Question

我在HDFS中有一个日志文件，值以逗号分隔。例如：

2012-10-11 12:00,opened_browser,userid111,deviceid222

现在我想将此文件加载到Hive表，该表包含“timestamp”，“action”列，并由“userid”，“deviceid”分区。我如何让Hive将日志文件中的最后2列作为表的分区？所有示例e.g. "hive> LOAD DATA INPATH '/user/myname/kv2.txt' OVERWRITE INTO TABLE invites PARTITION (ds='2008-08-15');"都需要在脚本中定义分区，但我希望从HDFS文件中自动设置分区。

一个解决方案是创建包含所有4列的中间非分区表，从文件中填充它然后创建INSERT into first_table PARTITION (userid,deviceid) select from intermediate_table timestamp,action,userid,deviceid;但是这是另外的任务，我们将有2个非常类似的表..或者我们应该创建外部表作为中间。

Answer 1

张宁在http://grokbase.com/t/hive/user/114frbfg0y/can-i-use-hive-dynamic-partition-while-loading-data-into-tables对这个话题有很好的回应。

快速背景是：

加载数据只是简单地复制数据，它不会读取它，因此无法弄清楚要分区的内容
建议您先将数据加载到中间表中（或使用指向所有文件的外部表），然后让分区动态插入启动以将其加载到分区表中

Answer 2

我使用了相同的方案，但我们所做的是为您需要加载的每个分区创建单独的HDFS数据文件。

由于我们的数据来自MapReduce作业，因此我们在Reducer类中使用MultipleOutputs将数据多路复用到相应的分区文件中。之后，只需使用HDFS文件名中的分区构建脚本即可。

Answer 3

正如@Denny Lee的回答所述，我们需要涉及一个临时表（invites_stg）托管或外部，然后从登台表INSERT到分区表（在这种情况下邀请）。

确保我们将这两个属性设置为：

SET hive.exec.dynamic.partition=true;
SET hive.exec.dynamic.partition.mode=nonstrict;

最后插入邀请，

INSERT OVERWRITE TABLE India PARTITION (STATE) SELECT COL's FROM invites_stg;

请参阅此链接以获取帮助：http://www.edupristine.com/blog/hive-partitions-example

Answer 4

CREATE TABLE India (

OFFICE_NAME STRING,

OFFICE_STATUS     STRING,

PINCODE           INT,

TELEPHONE   BIGINT,

TALUK       STRING,

DISTRICT    STRING,

POSTAL_DIVISION   STRING,

POSTAL_REGION     STRING,

POSTAL_CIRCLE     STRING

)

PARTITIONED BY (STATE   STRING)

ROW FORMAT DELIMITED

FIELDS TERMINATED BY ','

STORED AS TEXTFILE;

5。指示配置单元动态加载分区

SET hive.exec.dynamic.partition = true;

SET hive.exec.dynamic.partition.mode = nonstrict;

Answer 5

怎么样

LOAD DATA INPATH '/path/to/HDFS/dir/file.csv' OVERWRITE INTO TABLE DB.EXAMPLE_TABLE PARTITION (PARTITION_COL_NAME='PARTITION_VALUE');

Hive在分区表中加载

5 个答案: