Question

我是Hive和MapReduce的新手，非常感谢您的回答并提供正确的方法。

我在日期和源服务器上分区的hive中定义了一个外部表logs，其外部位置在hdfs /data/logs/上。我有一个MapReduce作业，它获取这些日志文件并将它们拆分并存储在上面提到的文件夹下。像

"/data/logs/dt=2012-10-01/server01/"
"/data/logs/dt=2012-10-01/server02/"
...
...

从MapReduce作业我想在Hive中的表日志中添加分区。我知道这两种方法

alter table命令 - 改变表命令太多
添加动态分区

对于方法二，我只看到INSERT OVERWRITE的例子，这对我来说不是一个选项。有没有办法在作业结束后将这些新分区添加到表中？

Answer 1

要在Map / Reduce作业中执行此操作，我建议使用Apache HCatalog，这是一个在Hadoop下标记的新项目。

HCatalog确实是HDFS之上的抽象层，因此您可以以标准化的方式编写输出，无论是来自Hive，Pig还是M / R.您可以使用输出格式HCatOutputFormat从Map / Reduce作业直接加载Hive中的数据。以下是取自the official website的示例。

为（a = 1，b = 1）写出特定分区的当前代码示例将如下所示：

Map<String, String> partitionValues = new HashMap<String, String>();
partitionValues.put("a", "1");
partitionValues.put("b", "1");
HCatTableInfo info = HCatTableInfo.getOutputTableInfo(dbName, tblName, partitionValues);
HCatOutputFormat.setOutput(job, info);

要写入多个分区，必须使用以上各项启动单独的作业。

您还可以将动态分区与HCatalog一起使用，在这种情况下，您可以在同一作业中加载任意数量的分区！

我建议您在上面提供的网站上进一步阅读HCatalog，如果需要，可以提供更多详细信息。

Answer 2

实际上，情况稍微复杂一点，这是不幸的，因为它在官方消息来源中没有记载（截至目前），需要几天的挫折才能弄明白。

我发现我需要执行以下操作才能使HCatalog Mapreduce作业与写入动态分区一起工作：

在我的工作记录编写阶段（通常是reducer），我必须手动将动态分区（HCatFieldSchema）添加到我的HCatSchema对象。

问题是HCatOutputFormat.getTableSchema（config）实际上并不返回分区字段。他们需要手动添加

HCatFieldSchema hfs1 = new HCatFieldSchema("date", Type.STRING, null);
HCatFieldSchema hfs2 = new HCatFieldSchema("some_partition", Type.STRING, null);
schema.append(hfs1);
schema.append(hfs2);

Answer 3

这是使用HCatalog在一个作业中使用动态分区写入多个表的代码，代码已经在Hadoop 2.5.0，Hive 0.13.1上进行了测试：

// ... Job setup, InputFormatClass, etc ...
String dbName = null;
String[] tables = {"table0", "table1"};

job.setOutputFormatClass(MultiOutputFormat.class);
MultiOutputFormat.JobConfigurer configurer = MultiOutputFormat.createConfigurer(job);

List<String> partitions = new ArrayList<String>();
partitions.add(0, "partition0");
partitions.add(1, "partition1");

HCatFieldSchema partition0 = new HCatFieldSchema("partition0", TypeInfoFactory.stringTypeInfo, null);
HCatFieldSchema partition1 = new HCatFieldSchema("partition1", TypeInfoFactory.stringTypeInfo, null);

for (String table : tables) {
    configurer.addOutputFormat(table, HCatOutputFormat.class, BytesWritable.class, CatRecord.class);

    OutputJobInfo outputJobInfo = OutputJobInfo.create(dbName, table, null);
    outputJobInfo.setDynamicPartitioningKeys(partitions);

    HCatOutputFormat.setOutput(
        configurer.getJob(table), outputJobInfo
    );

    HCatSchema schema = HCatOutputFormat.getTableSchema(configurer.getJob(table).getConfiguration());
    schema.append(partition0);
    schema.append(partition1);

    HCatOutputFormat.setSchema(
        configurer.getJob(table),
        schema
    );
}
configurer.configure();

return job.waitForCompletion(true) ? 0 : 1;

映射器：

public static class MyMapper extends Mapper<LongWritable, Text, BytesWritable, HCatRecord> {
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        HCatRecord record = new DefaultHCatRecord(3); // Including partitions
        record.set(0, value.toString());

        // partitions must be set after non-partition fields
        record.set(1, "0"); // partition0=0
        record.set(2, "1"); // partition1=1

        MultiOutputFormat.write("table0", null, record, context);
        MultiOutputFormat.write("table1", null, record, context);
    }
}

从MapReduce作业向Hive添加分区

3 个答案: