如何配置hive支持行级数据更新操作？

Note
Hive 默认是不允许数据更新操作的，毕竟它不擅长，即使在0.14版本后，做一些额外的配置便可开启Hive数据更新操作。而在海量数据场景下做update、delete之类的行级数据操作时，效率并不如意。

基本环境：

Hive 1.2.1
hadoop 2.7.2

修改HIVE_HOME/conf/hive-site.xml，添加如下配置

<property>
    <name>hive.support.concurrency</name>
    <value>true</value>
</property>
<property>
    <name>hive.exec.dynamic.partition.mode</name>
    <value>nonstrict</value>
</property>
<property>
    <name>hive.txn.manager</name>
    <value>org.apache.hadoop.hive.ql.lockmgr.DbTxnManager</value>
</property>
<property>
    <name>hive.compactor.initiator.on</name>
    <value>true</value>
</property>
<property>
    <name>hive.compactor.worker.threads</name>
    <value>1</value>
</property>

建表

create table if not exists accountInfo(
id int,
name string,
age int
)
clustered by (id) into 4 buckets 
stored as orc TBLPROPERTIES ('transactional'='true');

建表须知

1 注意存储格式按ORC方式
2 进行数据分桶
3 添加表属性：‘transactional’=‘true’

分发配置到其他hive节点。

测试如下

插入测试数据

更新数据（此处配置了Hive on Tez）

数据删除

总结

hive作为数仓常用技术工具，更多的是用于数据的存储分析，而比较少涉及到数据更新。并且在OLAP场景下并不适合做原有数据更新，更不用说行级别的细粒度操作。记得在一些状态更新场景下会有缓慢渐变维的运用，可即使如此也要运用拉链表保存历史数据，很少将原有数据直接覆盖；你不知道被覆盖的数据蕴含着怎样的价值。

而在一些海量OLTP场景中，也会运用Hbase去替代传统RDB架构；若在运用中伴有大量的数据更新操作，我想Hbase会是不错的选择。