hive:有条件地截断并加载表

xzv2uavs  于 2021-05-29  发布在  Hadoop
关注(0)|答案(1)|浏览(422)

我试图解决这样一个问题:如果源表的所有类别在目标中都可用,那么就截断并加载目标表,否则什么都不做。
我还没有找到任何解决方案,只是使用配置单元和结束使用shell脚本以及解决这个问题。
是否可以避免shell脚本?
当前方法:
创建\u ind \u table.hql:

create temporary table temp.master_source_join
as select case when source.program_type_cd=master.program_type_cd then 1 else 0 end as IND
from source left join master
    on source.program_type_cd=master.program_type_cd;

--if all the categoies from source persent in master then will contain 1 else 0'
drop table if exists temp.indicator;
create table temp.indicator
as select min(ind)*max(ind) as ind from master_source_join;

下面是我调用的脚本,如果主表中存在所有源表类别,则截断并加载主表。
tuncate\u load\u master.sh文件

beeline_cmd="beeline -u 'jdbc:hive2://abc.com:2181,abc1.com:2181,abc2.com:2181/;serviceDiscoveryMode=zooKeeper;zooKeeperNamespace=hiveserver2' --showHeader=flase --silent=true"
${beeline_cmd} -f create_ind_table.hql

## if indicator is 1 all the source category is present in master else not.

a=`${beeline_cmd} -e "select ind from temp.indicator;"`
temp=`echo $a | sed -e 's/-//g' | sed -e 's/+//g' | sed -e 's/|//g'`
echo $temp
if [ ${temp} -eq 1 ]
then
    echo "truncate and load the traget table"
    ${beeline_cmd} -e "insert overwrite table temp.master select * from temp.source;"
else
    echo "nothing to load"
fi
6za6bjd0

6za6bjd01#

使用动态分区的查询将只覆盖源数据集中现有的分区。向表中添加一个虚拟分区,如下所示:https://stackoverflow.com/a/47505850/2700344
您可以使用解析表达式计算您的标志 min() 在同一子查询中,并按其筛选。
对于返回的所有行,ind calculated将是相同的。而且似乎解析min()就足够了,不需要计算max()。按ind=1过滤。如果 min() over() =0并且不会覆盖表。

--enable dynamic partitioning
set hive.exec.dynamic.partition=true;
set hive.exec.dynamic.partition.mode=nonstrict;

insert overwrite table temp.master PARTITION(dummy_part) 
select s.col1, s.col2, --list all columns here you need to insert 
        'dummy_value' as dummy_part --dummy partition column 
from 
(
select s.*, 
      min(case when s.program_type_cd=m.program_type_cd then 1 else 0 end ) over() as IND
from source s left join master m
    on s.program_type_cd=m.program_type_cd
)s where ind=1 --filter will not return rows if min=0

相关问题