Question

我想将包含文本格式的现有表格更改为orc格式。我能够做到：（1）手动创建具有分区的orc格式的表，然后，（2）使用INSERT OVERWRITE语句填充表。

我正在尝试使用CTAS（Create Table ... AS Select ...）语句。有什么办法可以用CTAS语句包含动态分区吗？因此，如果我的文本数据集有多个分区（例如：年和月），我可以直接在CTAS语句中指出它吗？

格式可能是这样的：

CREATE TABLE TEST_TABLE
STORED AS ORC
WITH PARTITION(year, month)
LOCATION '/<my_location>'
tblproperties ("orc.compress"="SNAPPY")
AS SELECT * FROM <existing_table>;

请问好吗？

注意：我对CTAS声明感兴趣的原因如下：使用此声明，我并不需要指出每个列的名称。但是如果我创建一个基于orc的表然后手动填充它，我必须在创建表时指示所有列。这没关系;但是，如果我现有的表包含很多列，那不是一个好主意。

Answer 1

不支持

hive> create table t partitioned by (p int) as select 1 as i;

FAILED：SemanticException [错误10068]：
CREATE-TABLE-AS-SELECT不支持目标表中的分区

Answer 2

两个步骤：

CREATE TABLE target_table_name LIKE source_table_name;

INSERT OVERWRITE TABLE target_table_name PARTITION(partition_column_name)
SELECT * FROM source_table_name;

Rest存储为ORC，您可以根据方便添加位置并通过配置单元查询支持。

对于外部表，这些步骤不起作用。问题是，数据在HDFS的指向目录中更新，但是当我们选择表时，我们无法看到表中反映的更改。为此，您可以按照以下步骤操作：

解决方案1：检查表元数据是否已更新。

解决方案2：如果解决方案1不起作用，那么：

CREATE TABLE target_table_name LIKE source_table_name;

INSERT OVERWRITE TABLE target_table_name PARTITION(partition_column_name) 
  SELECT * FROM source_table_name;

CREATE EXTERNAL TABLE another_table_name LIKE source_table_name 
  STORED AS file_format_of_source_table 
  LOCATION 'location_of_source_table';

修复表格

 MSCK REPAIR TABLE another_table;

然后，您可以删除source_table并将another_table重命名为source_table_name。

Answer 3

其他答案都是正确的：如果您拥有的表恰好是您想要的，则可以执行CREATE TABLE dest LIKE src;，但是您目前不能执行真正的动态CTAS来从变量字段创建分区表。 / p>

此功能已添加到即将发布的Spark 3.0中：https://issues.apache.org/jira/browse/SPARK-26435

具有动态分区的CTAS

3 个答案: