Question

我想每天自动化我的hive脚本，为了做到这一点，我有一个选项，即数据管道。但问题在于我将数据从dynamo-db导出到s3并且使用hive脚本我正在操作这些数据。我在hive-script中给出了这个输入和输出，因为hive-activity必须有输入和输出，但我必须在脚本文件中给出它们。

我正在尝试找到一种方法来自动化这个hive-script并等待一些想法？

干杯，

Answer 1

您可以禁用Hive Activity上的暂存以运行任意Hive脚本。

stage = false

做类似的事情：

{
  "name": "DefaultActivity1",
  "id": "ActivityId_1",
  "type": "HiveActivity",
  "stage": "false",
  "scriptUri": "s3://baucket/query.hql",
  "scriptVariable": [
    "param1=value1",
    "param2=value2"
  ],
  "schedule": {
    "ref": "ScheduleId_l"
  },
  "runsOn": {
    "ref": "EmrClusterId_1"
  }
},

Answer 2

“蜂巢”活动的另一种替代方法是使用EMR活动，如以下示例所示：

{
      "schedule": {
        "ref": "DefaultSchedule"
      },
      "name": "EMR Activity name",
      "step": "command-runner.jar,hive-script,--run-hive-script,--args,-f,s3://bucket/path/query.hql",
      "runsOn": {
        "ref": "EmrClusterId"
      },
      "id": "EmrActivityId",
      "type": "EmrActivity"
    }

使用aws自动化Hive活动

2 个答案: