- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用 spark 2.0,我想知道是否可以列出特定配置单元表的所有文件?如果是这样,我可以直接使用 spark sc.textFile("file.orc")
增量更新这些文件.
如何向配置单元表添加新分区?我可以从spark使用hive Metastore上的任何api吗?
有什么办法可以得到映射数据帧的内部hive函数row => partition_path
我的主要原因是表的增量更新。现在我想出的唯一方法是 FULL OUTER JOIN
SQL + SaveMode.Overwrite
,这不是那么有效,因为他会覆盖所有表,而我的主要兴趣是某些特定分区的增量更新/添加新分区
编辑
从我在 HDFS 上看到的情况来看,当 SaveMode.Overwrite spark 会发出表定义,即 CREATE TABLE my_table .... PARTITION BY (month,..)
. spark 将所有文件放在 $HIVE/my_table
下并且不在 $HIVE/my_table/month/...
之下这意味着他没有对数据进行分区。当我写 df.write.partitionBy(...).mode(Overwrite).saveAsTable("my_table")
我在 hdfs 上看到它是正确的。
我用过 SaveMode.Overwrite
因为我正在更新记录而不是附加数据。
我使用 spark.table("my_table")
加载数据这意味着 spark 懒惰地加载表,这是一个问题,因为我不想加载所有表只是 if 的一部分。
对于这个问题:
1.我用过partitionBy()
,所以spark会打乱数据吗? , 或者他比较当前分区,如果相同,他将不会对数据进行混洗。
2.当从数据中变异部分时,即仅针对特定的月份/年份,并应用该更改而不是加载所有数据时, Spark 是否足够聪明以使用分区修剪? (FULL OUTER JOIN 基本上是扫描所有表的操作)
最佳答案
添加分区:
可以使用 partitionBy
从 spark 添加分区提供于 DataFrameWriter
用于非流式传输或使用 DataStreamWriter
对于流数据。
public DataFrameWriter<T> partitionBy(scala.collection.Seq<String> colNames)
year
对数据进行分区和
month
spark 会将数据保存到文件夹中,例如:
year=2016/month=01/
year=2016/month=02/
orc
- 您可以使用另存为
orc
格式为:
df.write.partitionBy('year', 'month').format("orc").save(path)
df.write.partitionBy('year', 'month').insertInto(String tableName)
SHOW PARTITIONS
获取特定表中的分区列表。
sparkSession.sql("SHOW PARTITIONS partitionedHiveTable")
.enableHiveSupport()
当您使用
创建 session 时SparkSessionBuilder
并确定您是否有
hive-conf.xml
etc.正确配置
关于apache-spark - Hive on Spark 列出特定 Hive 表的所有分区并添加一个分区,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40267953/
我可以将 CSV 或任何其他平面文件导入到 hive 中,而无需先在 hive 中创建和定义表结构吗?假设我的 csv 文件有 200 列,需要导入到 hive 表中。所以我必须首先在 hive 中创
我有以下示例数据,我试图在 hive 中爆炸它.. 我使用了 split 但我知道我错过了一些东西.. ["[[-80.742426,35.23248],[-80.740424,35.23184],[
我有一个很大的日志文件,我加载到 HDFS . HDFS将根据机架感知复制到不同的节点。 现在我将相同的文件加载到配置单元表中。命令如下: create table log_analysis (log
我正在尝试使用 UDF在 hive 中。但是当我尝试使用 userdate as 'unixtimeToDate' 创建一个临时函数时,我得到这个异常(exception) hive> create
在Mysql中,我们可以使用DO sleep(5) ;来进行暂停。但它在 Hive 中不起作用。 Hive有 sleep 功能吗? 最佳答案 你可以通过反射调用Thread让hive在处理每一行后多等
我正在将数据从 csv 文件导入 Hive。我的表包含字符串和整数。但是,在我的输入文件中,整数周围有空格,所以它看起来像这样: some string, 2 ,another stri
我可以嵌套吗select在 Hive 中具有不同的条件?例如 如果我有以下两个 Hive 查询: select percentile(x, 0.95) from t1 where y = 1; sel
hive 安装有什么特定的模式吗? 例如,Hadoop 安装有 3 种模式:独立、伪分布式和完全分布式。 同样,Hive 是否有任何特定类型的分布? Hive 可以分布式安装吗? 最佳答案 Hive
我正在使用 Hive,我有一个结构如下的表: CREATE TABLE t1 ( id INT, created TIMESTAMP, some_value BIGINT ); 我需要找到
我是 Hadoop 生态系统工具的新手。 任何人都可以帮助我了解 hive 、直线和 hive 之间的区别。 提前致谢! 最佳答案 Apache hive : 1] Apache Hive 是一个建立
如何在 Hive 中写出数组文字? SELECT PERCENTILE(my_column, [0.5, 0.25, 0.50, 0.75, 0.95]) AS quantiles FROM my_t
我正在尝试在Hive中重命名columnName。是否可以在Hive中重命名列名称。 tableA(栏1,_c1,_c2) 至 tableA(column1,column2,column3) ?? 最
减号查询似乎在 HIVE 中不起作用。 尝试过: select x from abc minus select x from bcd ; 我做错了还是没有为 HIVE 定义负查询?如果是这样,还有其他
我正在尝试使用 hive-jdbc 连接将数据插入 Hive (NON-ACID) 表。如果我在“语句”中执行单个 SQL 查询,它就可以工作。如果我尝试使用“addBatch”对 SQL 进行批处理
我知道这些, 要获取表中的列名,我们可以触发: show columns in . 要获取表的描述(包括 column_name、column_type 和许多其他详细信息): describe [f
无法找到有关 Hive 表最大字符限制的合适规范。 我正在开发一个涉及 hive 表的 ETL 过程,这些表已指定格式为 _ 的命名约定,并且提供的表名称远大于 30 字节(pl/sql 的正常限制)
在安装了Hive的集群中,metastore和namenode有什么?我了解 Metastore 拥有所有表架构、分区详细信息和元数据。现在这个元数据是什么?那么namenode有什么呢?这个元存储在
Hive 中静态分区和动态分区的主要区别是什么?使用单独的插入意味着静态,而对分区表的单个插入意味着动态。还有什么优点吗? 最佳答案 在静态分区中,我们需要在每个 LOAD 语句中指定分区列值。 假设
我是 hadoop 和 hive 的新手。如果有人研究过pivot in hive的概念,请与我分享。 例如:来自 teradata 或 oracle 的数据未转置,这些数据应在 hive 中转置。那
1)如果分区列没有数据,那么当你查询它时,你会得到什么错误? 2)如果某些行没有分区列,这些行将如何处理?会不会有数据丢失? 3)为什么需要对数字列进行分桶?我们也可以使用字符串列吗?流程是什么?您将
我是一名优秀的程序员,十分优秀!