Ich habe eine externe partitionierte Hive-Tabelle mit der zugrunde liegenden Datei ROW FORMAT DELIMITED FIELDS TERMINATED VON '|' Das direkte Lesen von Daten über Hive ist in Ordnung, aber wenn Sie die Dataframe-API von Spark verwenden, wird das Trennzeichen '|' wird nicht berücksichtigt.Spark HiveContext - Lesen von extern partitionierten Hive-Tabelle Delimiter Problem
erstellen externe partitionierten Tabelle:
hive> create external table external_delimited_table(value1 string, value2 string)
partitioned by (year string, month string, day string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '|'
location '/client/edb/poc_database/external_delimited_table';
erstellen Datendatei nur eine Zeile containg und legen Sie sie auf externe partitionierten Tabelle Ort:
shell>echo "one|two" >> table_data.csv
shell>hadoop fs -mkdir -p /client/edb/poc_database/external_delimited_table/year=2016/month=08/day=20
shell>hadoop fs -copyFromLocal table_data.csv /client/edb/poc_database/external_delimited_table/year=2016/month=08/day=20
Make-Partition aktiv:
hive> alter table external_delimited_table add partition (year='2016',month='08',day='20');
Gesundheitscheck:
hive> select * from external_delimited_table;
select * from external_delimited_table;
+----------------------------------+----------------------------------+--------------------------------+---------------------------------+-------------------------------+--+
| external_delimited_table.value1 | external_delimited_table.value2 | external_delimited_table.year | external_delimited_table.month | external_delimited_table.day |
+----------------------------------+----------------------------------+--------------------------------+---------------------------------+-------------------------------+--+
| one | two | 2016 | 08 | 20
Spark-Code:
import org.apache.spark.sql.DataFrame
import org.apache.spark.sql.hive.HiveContext
import org.apache.spark.{SparkContext, SparkConf}
object TestHiveContext {
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setAppName("Test Hive Context")
val spark = new SparkContext(conf)
val hiveContext = new HiveContext(spark)
val dataFrame: DataFrame = hiveContext.sql("SELECT * FROM external_delimited_table")
dataFrame.show()
spark.stop()
}
dataFrame.show() -Ausgabe:
+-------+------+----+-----+---+
| value1|value2|year|month|day|
+-------+------+----+-----+---+
|one|two| null|2016| 08| 20|
+-------+------+----+-----+---+