Question

我想创建一个带分区的hive表。

该表的架构是：

val schema = StructType(StructField(name,StringType,true),StructField(age,IntegerType,true))

我可以使用以下方法使用Spark-SQL执行此操作：

val query = "CREATE TABLE some_new_table (name string, age integer) USING org.apache.spark.sql.parquet OPTIONS (path '<some_path>') PARTITIONED BY (age)"

spark.sql(query)

当我尝试使用Spark API（使用Scala）时，表中会填充数据。我只想创建一个空表并定义分区。这就是我在做什么，我做错了什么：

val df = spark.createDataFrame(sc.emptyRDD[Row], schema)

val options = Map("path" -> "<some_path>", "partitionBy" -> "age")

df.sqlContext().createExternalTable("some_new_table", "org.apache.spark.sql.parquet", schema, options);

我正在使用Spark-2.1.1。

Answer 1

如果您跳过分区。可以尝试saveAsTable：

spark.createDataFrame(sc.emptyRDD[Row], schema)
  .write
  .format("parquet")
  //.partitionBy("age")
  .saveAsTable("some_new_table")

Spark分区和Hive分区不兼容，因此如果您想从Hive访问，则必须使用SQL：https://issues.apache.org/jira/browse/SPARK-14927

使用API而不是SQL从Spark创建Hive表？

1 个答案:

使用API​​而不是SQL从Spark创建Hive表？

1 个答案:

使用API而不是SQL从Spark创建Hive表？