我需要创建一个hive表(外部)来加载另一个进程生成的数据。我需要按日期划分,但问题是,路径中有一个随机字符串。
示例输入路径:
/user/hadoop/output/FDQM9N4RCQ3V2ZYT/20170314/
/user/hadoop/output/FDPWMUVVBO2X74CA/20170315/
/user/hadoop/output/FDPGNC0ENA6QOF9G/20170316/
.........
.........
目录中的第4个字段是动态的(无法猜到)。每个目录都有多个.gz文件
创建表格时我会给出什么位置?
CREATE EXTERNAL TABLE user (
userId BIGINT,
type INT,
date String
)
PARTITIONED BY (date String)
LOCATION '/user/hadoop/output/';
这是对的吗?如果是这样,我如何根据日期(目录中的最后一个字段)对其进行分区?
答案 0 :(得分:1)
由于您未使用分区约定,因此您必须手动添加每个分区。
date
类型作为分区,或者至少使用ISO格式YYYY-MM-DD
。date
用作列名(也不会int
,string
等。)PARTITIONED BY (dt date)
alter table user add if not exists partition (dt=date '2017-03-14') location '/user/hadoop/output/FDQM9N4RCQ3V2ZYT/20170314';
alter table user add if not exists partition (dt=date '2017-03-15') location '/user/hadoop/output/FDPWMUVVBO2X74CA/20170315';
alter table user add if not exists partition (dt=date '2017-03-16') location '/user/hadoop/output/FDPGNC0ENA6QOF9G/20170316';