Question

我是hadoop生态系统的新手。我试图使用以下查询从CSV文件创建hive表。

CREATE EXTERNAL TABLE IF NOT EXISTS proxy_data(
  date_time TIMESTAMP,time_taken INT, c_ip STRING,
  sc_status INT, s_action STRING, sc_bytes INT,
  cs_bytes INT, cs_method STRING, cs_uri STRING,
  cs_host STRING, uri_port INT, uri_path STRING,
  uri_query STRING, username STRING, auth STRING,
  supplier_name STRING, content_type STRING, referer STRING,
  user_agent STRING, filter_result STRING, categories STRING,
  x_virus_id STRING, proxy_ip STRING
)
COMMENT 'Proxy logs' 
LOCATION '/user/admin'
tblproperties ("skip.header.line.count"="1");

此查询实际上创建了一个表proxy_data，并填充了位于指定位置的csv文件中的值。

现在，我想将另一组CSV中的值附加到同一个表中（它应该跳过csv文件中的标题）。我检查了各种解决方案，但没有什么能满足我的需求。

Answer 1

你可以试试这个：

hive>  LOAD DATA LOCAL INPATH '/home/yourcsvfile.csv' INTO TABLE proxy_data;

Answer 2

您可以向表中添加属性，该属性将跳过csv的第一行。＆＃34; skip.header.line.count＆＃34; =＆＃34; 1＆＃34;

在你的情况下，

Alter Table proxy_data SET TBLPROPERTIES ("skip.header.line.count"="1").

Answer 3

您可以遵循以下方法：

使用此属性创建临时表（临时表） - skip.header.line.count = 1
创建一个具有相同模式的主表（不需要在此表中使用skip.header.line.count子句。）
每次有新文件时，将覆盖加载到临时表

然后，将staging table的数据加载到主表中。

create table <my_table_stg>(col1 data_type1, col2, data_type2...)
row format delimited fields terminated by ','
tblproperties ("skip.header.line.count"="1");

create table <my_table>(col1 data_type1, col2, data_type2...);

load data inpath '/file/location/my_file.csv' overwrite into table <my_table_stg>;

insert into table <my_table> select * from <my_table_stg>;

P.S：您的表语法没有row format delimited子句。请确保按照上面的说明添加

将值从文件插入到配置单元上的现有表

3 个答案: