[英]How to pass parameters to Python streaming script in Hive?
Hive用户可以通过脚本通过流表来转换该数据:
ADD FILE replace-nan-with-zeros.py;
SELECT
TRANSFORM (...)
USING 'python replace-nan-with-zeros.py'
AS (...)
FROM some_table;
我有一个简单的Python脚本:
#!/usr/bin/env python
import sys
kFirstColumns= 7
def main(argv):
for line in sys.stdin:
line = line.strip();
inputs = line.split('\t')
# replace NaNs with zeros
outputs = [ ]
columnIndex = 1;
for value in inputs:
newValue = value
if columnIndex > kFirstColumns:
newValue = value.replace('NaN','0.0')
outputs.append(newValue)
columnIndex = columnIndex + 1
print '\t'.join(outputs)
if __name__ == "__main__":
main(sys.argv[1:])
如何使kFirstColumns成为此Python脚本的命令行或其他类型的参数?
谢谢!
解决方案确实很简单。 采用
ADD FILE replace-nan-with-zeros.py;
SELECT
TRANSFORM (...)
USING 'python replace-nan-with-zeros.py 7'
AS (...)
FROM some_table;
而不只是
...
USING 'python replace-nan-with-zeros.py'
...
这对我来说可以。
Python脚本应更改为:
kFirstColumns= int(sys.argv[1])
好吧,您已经在这样做了。
您正在获取sys.argv[1:]
并将其传递给main,但没有使用参数。 我建议(最简单的方法)是按以下方式更改脚本:
def main(kFirstColumns):
...
if __name__ == "__main__":
main(int(sys.argv[1]))
然后像这样运行您的脚本
$ python myScript.py 7
然后,当您想执行更复杂的命令行选项时,可以查看argparse 。
有点骇人听闻,但是您可以通过将参数作为查询的附加列来传递参数。
SELECT
TRANSFORM (...)
USING 'python replace-nan-with-zeros.py'
AS (...)
FROM (SELECT 7 AS kFirstColumns, * FROM some_table);
然后,当您解析脚本中的行时,第一列值将是您要查找的参数。 只需将其弹出到本地变量中,即可将其从列值列表中删除。
line = line.strip();
inputs = line.split('\t')
kFirstColumns = inputs.pop(0)
希望能有所帮助。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.