Question

我已经在Qubole（Hive）中创建了一个外部表，该表从s3中读取镶木地板（压缩的：snappy）文件，但是在执行SELECT * table_name时，我得到除分区列之外的所有列的空值。

我尝试在SERDEPROPERTIES中使用不同的serialization.format值，但是我仍然面临相同的问题。在删除属性'serialization.format' = '1'时，我得到了ERROR: Failed with exception java.io.IOException:Can not read value at 0 in block -1 in file s3://path_to_parquet/。

我检查了实木复合地板文件，并能够使用实木复合地板工具读取数据：

**file_01.snappy.parquet:**
{"col_2":1234,"col_3":ABC}
{"col_2":124,"col_3":FHK}
{"col_2":12515,"col_3":UPO}


**External table stmt:**
CREATE EXTERNAL TABLE parquet_test
(
    col2 int,
    col3 string
)
PARTITIONED BY (col1 date) 
ROW FORMAT SERDE 'org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe'
WITH SERDEPROPERTIES (
  'serialization.format' = '1'
)
STORED AS PARQUET
LOCATION 's3://path_to_parquet'
TBLPROPERTIES ('parquet.compress'='SNAPPY');

Result:
col_1   col_2   col_3
5/3/19  NULL    NULL
5/4/19  NULL    NULL
5/5/19  NULL    NULL
5/6/19  NULL    NULL

Expected Result:
col_1   col_2   col_3
5/3/19  1234    ABC
5/4/19  124     FHK
5/5/19  12515   UPO
5/6/19  1234    ABC

Answer 1

写下面的答案，假设该表是使用Hive创建的，并使用Spark读取的（因为该问题用apache-spark-sql标记了）

如何创建数据？

Spark支持区分大小写的架构。当我们使用数据框API时，可以使用区分大小写的架构进行编写。
示例：

scala> case class Employee(iD: Int, NaMe: String )
defined class Employee
scala> val df =spark.range(10).map(x => Employee(x.toInt, s"name$x")).write.save("file:///tmp/data/")
scala> spark.read.parquet("file:///tmp/data/").printSchema
root
 |-- iD: integer (nullable = true)
 |-- NaMe: string (nullable = true)

请注意，在上述示例中，保留了敏感性。
当我们在从Spark创建的数据之上创建Hive表时，Hive将能够正确读取它，因为它不区分大小写。
而当使用Spark读取相同的数据时，它将使用Hive中的模式（默认情况下为小写），并且返回的行为null。
为了克服这个问题，Spark引入了一个配置spark.sql.hive.caseSensitiveInferenceMode。

object HiveCaseSensitiveInferenceMode extends Enumeration {
  val INFER_AND_SAVE, INFER_ONLY, NEVER_INFER = Value
}

val HIVE_CASE_SENSITIVE_INFERENCE = buildConf("spark.sql.hive.caseSensitiveInferenceMode")
  .doc("Sets the action to take when a case-sensitive schema cannot be read from a Hive " +
    "table's properties. Although Spark SQL itself is not case-sensitive, Hive compatible file " +
    "formats such as Parquet are. Spark SQL must use a case-preserving schema when querying " +
    "any table backed by files containing case-sensitive field names or queries may not return " +
    "accurate results. Valid options include INFER_AND_SAVE (the default mode-- infer the " +
    "case-sensitive schema from the underlying data files and write it back to the table " +
    "properties), INFER_ONLY (infer the schema but don't attempt to write it to the table " +
    "properties) and NEVER_INFER (fallback to using the case-insensitive metastore schema " +
    "instead of inferring).")
  .stringConf
  .transform(_.toUpperCase(Locale.ROOT))
  .checkValues(HiveCaseSensitiveInferenceMode.values.map(_.toString))
  .createWithDefault(HiveCaseSensitiveInferenceMode.INFER_AND_SAVE.toString)

INFER_AND_SAVE-Spark推断模式并存储在metastore中，作为表TBLEPROPERTIES的一部分（desc extended <table name>应该显示这一点）
如果该属性的值是INFER_AND_SAVE或INFER_ONLY的 NOT ，则Spark使用metastore表中的架构，并且将无法读取实木复合地板文件。自Spark 2.2.0起，该属性的默认值为INFER_AND_SAVE。

我们可以检查以下内容是否是与模式敏感性有关的问题：
1. spark.sql.hive.caseSensitiveInferenceMode的值（spark.sql("set spark.sql.hive.caseSensitiveInferenceMode")应该表明这一点）
2.如果使用Spark创建的数据
3.如果2为true，请检查Schema是否区分大小写（spark.read(<location>).printSchema） 4.如果3使用区分大小写的模式，并且1的输出不是INFER_AND_SAVE / INFER_ONLY，则设置spark.sql("set spark.sql.hive.caseSensitiveInferenceMode=INFER_AND_SAVE")，删除表，重新创建表并尝试从Spark读取数据。

如何使用Hive 1.2从s3中的拼花文件创建外部表？

1 个答案:

如何创建数据？