存在,若存在最后会输出到000000_0_copy_1,以此类推;若某张表数据来源较多,同时发现不存在文件名000000_n,则会写到文件名000000_0;即整个过程没有发生并发写问题。