TiSpark从TiDB读取数据，怎么写入Hive？怎么解决Hive库与TiDB库名冲突的问题?

[Q2294365315]

为提高效率，提问时请提供以下信息，问题描述清晰可优先响应。

• 【TiDB 版本】：v4.0.7
• 【问题描述】：
  我们Hive库和TiDB库有些库名和表名是相同的，同一份数据存了两份，一份在TiDB，一份在Hive。
  我打算从TiDB中读取数据，用TiSpark进行分析，分析完之后，把结果写入到Hive中。
  如果不加enableHiveSupport的话，那么TiSpark读取的是TiDB的库和表，如果加上了enableHiveSupport，就会读取Hive的库和表。
  
  
  
  我的问题是，
  1、读取数据的时候，怎么区分hive的库和表，以及TiDB的库和表？
  2、写出数据的时候，如何写到Hive？如果我加了enableHiveSupport，是可以写入到Hive 但读到的就是Hive的表，不是TiDB的表了。如果我不加enableHiveSupport，就没办法写入到Hive了。
  3、请问用下图这种方式从TiDB读数据的话，TiSpark是直接从TiKV读的数据，还是通过jdbc的方式读的数据？关键是速度如何？如果我加上enableHiveSupport，同时使用这种方式读数据，然后让Spark用正常的方式写Hive的话，应该可以实现从TiDB读数据，TiSpark分析完之后写Hive的。问题的关键在于这种方式TiSpark从TiDB读取数据的速度。
  
  
  
  4、或者如下图，我用enableHiveSupport，同时把hive-site中的meta给注释掉？这样是不是就可以默认从tidb读数据，然后spark.sql( insert into HiveTable )了？
  
  

[windtaker]

1. enableHiveSupport 设置为true的话TiDB表和Hive表应该是在不同的database里面，可以通过dbname.tablename来指定具体读哪张表
2. sqlContext.read.format(“tidb”).xxx 这种用法我们不推荐使用，可能会有问题，推荐用 spark.sql(“select * from tpch_test.orders”)这种用法，这样的话是用tispark直接读tikv的

[Q2294365315]

哦哦，好的。如果我不使用enableHiveSupport的话，那TiSpark里面，用库名.表名，读取的就是TiDB的数据，这一块目前是满足我们的需求的。
1、但是我目前有个问题没解决，就是如果不用enableHiveSupport的话，如何把数据写到Hive里面去？
2、同时，我用enableHiveSupport的时候，执行spark.sql(show databases)，显示的都是Hive的库，没有显示TiDB的库，所以我想，是不是enableHiveSupport会把TiDB的某些配置覆盖掉？

3、我目前主要是不知道如何往Hive里面写数据了

[windtaker]

enableHiveSupport开了之后预期是能正常读取tidb的表的，你可以直接select count(*) from tidb_dbname.tidb_tablename来试一下会不会报错，另外你用的什么版本？

[Q2294365315]

我试了下，加上enableHiveSupport，确实是可以读TiDB表的，非常感谢。
tidb我用的是v4.0.7, Spark和tispark-assembly我用的都是2.3.0版本的。

[Q2294365315]

那如果hive里面和tidb里面，有的库重名了怎么处理？我们tidb的很多数据就是hive导入过来的，库名和表名都一样。
现在的问题主要是这个，就是用了enableHiveSupport，同时Hive和TiDB的库名相同，怎么知道TiSpark读的是Hive的数据，还是TiDB的数据？
以及怎么控制spark.sql(insert into 库名.表名)的时候，是往hive还是tidb写入的数据？

[birdstorm]

针对同名库，可以用这个参数加以区分 spark.tispark.db_prefix，可以参考这里 https://github.com/pingcap/tispark#configuration

写入的时候，可以用 https://github.com/pingcap/tispark/blob/master/docs/datasource_api_userguide.md#use-data-source-api-in-sparksql 这里提到的方式，通过 create table using tidb options 语句建立一个 TiDB 的映射表，然后就可以用例如 insert 语句写入到这张表里。

针对 Hive 及 TiDB 的同名表库等情况，我们有过一个方案是使用 from table use $datasource 这样的语法来进行区分。但目前由于优先级不高暂时搁置，如果有兴趣的话我们可以私下讨论~