如何通过DLA连接并查询HDFS上的数据_云原生数据湖分析（文档停止维护）-阿里云帮助中心

云原生数据湖分析（Data Lake Analytics，DLA）支持通过CU版访问用户自建的HDFS。本文主要介绍如何通过DLA连接并查询HDFS上的数据。

前提条件

DLA目前仅支持通过CU版访问HDFS，请确保您已经开通了DLA CU版本，详情请参见CU版本快速入门。
创建虚拟集群时，绑定的数据源网络必须和HDFS集群在同一个VPC下面。
以下示例是一个简单的CSV文件，您可以在本地创建一个新的文本文件example.txt，在其中粘贴如下内容：
```
7,8,9
```
然后执行如下命令将文件上传到HDFS。
```
hadoop fs -mkdir -p hdfs://172.168.XX.XX:9000/test/p/d=1
hadoop fs -copyFromLocal example.txt hdfs://172.168.XX.XX:9000/test/p/d=1/example.txt
```
您需要把命令中172.168.XX.XX:9000替换成您HDFS集群的host。

操作步骤

登录DLA控制台。
单击左侧导航栏的Serverless Presto>SQL执行。
单击登录到DMS来执行SQL操作，执行以下SQL命令创建库：
```
CREATE DATABASE `my_hdfs_db`
WITH DBPROPERTIES (
    catalog = 'hive',
    location = 'hdfs://172.168.XX.XX:9000/test/'
)
```
说明您也可以通过MySQL客户端或者程序代码等方式连接DLA，然后执行SQL命令创建库。
参数说明如下：
- CATALOG：取值为hive，表示创建的是hive Schema。
- LOCATION：库所在的目录。
创建表。
```
CREATE EXTERNAL TABLE p (
    `a` int,
    `b` int,
    `c` int
) partitioned by (d int)
ROW FORMAT DELIMITED
    FIELDS TERMINATED BY ','
STORED AS `TEXTFILE`
LOCATION 'hdfs://172.168.XX.XX:9000/test/p/';
```
HDFS表的参数、表属性和OSS表大部分都是一样的。主要的区别如下：
- 由于网络连通性的问题，在创建库、表时不会对目录内容进行检查，用户需要自己保证目录的正确性。
- 基于同样的原因，HDFS表不支持auto.create.location属性。

查询或访问数据。

由于只有CU的计算资源和HDFS网络可以联通，因此所有访问HDFS表的SQL语句都需要指定hint： /*+cluster=your-vc-name*/ ，这样SQL就会在CU中执行。

示例：

mysql> /*+ cluster=vc-test */
    -> alter table p
    -> add partition (d=1)
    -> location 'hdfs://172.168.XX.XX:9000/test/p/d=1';
Query OK, 0 rows affected (8.63 sec)

mysql> /*+ cluster=vc-test */
    -> alter table p
    -> drop partition (d=1) ;
Query OK, 0 rows affected (6.08 sec)

mysql> /*+ cluster=vc-test */ msck repair table p;
+-----------+-----------+
| Partition | Operation |
+-----------+-----------+
| d=1       | CREATED   |
+-----------+-----------+
1 row in set (16.47 sec)

mysql> /*+ cluster=vc-test */ select * from  p;
+------+------+------+------+
| a    | b    | c    | d    |
+------+------+------+------+
|    7 |    8 |    9 |    1 |
+------+------+------+------+
1 row in set (4.74 sec)

更多详细信息，请参见常用SQL。