问可以使用UUID作为hive中数据仓库的代理键吗？

EN

对于ORC和序列文件，每个文件的BLOCK__OFFSET__INSIDE__FILE不是唯一的，官方文档说它是

在中，据说BLOCK__OFFSET__INSIDE__FILE在文本文件中是唯一的。即使这是真的，为什么你要把自己限制在文本文件上。

此外，UUID不依赖于输入文件，可以在一些转换后计算，在阅读Kaffka主题的工作流中，根本没有文件，等等。另外，在一些其他系统中生成的UUID在您的系统中也是唯一的，因为UUID是全局唯一的。此外，INPUT__FILE__NAME具有相同的长度，不依赖于文件目录结构的长度，并且UUID包含所有的文件路径，这使得文件名在同一文件系统中是唯一的。

这就是为什么UUID是更好的解决方案的原因

我会使用内置的SURROGATE_KEYS自定义函数。这比UUID更有优势。当您向表中输入数据时，此函数会自动为您的行生成数字ids，并且执行速度比UUID快。

示例：

1)以默认的ORC格式创建一个具有ACID属性的students表。

CREATE TABLE students (row_id INT, name VARCHAR(64), dorm INT);

2)在表格中插入数据。例如：

INSERT INTO TABLE students VALUES (1, 'fred flintstone', 100), (2, 'barney rubble', 200);

3)使用SURROGATE_KEY用户定义项创建一个版本的学生表。

CREATE TABLE students_v2 
(`ID` BIGINT DEFAULT SURROGATE_KEY(),
 row_id INT,
 name VARCHAR(64), 
 dorm INT, 
 PRIMARY KEY (ID) DISABLE NOVALIDATE);

4)插入数据，自动生成主键的代理键。

INSERT INTO students_v2 (row_id, name, dorm) SELECT * FROM students;

5)查看代理键。

SELECT * FROM students_v2;

6)将代理键作为外键添加到另一个表中，例如student_grades表，以加快后续表的连接速度。

ALTER TABLE student_grades ADD COLUMNS (gen_id BIGINT);

MERGE INTO student_grades g USING students_v2 s ON g.row_id = s.row_id
WHEN MATCHED THEN UPDATE SET gen_id = s.id;

7)在代理键上执行快速连接。

(注意：这个示例是从复制过来的，并在这里添加了它，因此即使它的链接被删除，我们也有一个示例可供参考)：

在你的表中有一个代理键还有其他的方法。这是关于这个讨论的好帖子。

https://community.hortonworks.com/idea/8619/how-do-we-create-surrogate-keys-in-hive.html