本文首发微信公众号：码上观世界

Iceberg作为一种表格式管理规范，其数据分为元数据和表数据。元数据和表数据独立存储，元数据目前支持存储在本地文件系统、HMS、Hadoop、JDBC数据库、AWS Glue和自定义存储。表数据支持本地文件系统、HDFS、S3、MinIO、OBS、OSS等。元数据存储基于HMS比较广泛，在这篇文章中，表数据存储基于MinIO、元数据存储主要基于HMS。实际上，基于HMS存储的元数据也只是很少的信息存储在HMS中，主体元数据还是存储在外部系统，如HDFS、MinIO等，所以这里也不得不提基于Hadoop存储的方式。

Iceberg的元数据管理通过Catalog类型指定，我们主要关注hive、hadoop和location_based_table这三种。

如果不指定任何Catalog类型，直接创建表会怎么样呢？

add jar /Users/deepexi/.m2/repository/org/apache/iceberg/iceberg-hive-runtime/0.13.2/iceberg-hive-runtime-0.13.2.jar;
SET hive.vectorized.execution.enabled=false;CREATE TABLE default.sample_local_hive_table_1(
id bigint, name string
)
PARTITIONED BY(
dept string
)
STORED BY 'org.apache.iceberg.mr.hive.HiveIcebergStorageHandler';

借助HiveIcebergStorageHandler，此时会在本地HMS（hive-site.xml中配置） 中存储元数据，元数据表table_params显示，当前表的存储位置使用了本地HMS （hive-site.xml中配置）的文件存储路径：

这符合创建Hive表的常规动作。来看看，如果指定hive的Catalog，并配置远程的HMS，会怎么样？

注册hive类型的Catalog

这里注册了一个远端的HMS地址：

SET iceberg.catalog.another_hive.type=hive;SET iceberg.catalog.another_hive.uri=thrift://10.201.0.202:49153;
SET iceberg.catalog.another_hive.warehouse=s3a://faas-ethan/warehouse/;
SET hive.vectorized.execution.enabled=false;

在当前HiveCli创建Hive Iceberg 表，同时指定location 存储位置，使用上面注册的hive类型的Catalog：

CREATE TABLE default.sample_hive_table_1(
id bigint, name string
)
PARTITIONED BY(
dept string
)
STORED BY 'org.apache.iceberg.mr.hive.HiveIcebergStorageHandler'
location 's3a://faas-ethan/warehouse/default/sample_hive_table_1'
TBLPROPERTIES ('iceberg.catalog'='another_hive');

到本地HMS（hive-site.xml中配置） table_params元数据表中确认当前表的存储参数：

Location信息存储在SDS表中。该表存储类型为MANAGED_TABLE。再到远程HMS（another_hive指定）的元数据表table_params看存储内容：

除了本地HMS存储的信息外，还多了有关Iceberg的统计信息、元数据位置信息。Location信息也同步复制了一份，存储在SDS表中，但该表存储类型变成了EXTERNAL_TABLE。由此可见，在Hive中创建Iceberg表，会在两边HMS分别存储一份元数据，只有这样，远端HMS中的Iceberg表才对本地HMS可见，所以必须保证远端HMS存在对应的数据库。如果在当前Hive Cli查看建表语句，会得到下面的输出：

show create table sample_hive_table_1;CREATE TABLE `sample_hive_table_1`(`id` bigint COMMENT 'from deserializer', `name` string COMMENT 'from deserializer', `dept` string COMMENT 'from deserializer')
ROW FORMAT SERDE 'org.apache.iceberg.mr.hive.HiveIcebergSerDe'
STORED BY 'org.apache.iceberg.mr.hive.HiveIcebergStorageHandler'
WITH SERDEPROPERTIES ( 'serialization.format'='1')
LOCATION's3a://faas-ethan/warehouse/default/sample_hive_table_1'
TBLPROPERTIES ('bucketing_version'='2', 'external.table.purge'='TRUE', 'iceberg.catalog'='another_hive', 'table_type'='ICEBERG', 'transient_lastDdlTime'='1659949858')
Time taken: 5.45 seconds, Fetched: 18 row(s)

这表示，Hive Cli返回的信息来自本地HMS，同普通Hive类似。

问题：如果只有远端HMS的Iceberg表，如何在本地HMS访问？

此时可以通过如下创建external外表的形式在本地HMS生成元数据：

CREATE EXTERNAL TABLE default.sample_hive_table_1(
id bigint, name string
)
PARTITIONED BY(
dept string
)
STORED BY 'org.apache.iceberg.mr.hive.HiveIcebergStorageHandler'
location 's3a://faas-ethan/warehouse/default/sample_hive_table_1'
TBLPROPERTIES ('iceberg.catalog'='another_hive');

这有什么作用？试试下面的语句：

select * from default.sample_local_hive_table_1,sample_hive_table_1;

看到没？它通过Hive SQL实现了跨HMS的联邦查询！

注册Hadoop类型的Catalog

SET iceberg.catalog.hadoop_cat.type=hadoop;
SET iceberg.catalog.hadoop_cat.warehouse=s3a://faas-ethan/warehouse;

用注册的hadoop类型的Catalog，创建hadoop Iceberg表：

CREATE TABLE default.sample_hadoop_table_1(id bigint, name string) PARTITIONED BY (dept string)STORED BY 'org.apache.iceberg.mr.hive.HiveIcebergStorageHandler'LOCATION 's3a://faas-ethan/warehouse/default/sample_hadoop_table_1'TBLPROPERTIES ('iceberg.catalog'='hadoop_cat');

如果你去看存储的元数据，会发现它跟使用hive类型的Catalog创建的表，少了metadata_location属性：

同时在MinIo中的metadata元数据文件多了version-hint.text:

这是因为两者管理当前最新元数据的版本机制不同。所以你不能基于hadoop类型的Catalog ，创建hive类型的Catalog 的Iceberg表。反过来也一样不行。

问题：当前表通过Hive Cli创建，所以会在HMS存储元数据，假如Iceberg表通过Iceberg API创建，HMS完全没有相关信息，那如何才能访问这种hadoop Iceberg表呢？

此时通过location指定hadoop中存储表的路径，然后通过EXTERNAL将在HMS中注册元数据，Hive会自动从中推断表Schema：

SET iceberg.catalog.hadoop_cat.type=hadoop;
SET iceberg.catalog.hadoop_cat.warehouse=s3a://faas-ethan/warehouse;CREATE EXTERNAL TABLE default.sample_hadoop_table_1
STORED BY 'org.apache.iceberg.mr.hive.HiveIcebergStorageHandler'
location 's3a://faas-ethan/warehouse/default/sample_hadoop_table_1'
TBLPROPERTIES ('iceberg.catalog'='hadoop_cat');

此时location必须符合格式：${iceberg.catalog.hadoop_cat.warehouse}/${dbName}/${tableName}，否则无法识别存储格式。

上述创建外表的方式也可以使用下面的方式实现：

CREATE EXTERNAL TABLE default.sample_hadoop_table_1
STORED BY 'org.apache.iceberg.mr.hive.HiveIcebergStorageHandler'
location 's3a://faas-ethan/warehouse/default/sample_hadoop_table_1'
TBLPROPERTIES ('iceberg.catalog'='location_based_table');

In a nutshell

使用Hive SQL 创建 Iceberg表，你可以基于hive、hadoop和location_based_table类型的catalog创建Iceberg表，其中location_based_table可以看做hadoop类型的简化形式，并将外部HMS中的表通过外表的形式注册到当前HMS，从而实现Hive 的联邦查询，但是hive和hadoop类型的表在版本管理上略有不同，所以只能在同类型的catalog表上映射外表。另外，由于Hive 版本跨度较大，存在较多的不同版本的HMS兼容性问题，如HMS 3.x无法读取HMS 2.x的元数据等。

参考

https://iceberg.apache.org/docs/0.13.2/hive/