hadoop - 从分区文件结构创建 Impala 外部表

Question

提供了如下的分区 fs 结构:

logs
└── log_type
    └── 2013
        ├── 07
        │   ├── 28
        │   │   ├── host1
        │   │   │   └── log_file_1.csv
        │   │   └── host2
        │   │       ├── log_file_1.csv
        │   │       └── log_file_2.csv
        │   └── 29
        │       ├── host1
        │       │   └── log_file_1.csv
        │       └── host2
        │           └── log_file_1.csv
        └── 08

我一直在尝试在 Impala 中创建一个外部表:

create external table log_type (
    field1    string,
    field2    string,
    ...
)
row format delimited fields terminated by '|' location '/logs/log_type/2013/08';

我希望 Impala 递归到子目录并加载所有 csv 文件；但没有雪茄。没有错误被抛出，但没有数据被加载到表中。

/logs/log_type/2013/08/*/* 或 /logs/log_type/2013/08/*/*/* 等不同的 glob 不起作用要么。

有没有办法做到这一点？或者我应该重组 fs - 对此有什么建议吗？

Answer 1

如果您仍在寻找答案。您需要手动注册每个单独的分区。

详情请看这里Registering External Table

您的表格架构需要调整

create external table log_type (
        field1    string,
        field2    string,
...)
  partitioned by (year int, month int, day int, host string)
  row format delimited fields terminated by '|';

更改架构以包含年、月、日和主机后，您必须递归地将每个 分区添加到表中。

像这样

ALTER TABLE log_type ADD PARTITION (year=2013, month=07, day=28, host="host1")
    LOCATION '/logs/log_type/2013/07/28/host1';

之后您需要在 impala 中刷新表格。

invalidate log_type;
refresh log_type;