您可以使用CREATE TABLE …​ AS SELECT语句通过查询Impala中的任何其他表或表来创建表。以下示例将所有行从现有表 old_table导入到Kudu表中new_table。列的名称和类型 将根据new_tableSELECT语句的结果集中的列确定。请注意，您必须另外指定主键和分区。

CREATE TABLE new_table
PRIMARY KEY (ts, name)
PARTITION BY HASH(name) PARTITIONS 8
STORED AS KUDU
AS SELECT ts, name, value FROM old_table;

每个表分为由一个或多个表服务器提供的表。理想情况下， tablets should split a table’s data 平等地拆分表的数据。Kudu目前没有自动（或手动）拆分预先存在的 tablet的机制。在实现此功能之前，您必须在创建表时指定分区。在设计表格架构时，请考虑使用主键，您可以将表格分割成以相似速率增长的分区。PARTITION BY使用Impala创建表时，可以使用子句指定分区：

# 根据id的值域划分分区实例CREATE TABLE cust_behavior (_id BIGINT PRIMARY KEY,salary STRING,edu_level INT,usergender STRING, `group` STRING,city STRING,postcode STRING,last_purchase_price FLOAT,last_purchase_date BIGINT,category STRING,sku STRING,rating INT,fulfilled_date BIGINT
)
PARTITION BY RANGE (_id)
(PARTITION VALUES < 1439560049342,PARTITION 1439560049342 <= VALUES < 1439566253755,PARTITION 1439566253755 <= VALUES < 1439572458168,PARTITION 1439572458168 <= VALUES < 1439578662581,PARTITION 1439578662581 <= VALUES < 1439584866994,PARTITION 1439584866994 <= VALUES < 1439591071407,PARTITION 1439591071407 <= VALUES
)
STORED AS KUDU;

如果您有多个主键列，则可以使用元组语法指定分区边界：('va',1), ('ab',2)。该表达式必须是有效的JSON。

每个Impala表都包含在称为数据库的命名空间中。调用默认数据库default，用户可以根据需要创建和删除其他数据库。

当从Impala中创建一个受管理的Kudu表时，相应的Kudu表将被命名my_database::table_name。

创建Kudu表时不支持以下Impala关键字： - PARTITIONED - LOCATION -ROWFORMAT

您可以为一个或多个主键列指定范围分区。Kudu中的范围分区允许根据所选分区键的特定值或值的范围拆分表。这使您能够平衡写入中的并行性与扫描效率。

假设你有一个具有列的表state，name和purchase_count。以下示例创建50个tablets，每个state一个。

CREATE TABLE customers (state STRING,name STRING,purchase_count int,PRIMARY KEY (state, name)
)
PARTITION BY RANGE (state)
(PARTITION VALUE = 'al',PARTITION VALUE = 'ak',PARTITION VALUE = 'ar',-- ... etc ...PARTITION VALUE = 'wv',PARTITION VALUE = 'wy'
)
STORED AS KUDU;

若不是通过明确的范围分发，或者与范围分布相结合，您可以通过哈希分发到特定数量的“buckets”。指定您要分区的主键列以及要使用的存储桶数。通过散列指定的键列来分配行。假设散列的值本身并不表现出显着的偏差，这将有助于将数据均匀地分布在数据桶之间。

您可以指定多个定义，您可以指定使用复合主键的定义。但是，在多个散列定义中不能提及一列。Consider two columns, a and b: *  HASH(a), HASH(b) * 、 HASH(a,b) *   后面两个是错误的表达：HASH(a), HASH(a,b)

如果主键值均匀分布在其域中，并且数据偏移不明显，例如时间戳或序列号，则哈希分区是一种合理的方法。

以下示例通过散列id和sku列创建16个tablets。这传播了所有16个tablets的写操作。在此示例中，对一系列sku值的查询可能需要读取所有16个tablets，因此可能不是此表的最佳模式。有关扩展示例，请参阅高级分区。

CREATE TABLE cust_behavior (id BIGINT,sku STRING,salary STRING,edu_level INT,usergender STRING,`group` STRING,city STRING,postcode STRING,last_purchase_price FLOAT,last_purchase_date BIGINT,category STRING,rating INT,fulfilled_date BIGINT,PRIMARY KEY (id, sku)
)
PARTITION BY HASH PARTITIONS 16 #根据数据自行指定的一个数
STORED AS KUDU;

您可以组合HASH和RANGE分区以创建更复杂的分区模式。您可以指定零个或多个HASH定义，后跟零或一个RANGE定义。每个定义可以包含一个或多个列。虽然枚举每一个可能的分发模式都超出了本文档的范围，但是有几个例子说明了一些可能性。

考虑上面的简单哈希示例，如果您经常查询一系列sku 值，则可以通过将哈希分区与范围分区相结合来优化示例。

以下示例仍然会创建16个tablets，首先将id列分成4个存储区，然后根据sku字符串的值将应用范围分区拆分为四个tablets。文字分散在至少四片（最多可达16张）。当您查询连续的sku值范围时，您很可能只需要从四分之一的平板电脑中读取即可完成查询。

CREATE TABLE cust_behavior (id BIGINT,sku STRING,salary STRING,edu_level INT,usergender STRING,`group` STRING,city STRING,postcode STRING,last_purchase_price FLOAT,last_purchase_date BIGINT,category STRING,rating INT,fulfilled_date BIGINT,PRIMARY KEY (id, sku)
)
PARTITION BY HASH (id) PARTITIONS 4,      #首先将id列分成4个存储区
RANGE (sku)      #然后根据sku字符串的值将应用范围分区拆分为四个tablets
(PARTITION VALUES < 'g',PARTITION 'g' <= VALUES < 'o',PARTITION 'o' <= VALUES < 'u',PARTITION 'u' <= VALUES
)
STORED AS KUDU;

再次扩展上面的例子，假设查询模式是不可预测的，但是您希望确保写入 分布在大量tablets上您可以通过在主键列上进行散列来实现整个主键的最大分配。

CREATE TABLE cust_behavior (id BIGINT,sku STRING,salary STRING,edu_level INT,usergender STRING,`group` STRING,city STRING,postcode STRING,last_purchase_price FLOAT,last_purchase_date BIGINT,category STRING,rating INT,fulfilled_date BIGINT, PRIMARY KEY (id, sku)
)
PARTITION BY HASH (id) PARTITIONS 4,HASH (sku) PARTITIONS 4  #该示例创建16个分区，也可以使用HASH (id, sku) PARTITIONS 16
STORED AS KUDU;

该示例创建16个分区。你也可以使用HASH (id, sku) PARTITIONS 16。然而，对sku值的扫描几乎总是影响所有16个分区，而不是可能限于4。

Kudu 1.0及更高版本支持使用非覆盖范围分区，其解决方案如下：

• 非覆盖的 range 范围分区，在需要考虑不断增加的主键的时间序列数据或其他模式的情况下，服务旧数据的tablets的大小相对固定，而接收新数据的tablet 将不受限制地增长。

• 如果您要根据其类别（如销售区域或产品类型）对数据进行分区，而不使用未覆盖的范围分区，则必须提前知道所有分区，或者如果要添加或删除分区，请手动重新创建表。 ，例如引入或消除产品类型。

非覆盖范围分区有一些注意事项。请务必阅读链接：/docs/schema_design.html [Schema Design guide]。

此示例每年创建一个tablets（共5个tablets），用于存储日志数据。该表仅接受2012年至2016年的数据。这些范围之外的键将被拒绝。

CREATE TABLE sales_by_year (year INT,  sale_id INT, amount INT, PRIMARY KEY (sale_id, year)
)
PARTITION BY RANGE (year) (PARTITION VALUE = 2012,PARTITION VALUE = 2013,PARTITION VALUE = 2014,PARTITION VALUE = 2015,PARTITION VALUE = 2016
)
STORED AS KUDU;

当记录在2017年开始进入时，将被拒绝。在这一点上，2017 应该增加如下范围：

ALTER TABLE sales_by_year ADD RANGE PARTITION VALUE = 2017;

在需要滚动窗口的数据保留的用例中，范围分区也可能被丢弃。例如，如果不再保留2012年的数据，则可能会批量删除数据：

ALTER TABLE sales_by_year DROP RANGE PARTITION VALUE = 2012;

请注意，就像删除表一样，这无形中删除了存储在丢弃分区中的所有数据。

• 对于大型tablets，如 fact事务表，目标是在集群中拥有核心数量的tablets。

• 对于小的tablets（如维度表），目标是使用足够数量的tablets，每个tablets的大小至少为1 GB。

一般来说，请注意，在当前的实现中，tablets的数量限制了读取的并行性。增加tablets数量超过核心数量可能会减慢查询速度。

此示例插入单个行。

INSERT INTO my_first_table VALUES (99, "sarah");

此示例使用单个语句插入三行。

INSERT INTO my_first_table VALUES (1, "john"), (2, "jane"), (3, "jim");

批量插入时，至少有三种常用选择。每个可能有优点和缺点，具体取决于您的数据和情况。

多个单一 INSERT 语句

这种方法具有易于理解和实现的优点。这种方法可能是低效的，因为Impala与Kudu的插入性能相比具有很高的查询启动成本。这将导致相对较高的延迟和较差的吞吐量。

单个 INSERT 语句与多个 VALUES

INSERT如果包含超过1024个VALUES语句，则batch_size在将请求发送给Kudu之前，Impala将其批量分组为1024（or the value of batch_size）。这种方法可能会比多个顺序语句执行得稍微好一些。要设置当前Impala Shell会话的批量大小，请使用以下语法：set batch_size=10000;

增加Impala batch_size会导致Impala使用更多的内存。您应该验证对群集的影响并进行相应调整。

批量插入

从Impala和Kudu的角度来看，通常表现最好的方法通常是使用SELECT FROMImpala中的语句导入数据。

1. 如果您的数据尚未在Impala中，则一种策略是从文本文件（如TSV或CSV文件）中 导入。

2. 创建Kudu表，注意指定为主键的列不能为空值。

3. 通过查询包含原始数据的表将值插入到Kudu表中，如下例所示：

   INSERT INTO my_kudu_tableSELECT * FROM legacy_data_import_table;

采用C ++或Java API

在许多情况下，适当的摄取路径是使用C ++或Java API直接插入Kudu表。与其他Impala表不同，通过API插入到Kudu表中的数据可用于Impala中的查询，而不需要INVALIDATE METADATA其他Impala存储类型所需的任何语句或其他语句。

在大多数关系数据库中，如果您尝试插入已插入的行，则插入将失败，因为主键已经重复。见 Failures During INSERT，UPDATE和DELETE Operations。然而，Impala不会使查询失败。相反，它会生成一个警告，但是继续执行insert语句的其余部分。

如果插入的行意图替换现有行，UPSERT则可以使用替代INSERT。

INSERT INTO my_first_table VALUES (99, "sarah");
UPSERT INTO my_first_table VALUES (99, "zoe");
-- the current value of the row is 'zoe'

您可以使用“ 插入批量”中概述的相同方法批量更新 。

UPDATE my_first_table SET name="bob" where age > 10;

您可以使用“ 插入批量”中概述的相同方法批量删除 。

DELETE FROM my_first_table WHERE id < 3;

ALTER TABLE my_table RENAME TO my_new_table;

ALTER TABLE my_table
SET TBLPROPERTIES('kudu.master_addresses' = 'kudu-new-master.example.com:7051');

ALTER TABLE my_table SET TBLPROPERTIES('EXTERNAL' = 'TRUE');