如何将数据添加到现有的配置单元元存储？

rur96b6h 于 2021-06-26 发布在 Hive

关注(0)|答案(2)|浏览(429)

我在s3中有多个子目录包含.orc文件。我正在尝试创建一个配置单元元存储，以便使用presto/hive等查询数据。数据的结构很差（没有一致的分隔符、难看的字符等）。这是一个擦洗过的样品：

1488736466 199.199.199.199 0_b.www.sphericalcow.com.f9b1.qk-g6m6z24tdr.v4.url.name.com TXT IN: NXDOMAIN/0/143
1488736466 6.6.5.4 0.3399.186472.4306.6668.638.cb5a.names-things.update.url.name.com TXT IN: NOERROR/3/306 0\009253\009http://az.blargi.ng/%D3%AB%EF%BF%BD%EF%BF%BD/\009 0\009253\009http://casinoroyal.online/\009 0\009253\009http://d2njbfxlilvpsq.cloudfront.net/b_zq_ym_bangvideo/bangvideo0826.apk\009

我能够使用serde regex创建一个指向其中一个子目录的表，并且字段解析正确，但据我所知，一次只能加载一个子文件夹。
如何向现有配置单元元存储添加更多数据？
下面是一个带有regex serde位的hive metastore create语句示例：

DROP TABLE IF EXISTS test;

CREATE EXTERNAL TABLE test (field1 string, field2 string, field3 string, field4 string)
COMMENT 'fill all the tables with the datas.' 
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.RegexSerDe' 
  WITH SERDEPROPERTIES (
"input.regex" = "([0-9]{10}) ([0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}) (\\S*) (.*)",
"output.format.string" = "%1$s %2$s %3$s %4$s"
)
STORED AS ORC
LOCATION 's3://path/to/one/of/10/folders/'
tblproperties ("orc.compress" = "SNAPPY", "skip.header.line.count"="2");

select * from test limit 10;

我意识到可能有一个非常简单的解决方案，但是我尝试了insert into来代替create external table，但是它抱怨输入是可以理解的，我查看了hive和serde文档以获得帮助，但是找不到添加到现有存储的引用。

sql Hive regex hadoop2 hive-serde

来源：https://stackoverflow.com/questions/43454055/how-do-you-add-data-to-an-existing-hive-metastore

2条答案

按热度按时间

wmomyfyw1#

使用分区的可能解决方案。

CREATE EXTERNAL TABLE test (field1 string, field2 string, field3 string, field4 string) 
partitioned by (mypartcol string)
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.RegexSerDe' 
  WITH SERDEPROPERTIES (
"input.regex" = "([0-9]{10}) ([0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}) (\\S*) (.*)"
)
LOCATION 's3://whatever/as/long/as/it/is/empty'
tblproperties ("skip.header.line.count"="2");

alter table test add partition (mypartcol='folder 1') location 's3://path/to/1st/of/10/folders/';
alter table test add partition (mypartcol='folder 2') location 's3://path/to/2nd/of/10/folders/';
.
.
.
alter table test add partition (mypartcol='folder 10') location 's3://path/to/10th/of/10/folders/';

赞(0）回复(0）举报 2021-06-26

qjp7pelc2#

为@角色（op）
似乎不需要regexserde，因为列由空格（''）分隔。
注意使用 tblproperties ("serialization.last.column.takes.rest"="true") ```
create external table test
(
field1 bigint
,field2 string
,field3 string
,field4 string
)
row format delimited
fields terminated by ' '
tblproperties ("serialization.last.column.takes.rest"="true")
;

赞(0）回复(0）举报 2021-06-26

我来回答

如何将数据添加到现有的配置单元元存储？

2条答案

相关问题

热门标签

最新问答