如何使用外部架构（如Avro）将CSV文件导入HIVE？

Question

我将压缩的类似csv的日志文件（分隔符分隔，没有标题）导入HDFS，并希望使用HIVE聚合它们。但是，我喜欢将（声明性）模式与聚合查询分开的想法，因为它是一种跟踪模式历史记录的简洁方法。

是否有（直接）方法使用外部架构（如Avro）将csv文件导入HIVE？如果没有，有两个步骤更好的方法，还是只能在HQL中指定文件结构？

到目前为止，我尝试在HIVE中同时使用Avro和CSV序列化而没有成功。

我的csv文件test.log.gz看起来像这样

val0|val1|val2||val3
val4|val5|val6||val7

我创建了一个Avro架构test.avsc

{
  "type": "record",
  "namespace": "test",
  "name": "TestFile",
  "fields": [
     { "name": "field0" , "type": "string", "doc": "Field 0" },
     { "name": "field1" , "type": "string", "doc": "Field 1" },
     { "name": "field2" , "type": "null", "doc": "N/A" },
     { "name": "field3" , "type": "string", "doc": "Field 3" }
  ]
}

我之所以这样做，是因为我可以为（长）文件规范提供一个单独的位置，包括以可读格式描述字段。

更新1：

我还在考虑事先将CSV文件转换为Avro格式。但是，我发现this is also done via HIVE。通过命令行使用Avro tools对JSON非常有效，但对CSV无效。

Answer 1

我最后使用Apache Kite执行此操作，可以在kitesdk.org上找到一个好的教程。

首先，您需要从Avro架构创建Hive表：

kite-dataset create sandwiches -s sandwich.avsc

然后您可以将csv数据导入表格。

kite-dataset csv-import sandwiches.csv sandwiches

这是我的资源声明和版本模式，并从命令行将csv文件导入Hive。