Question

我正在编写一个目前使用Ipython笔记本的脚本。

import pandas as pd
import pyhs2
import os
import datetime

q1= "set hive.query.max.partition = 3000 ; 
select 'Device_id' as key,
'All Time' as type,
count(distinct a.dev_id) as count
from (select distinct dev_id from DevID
where dev_type = '*****' 
union all 
    select distinct
    key_value_lookup(raw_url, '*****',  '&', '=') as dev_id
    from actions 
    where raw_url like '%*****%'
    and raw_url like '%*****%' 
    and data_date >= '20150901' and data_date <= '20151231') a"

def read_hive(query):
conn = pyhs2.connect(host='*****',
                   port=*****,
                   authMechanism="*****",
                   user='*****',
                   password='*****',
                   database='*****')
cur = conn.cursor()
cur.execute(query)
    #Return column info from query
if cur.getSchema() is None:
    cur.close()
    conn.close()
    return Nonea

columnNames = [a['columnName'] for a in  cur.getSchema()] 
print columnNames
columnNamesStrings = [a['columnName'] for a in  cur.getSchema() if a['type']=='STRING_TYPE'] 
output =  pd.DataFrame(cur.fetch(),columns=columnNames)   

cur.close()
conn.close()
return output

调用read_hive(q1)时，收到以下错误：

FAILED因为hive.query.max.partition需要INT值

我认为这是因为我将查询存储在字符串中，但我不完全确定。该查询从Hue完美运行。

有没有人对改变最大分区数量的最佳方法有直觉？这可以在我的功能中完成吗？

Answer 1

Hive配置设置应作为字典传递给pyhs2 Connection对象 - 而不是作为要执行的查询字符串的一部分。

在你的情况下：

conn = pyhs2.connect(host='*****',
               port=*****,
               authMechanism="*****",
               user='*****',
               password='*****',
               database='*****',
               configuration={'hive.query.max.partition': '3000'})

如何在ipython notebook中为Hive查询设置最大分区

1 个答案: