scala - HiveContext 未读取 Orcfile 的模式

Question

当我运行以下命令时:

val df1 = sqlContext.read.format("orc").load(myPath)
df1.columns.map(m => println(m))

这些列打印为“_col0”、“_col1”、“_col2”等，而不是它们的真实名称，例如“empno”、“name”、“deptno”。

当我在 Hive 中“描述我的表”时，它会正确打印列名，但当我运行“orcfiledump”时，它也会显示 _col0、_col1、_col2。我是否必须指定“读取模式”或其他内容？如果是，我该如何在 Spark/Scala 中执行此操作？

hive --orcfiledump /apps/hive/warehouse/mydb.db/mytable1
.....
fieldNames: "_col0"
fieldNames: "_col1"
fieldNames: "_col2"

注意:我创建的表如下:

create table mydb.mytable1 (empno int, name VARCHAR(20), deptno int) stored as orc;

注意:这不是这个问题 (Hadoop ORC file - How it works - How to fetch metadata) 的重复，因为答案告诉我使用“Hive”并且我已经在使用 HiveContext，如下所示:

val sqlContext = new org.apache.spark.sql.hive.HiveContext(sc)

顺便说一下，我使用的是我自己的 hive-site.xml，其中包含以下内容:

<configuration>
    <property>
      <name>hive.metastore.uris</name>
      <value>thrift://sandbox.hortonworks.com:9083</value>
    </property>
</configuration>

Answer 1

我想出了问题所在。这就是我创建测试数据的方式。我的印象是，如果我运行以下命令:

create table mydb.mytable1 (empno int, name VARCHAR(20), deptno int) stored as orc;

INSERT INTO mydb.mytable1(empno, name, deptno) VALUES (1, 'EMP1', 100);
INSERT INTO mydb.mytable1(empno, name, deptno) VALUES (2, 'EMP2', 50);
INSERT INTO mydb.mytable1(empno, name, deptno) VALUES (3, 'EMP3', 200);

数据将以 ORC 格式创建在:/apps/hive/warehouse/mydb.db/mytable1

事实并非如此。即使我指示“存储为 orc”，INSERT 语句也没有保存列信息。不确定这是否是预期的行为。无论如何，现在一切正常。对造成的困惑表示歉意，但希望这对将来的人有所帮助 -:)