Hive 3.x 支持 ACID 增删改查

Hive 3 ACID事务
Hive 3通过使用涉及增量文件的写入，读取，插入，创建，删除和更新操作中的技术实现事务性表的原子性和隔离操作，这些操作可以提供查询状态信息并帮助您解决查询问题。

写入和读取操作
Hive 3写入和读取操作改进了事务表的ACID属性和性能。事务表与其他表一样执行。Hive支持所有TPC Benchmark DS（TPC-DS）查询。

Hive 3及更高版本通过简单的写入和插入扩展了原子操作，以支持以下操作：
写入多个分区
在单个SELECT语句中使用多个insert子句
单个语句可以写入多个分区或多个表。如果操作失败，则用户看不到部分写入或插入。即使数据经常变化，操作仍然保持高效，例如每小时百分之一。Hive 3及更高版本不会覆盖整个分区以执行更新或删除操作。

读取语义包括快照隔离。当读取操作开始时，Hive在逻辑上锁定仓库的状态。读操作不受操作期间发生的更改的影响。

仅插入表中的原子性和隔离
当仅插入事务开始时，事务管理器获取事务ID。对于每次写入，事务管理器都会分配写入ID。此ID确定实际写入数据的路径。以下代码显示了仅插入事务表的架构：

CREATE TABLE tm (a int, b int) TBLPROPERTIES
('transactional'='true',
'transactional_properties'='insert_only');
假设发生了三次插入操作，第二次操作失败：

INSERT INTO tm VALUES(1,1);
INSERT INTO tm VALUES(2,2); // Fails
INSERT INTO tm VALUES(3,3);
对于每个写入操作，Hive都会创建一个delta目录，事务管理器将数据文件写入该目录。Hive将所有数据写入由写入ID指定的增量文件，并映射到表示原子操作的事务ID。如果发生故障，则事务被标记为中止，但它是原子的：

tm
___ delta_0000001_0000001_0000
└── 000000_0
___ delta_0000002_0000002_0000       //Fails
└── 000000_0
___ delta_0000003_0000003_0000
└── 000000_0
在读取过程中，事务管理器维护每个事务的状态。当阅读器启动时，它会询问由高水印表示的快照信息。水印标识系统中的最高事务ID，后跟表示仍在运行或已中止的事务的异常列表。

读者查看增量并过滤掉或跳过任何已中止或仍在运行的事务ID。读者将此技术与参与事务的任意数量的分区或表一起使用，以实现事务表的操作的原子性和隔离。

CRUD表中的原子性和隔离性
支持更新和删除的表需要稍微不同的技术来实现原子性和隔离。Hive运行在仅附加文件系统之上，这意味着Hive不执行就地更新或删除。在存在就地更新或删除的情况下，不能发生读取器和写入器的隔离。在这种情况下，隔离需要锁管理器或其他一些机制。这些机制为长时间运行的查询带来了问题。

Hive不是就地更新，而是使用行ID装饰每一行。行ID是 struct由以下信息组成的：
映射到创建该行的事务的写入ID
桶ID，创建该行的物理写入器的具有几位信息的位支持整数
行ID，在写入数据文件时对行进行编号
以下示例显示完整CRUD（创建，检索，更新，删除）事务表的架构：

CREATE TABLE acidtbl (a INT, b STRING)
STORED AS ORC TBLPROPERTIES
('transactional'='true');

当发生删除时，Hive会将更改附加到表中，而不是就地删除。删除的数据变得不可用，压缩过程稍后处理垃圾收集。

创建操作
以下示例将多行数据插入完整的CRUD事务表，创建增量文件，并将行ID添加到数据文件中。

INSERT INTO acidtbl (a,b) VALUES (100, "oranges"), (200, "apples"), (300, "bananas");
此操作将生成具有以下数据的目录和文件delta_00001_00001 / bucket_0000：
ROW_ID 一个 b
{1,0,0} 100 “橙子”
{} 1,0.1 200 “苹果”
{1,0,2} 300 “香蕉”
删除操作
与单行匹配的delete语句还会创建一个delta文件，称为delete-delta。该文件为与您的查询匹配的行存储一组行ID。在阅读时，读者会查看此信息。当它找到与行匹配的删除事件时，它会跳过该行，并且该行不包含在运算符管道中。以下示例从事务表中删除数据：

DELETE FROM acidTbl where a = 200;
此操作生成具有以下数据的目录和文件delete_delta_00002_00002 / bucket_0000：
ROW_ID 一个 b
{1,0,1} 空值 空值
更新操作
更新结合了删除和插入新数据。以下示例更新了一个事务表：

UPDATE acidTbl SET b = "pears" where a = 300;
一个delta文件包含delete事件，另一个包含insert事件：


需要AcidInputFormat的阅读器应用所有插入事件并封装所有逻辑来处理删除事件。读取操作首先从事务管理器获取快照信息，基于该事件管理器，它选择与该读取操作相关的文件。接下来，该过程将每个数据文件拆分为每个进程必须处理的块数。相关删除事件已本地化到每个处理任务。删除事件存储在已排序的ORC文件中。压缩的存储数据是最小的，这是Hive 3的一个重要优势。您不再需要担心delta文件中的插入事件使网络饱和。