hadoop - 如何在 Hive CDH 中创建 ORC 文件？

Question

我可以在 Apache Hadoop 或 Hortonworks 的 HDP 中轻松创建 ORC 文件格式:

CREATE TABLE ... STORED AS ORC

但是这在 Cloudera 的 CDH 4.5 中不起作用。 (惊喜!)我得到:

FAILED: SemanticException Unrecognized file format in STORED AS clause: ORC

因此，作为替代方案，我尝试下载并安装包含 ORC 类的 Hive jar:

hive> add jar /opt/cloudera/parcels/CDH-4.5.0-1.cdh4.5.0.p0.30/lib/hive/lib/hive-exec-0.11.0.jar;

然后创建我的 ORC 表:

hive>    CREATE TABLE test (name STRING)

> row format serde
> 'org.apache.hadoop.hive.ql.io.orc.OrcSerde'
>  stored as inputformat
>   'org.apache.hadoop.hive.ql.io.orc.OrcInputFormat'   
>   outputformat
>   'org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat';
OK

但是从一些 CSV 数据插入到这个表中时，我得到一个错误:

hive> INSERT OVERWRITE TABLE test 
> SELECT name FROM textdata;

    Diagnostic Messages for this Task:
java.lang.RuntimeException: Error in configuring object
    at org.apache.hadoop.util.ReflectionUtils.setJobConf(ReflectionUtils.java:109)
    at org.apache.hadoop.util.ReflectionUtils.setConf(ReflectionUtils.java:75)
    at org.apache.hadoop.util.ReflectionUtils.newInstance(ReflectionUtils.java:133)
    at org.apache.hadoop.mapred.MapTask.runOldMapper(MapTask.java:413)

如何在CDH中的Hive中创建ORC表？

Answer 1

CDH 4.5 包含 Hive 0.10，参见 CDH Version 4.5.0 Packaging and Tarballs . Hive 0.11 中添加了 ORC，请参阅 release notes和 HIVE-3874: Create a new Optimized Row Columnar file format for Hive .

CDH 5 现在处于 Beta 阶段，但它确实包含 Hive 0.11，请参阅 CDH Version 5.0.0 Beta 1 .