Question

我需要实现一个用例，我需要使用最新文件更新hive表，该文件位于任何源系统的hdfs文件夹中。我不是在这里使用sqoop。

我应该定期从源系统接收更新的文件到特定的HDFS位置（比如/tmp/emp.csv）。我在hive中创建了一个托管/内部表，并且第一次手动将数据加载到其中。因此，我的最新员工表（在配置单元中创建，在默认位置具有仓库 - / user / hive / warehouse）将包含emp.csv文件中的所有数据。

现在，只要新的emp.csv文件进入HDFS位置/tmp/emp.csv，我就编写了一个shell脚本，它将删除现有的/user/hive/warehouse/employee/emp.csv文件，并将其替换为最新文件，因此我可以通过配置单元查询查看最新的员工数据。

我的脚本就像

#!/bin/bash
file_date=`hadoop fs -ls /tmp/emp.csv | awk '{print $6" "$7}'`
echo "file_date="$file_date

log_file_date="$(cat hist_lof_time.txt)"
echo "log_file_date="$log_file_date
if [ "$file_date" != "$log_file_date" ]; then
                echo "file data not match with log date"
        if [ -z "$log_file_date" ]; then
              echo "inside log date edit loop"
              echo $file_date > hist_lof_time.txt
    fi

        rm /opt/emp.csv
        hadoop fs -get /tmp/emp.csv /opt/

        hadoop fs -get /user/hive/warehouse/employee/emp.csv /opt/bkp/    
        hadoop fs -rm /user/hive/warehouse/employee/emp.csv

        hadoop fs -put /tmp/emp.csv /user/hive/warehouse/employee/
        echo $file_date > hist_lof_time.txt
    else
      echo "file is same so not processing further"
 fi

现在这个脚本在我在控制台上作为shell脚本运行时工作正常，但是一旦我将它添加为我的crontab作业，它就不会从hist_lof_time.txt文件中获取hdfs文件的时间和时间。因此，时间始终保持不变，并且HDFS中的任何新文件更新都不会运行作业。

我每3分钟运行一次这个cronjob

*/3 * * * * /opt/myscript.sh >>/opt/myscriptout.txt

任何人都可以帮我解决任何指针，我在哪里和我做错了什么？任何快速帮助将不胜感激。

此致布佩希

Answer 1

最后，我解决了我所面临的问题。

实际上，当我单独运行脚本时，它能够选择hadoop shell命令[在脚本中使用]，当我尝试将此脚本作为cron作业运行时，它无法选择Hadoop home [bin ]。因此没有运行该脚本中使用的任何hadoop命令。

因此，我首先尝试找到我的hadoop使用$ hadoop的位置。然后根据需要提供hadoop / hdfs命令的绝对路径。例如：

file_date=`/opt/hadoop-2.6.4/bin/hadoop fs -ls /tmp/emp.csv | awk '{print $6" "$7}'`

然后它完美地工作了。

Shell脚本单独运行但不能生成正确的结果作为crontab作业

1 个答案: