- android - RelativeLayout 背景可绘制重叠内容
- android - 如何链接 cpufeatures lib 以获取 native android 库?
- java - OnItemClickListener 不起作用,但 OnLongItemClickListener 在自定义 ListView 中起作用
- java - Android 文件转字符串
我试图通过在内部(Hadoop 端)WHERE 子句中发送附加条件,将传递查询(即使用 PROC SQL,而不是 LIBNAME)的结果 SAS 数据集缩小到 Hadoop。
例如,有效的代码如下所示(dtpart 宏变量定义较早,以便向下选择到 HDFS 中的单个分区):
proc sql;
connect to hadoop (server="&srvid" port=10000 user="&uid" pw="&passwd" schema=default );
create table work.creative_lkup as
select
advertiser_id,
creative_id,
creative,
rendering_id,
creative_type,
input("&dtpart.", yymmdd10.) as last_updt_dt format=mmddyy10.
from connection to hadoop (
select
`advertiser id` as advertiser_id,
`creative id` as creative_id,
creative,
`rendering id` as rendering_id,
`creative type` as creative_type
from default.match_table_creatives
where date_partition = "&dtpart."
)
WHERE advertiser_id = '12345';
disconnect from hadoop;
quit;
注意:如您所见,Hadoop 中的字段名称不是 SAS 标准的(因此名称周围的反引号包含空格)并且对于某些表,字段和表名称变得非常冗长。这使得简单地为我的 Hadoop 连接使用 LIBNAME 语句变得不切实际,因此我必须使用 CONNECT TO 在 PROC SQL 中使用传递查询。
我想做的是将传递内的“WHERE advertiser_id = '12345'”部分移动到 Hadoop。像这样:
proc sql;
connect to hadoop (server="&srvid" port=10000 user="&uid" pw="&passwd" schema=default );
create table work.creative_lkup as
select
advertiser_id,
creative_id,
creative,
rendering_id,
creative_type,
input("&dtpart.", yymmdd10.) as last_updt_dt format=mmddyy10.
from connection to hadoop (
select
`advertiser id` as advertiser_id,
`creative id` as creative_id,
creative,
`rendering id` as rendering_id,
`creative type` as creative_type
from default.match_table_creatives
where date_partition = "&dtpart."
and `advertiser id` = '12345'
);
disconnect from hadoop;
quit;
不幸的是,当我执行此操作时,我从 Hadoop 返回到 SAS 得到了一个模糊的错误:
ERROR: Prepare error: Error while processing statement: FAILED: Execution Error, return code 1 from
org.apache.hadoop.hive.ql.exec.mr.MapRedTask
我的问题是:是否有任何设置、选项或其他项目可以包含在我的 PROC SQL 语句中以允许正确使用 WHERE 子句?
问题似乎只有在 WHERE 子句中有 AND 时才会出现。我已经阅读了一些关于 SPDE 的内容(ACCELWHERE= 选项听起来很有希望),但我不知道如何在 PROC SQL 中使用这些选项,而且我在网上找到的引用资料似乎只指向在LIBNAME 语句。
谢谢。
最佳答案
看来问题是连接字符串中指定的用户(保存在 SAS 宏变量 &uid 中)在 Hadoop 中实际上并不存在。
宏变量 &uid 包含通用用户 ID 的名称(DEV 和 PROD 环境的名称不同 - 因此需要一个宏变量)。假设用户存在于 Hadoop 中,因为我能够使用此用户 ID 从 SAS 连接到 Hadoop 并通过简单查询检索记录。
显然,事实并非如此。
如果 Hadoop 环境中没有用户,HDFS 中就没有主文件夹。我们的 Hadoop 设置仍将处理“简单”查询(即,不对字段进行转换;只有 WHERE 条件可以针对分区字段;没有连接;等等),因为不需要构建 MapReducer 任务来从底层获取数据HDFS 中的平面文件。只有当有额外的 WHERE 条件(即分区字段除外)时,才需要创建 MapReducer 任务。任务 - 以及任务所需的任何临时文件 - 在运行查询的用户的主文件夹中创建。由于此用户的主文件夹不存在,因此 MapReducer 对象会抛出错误(尽管没有在 Hive 中生成日志文件,因为没有地方可以生成日志文件,甚至没有创建此类文件的任务)。
它甚至允许在没有有效用户 ID 的情况下选择数据,这很愚蠢,但这是我们当前的设置。
因此,为了检验这一理论,我运行了以下代码(注意:我使用了我的用户名而不是宏变量)。
proc sql;
connect to hadoop (server="&srvid" port=10000 user="myuserid" pw="unnecessary" schema=default);
create table work.creative_lkup2 as
select
advertiser_id,
creative_id,
creative,
rendering_id,
creative_type,
input("&dtpart.", yymmdd10.) as last_updt_dt format=mmddyy10.
from connection to hadoop (
select
c.`advertiser id` as advertiser_id,
c.`creative id` as creative_id,
c.creative,
c.`rendering id` as rendering_id,
c.`creative type` as creative_type
from default.match_table_creatives c
where c.date_partition = "&dtpart." and c.`advertiser id` = "12345"
);
disconnect from hadoop;
quit;
这返回了大约。 80k 条记录(10 秒的 CPU 时间,但由于来自 AWS 的 IO,它花了将近 10 分钟)。
为了感谢所有查看此问题并做出回应的人,我想提供一个可能对您有所帮助的额外教训:
由于Hadoop中的字段都被定义为String,SAS不得不假设这些字段是可能的最长字符长度:32,767。因此,数据量(主要是空白)过多,导致传输速度缓慢。
我们想出的解决方法涉及使用 EXECUTE (...) AS HADOOP 语句来创建和填充一个临时表,该表在我们摄取它之前具有正确大小的 VARCHAR 字段(已经向下选择到我们想要的数据)进入 SAS。
proc sql;
connect to hadoop (server="&srvid" port=10000 user="myuserid" pw="doesnt_matter" schema=default);
execute (
create table if not exists default.test_lkup_cre (
advertiser_id Varchar(10),
creative_id Varchar(10),
creative Varchar(200),
rendering_id Varchar(10),
creative_type Varchar(16)
)
) by hadoop;
execute (
insert into table default.test_lkup_cre
select
c.`advertiser id` as advertiser_id,
c.`creative id` as creative_id,
c.creative,
c.`rendering id` as rendering_id,
c.`creative type` as creative_type
from default.match_table_creatives c
where c.date_partition = "&dtpart." and c.`advertiser id` = "12345"
) by hadoop;
create table work.creative_lkup3 as
select
advertiser_id,
creative_id,
creative,
rendering_id,
creative_type,
input("&dtpart.", yymmdd10.) as last_updt_dt format=mmddyy10.
from connection to hadoop (
select
advertiser_id,
creative_id,
creative,
rendering_id,
creative_type
from default.test_lkup_cre
);
disconnect from hadoop;
quit;
这在短短 46 秒内返回了相同的约 80k 条记录。
希望这也能帮助其他人。
关于hadoop - 如何让 Hadoop 接受带有复合 WHERE 子句的 SAS 直通查询?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45469839/
我们有数据(此时未分配)要转换/聚合/透视到 wazoo。 我在 www 上看了看,我问的所有答案都指向 hadoop 可扩展、运行便宜(没有 SQL 服务器机器和许可证)、快速(如果你有足够的数据)
这很明显,我们都同意我们可以将 HDFS + YARN + MapReduce 称为 Hadoop。但是,Hadoop 生态系统中的其他不同组合和其他产品会怎样? 例如,HDFS + YARN + S
如果 es-hadoop 只是连接到 HDFS 的 Hadoop 连接器,它如何支持 Hadoop 分析? 最佳答案 我假设您指的是 this project .在这种情况下,ES Hadoop 项目
看完this和 this论文,我决定我想在 MapReduce 上为大型数据集实现分布式体积渲染设置作为我的本科论文工作。 Hadoop 是一个合理的选择吗? Java 不会扼杀一些性能提升或使与 C
我一直在尝试查找有关如何通过命令行提交 hadoop 作业的信息。 我知道命令 - hadoop jar jar-file 主类输入输出 还有另一个命令,我正在尝试查找有关它的信息,但未能找到 - h
Hadoop 服务器在 Kubernetes 中。而Hadoop客户端位于外网。所以我尝试使用 kubernetes-service 来使用 Hadoop 服务器。但是 hadoop fs -put
有没有人遇到奇怪的环境问题,在调用 hadoop 命令时被迫使用 SU 而不是 SUDO? sudo su -c 'hadoop fs -ls /' hdfs Found 4 itemsdrwxr-x
在更改 mapred-site.xml 中的属性后,我给出了一个 tar.bz2 文件、.gz 和 tar.gz 文件作为输入。以上似乎都没有奏效。我假设这里发生的是 hadoop 作为输入读取的记录
如何在 Hadoop Pipes 中获取正在 hadoop 映射器 中执行的输入文件 名称? 我可以很容易地在基于 java 的 map reducer 中获取文件名,比如 FileSplit fil
我想使用 MapReduce 方法分析连续的数据流(通过 HTTP 访问),因此我一直在研究 Apache Hadoop。不幸的是,Hadoop 似乎期望以固定大小的输入文件开始作业,而不是能够在新数
名称节点可以执行任务吗?默认情况下,任务在集群的数据节点上执行。 最佳答案 假设您正在询问MapReduce ... 使用YARN,MapReduce任务在应用程序主数据库中执行,而不是在nameno
我有一个关系A包含 (zip-code). 我还有另一个关系B包含 (name:gender:zip-code) (x:m:1234) (y:f:1234) (z:m:1245) (s:f:1235)
我是hadoop地区的新手。您能帮我负责(k2,list[v2,v2,v2...])形式的输出(意味着将键及其所有关联值组合在一起)的责任是吗? 谢谢。 最佳答案 这是Hadoop的MapReduce
因此,我一直在尝试编写一个hadoop程序,该程序将输入作为一个包含许多文件的文件,并且我希望hadoop程序的输出仅是输入文件的一行。但是我还没有做到这一点。我也不想去 reducer 课。如果有人
我使用的输入文本文件的内容是 1 "Come 1 "Defects," 1 "I 1 "Information 1 "J" 2 "Plain 5 "Project 1
谁能告诉我以下grep命令的作用: $ bin/hadoop jar hadoop-*-examples.jar grep input output 'dfs[a-z.]+' 最佳答案 http:/
我不了解mapreducer的基本功能,mapreducer是否有助于将文件放入HDFS 或mapreducer仅有助于分析HDFS中现有文件中的内容 我对hadoop非常陌生,任何人都可以指导我理解
CopyFromLocal将从本地文件系统上载数据。 不要放会从任何文件上传数据,例如。本地FS,亚马逊S3 或仅来自本地fs ??? 最佳答案 请找到两个命令的用法。 put ======= Usa
我开始研究hadoop mapreduce。 我是Java和hadoop的初学者,并且了解hadoop mapreduce的编码,但是有兴趣了解它在云中的内部工作方式。 您能否分享一些很好的链接来说明
我一直在寻找Hadoop mapreduce类的类路径。我正在使用Hortonworks 2.2.4版沙箱。我需要这样的类路径来运行我的javac编译器: javac -cp (CLASS_PATH)
我是一名优秀的程序员,十分优秀!