Question

如何使用多精度方法在配置单元中插入数据，并且在列之间未指定定界符。

以下是我的数据：

25380 20130101  2.514 -135.69   58.43     8.3     1.1     4.7     4.9     5.6     0.01 C     1.0    -0.1     0.4    97.3    36.0    69.4 -99.000 -99.000 -99.000 -99.000 -99.000 -9999.0 -9999.0 -9999.0 -9999.0 -9999.0
25380 20130102  2.514 -135.69   58.43     3.0    -0.3     1.4     1.2     0.0     0.35 C     1.3    -1.0    -0.1   100.0    89.5    98.2 -99.000 -99.000 -99.000 -99.000 -99.000 -9999.0 -9999.0 -9999.0 -9999.0 -9999.0

我只想在配置单元表中插入前7列，并且我有一个txt文件来存储上述数据。

创建表脚本：

CREATE TABLE hotcold (a int,b int,c float,d float,e float,f float,g float,h string,i string,j string,k string,l string,m string,n string,o string,p string,q string,
r string,s string,t string,u string,v string,w string,x string,y string,z string,aa string,bb string,cc string,dd string,ee string
) 
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.RegexSerDe' WITH SERDEPROPERTIES ('input.regex'='\\s+');

我的数据插入脚本如下：

LOAD DATA LOCAL INPATH '/home/cloudera/WeatherData.txt' into table hotcold;

下面是我的选择语句和错误：

select * from hotcold;

错误：

Failed with exception java.io.IOException:org.apache.hadoop.hive.serde2.SerDeException: Number of matching groups doesn't match the number of columns

Answer 1

每列在正则表达式中应具有对应的捕获组()。

在下面的示例中，字符串^(\\d+)开头的第一组对应于正整数

\\s+-一个或多个空格分隔符，

第二个捕获组对应于正整数(\\d+)，

再次\\s+-一个或多个空格分隔符，

第三捕获组-([+-]?[0-9.]+)-浮点数，不是很严格的格式，允许+号以及didits和点的任意组合

和.*最后允许未捕获的字符串末尾的任何字符，将所有其他列添加到正则表达式，我的示例包含三列（三个捕获组）的正则表达式：

WITH SERDEPROPERTIES ('input.regex'='^(\\d+)\\s+(\\d+)\\s+([+-]?[0-9.]+).*')

详细阅读：Using Regular Expressions to Extract Fields for Hive Tables

使用多分度计在Hive中插入数据

1 个答案: