hadoop - Presto查询引发错误-执行SELECT时StageStateMachine NullPointer *

Question

我正在将S3的 Parquet 文件加载到在EMR机器中运行的Hive数据仓库中:
Release: emr-5.1.0Hadoop distribution: Amazon 2.7.3Applications: Hive 2.1.0, Spark 2.0.1, Presto 0.152.3)
我可以使用以下命令轻松查询配置单元中的结果:
select * from table_a
但是，当我使用presto尝试相同的查询时，出现以下错误:

ERROR   remote-task-callback-57 com.facebook.presto.execution.StageStateMachine Stage 20161117_211631_00018_29xwg.1 failed
java.lang.NullPointerException
    at com.facebook.presto.spi.RecordPageSource.getNextPage(RecordPageSource.java:124)
    at com.facebook.presto.operator.TableScanOperator.getOutput(TableScanOperator.java:246)
    at com.facebook.presto.operator.Driver.processInternal(Driver.java:378)
    at com.facebook.presto.operator.Driver.processFor(Driver.java:301)
    at com.facebook.presto.execution.SqlTaskExecution$DriverSplitRunner.processFor(SqlTaskExecution.java:622)
    at com.facebook.presto.execution.TaskExecutor$PrioritizedSplitRunner.process(TaskExecutor.java:529)
    at com.facebook.presto.execution.TaskExecutor$Runner.run(TaskExecutor.java:665)
    at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1142)
    at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:617)
    at java.lang.Thread.run(Thread.java:745)

我知道我的presto能够查询配置单元表，因为我可以这样做:
select count(1) from table_a
和
select column_name from table_a
我的第一选择有什么问题？

Answer 1

我发现了问题。

当我定义配置单元create table时，我添加了一个在文件中尚不存在的字段(它将很快存在)。

使用Presto，我可以为表的所有字段添加select column_name from table_a，但不包括缺少的字段(这解释了为什么select * from table_a无法正常工作)。

Hive通过在查询结果中填充null值来处理文件中缺少的参数。 Presto尝试查找该字段，并引发NullPointerException。

机器版本:Hive 2.1.0, Spark 2.0.1, Presto 0.152.3
编辑:

添加这两个标志(一个用于orc，另一个用于 Parquet ):

hive.parquet.use-column-names = true
hive.orc.use-column-names = true

到 hive.properties:

/etc/presto/conf/catalog/hive.properties #path on emr