Question

我正在尝试读取由HIVE表创建的HDFS文件。该文件采用文本格式。当我打开文件时，我很惊讶地看到这些行没有任何字段分隔符。

Hive可以读取文件......但非常慢。因此我想用火花作业阅读内容。

为了理解表格的架构，我做了一个

describe extended foo

我看到了这个输出

Detailed Table Information  Table(tableName:foo, dbName:bar, owner:me, 
createTime:1456445643, lastAccessTime:0, retention:0, sd:StorageDescriptor(cols:
[FieldSchema(name:some_ts, type:int, comment:null), FieldSchema(name:id, 
type:string, comment:null), FieldSchema(name:t_p_ref, type:string, 
comment:null) location:hdfs://nameservice1/user/hive/bar.db/ft, 
inputFormat:org.apache.hadoop.mapred.TextInputFormat, 
outputFormat:org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat, 
compressed:false, numBuckets:-1, serdeInfo:SerDeInfo(name:null, 
serializationLib:org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe, parameters:
{serialization.format=1}), bucketCols:[], sortCols:[], parameters:{}, 
skewedInfo:SkewedInfo(skewedColNames:[], skewedColValues:[], 
skewedColValueLocationMaps:{}), storedAsSubDirectories:false), partitionKeys:[], 
parameters:{numFiles=79, COLUMN_STATS_ACCURATE=true, 
transient_lastDdlTime=1456446229, totalSize=8992777753, numRows=20776467, 
rawDataSize=8972001286}, viewOriginalText:null, viewExpandedText:null, 
tableType:MANAGED_TABLE)

因此输出根本不显示“delim”。那我该怎么读这个文件呢？一些字段是URL，因此很难尝试将其作为固定宽度类型的文件读取

Answer 1

为什么不通过spark sql读取数据 - 很高兴使用HiveContext读取hive表？在这种情况下，您也可以从数据框中正确设置数据类型。

类似

val hc = new HiveContext(sc)
val df = hc.sql("select * from foo limit 10")
// perform operations on your dataframe ..

Hive数据库文件没有分隔符

1 个答案: