[英]Select data into Hadoop with Hive
我使用以下命令在Hive中创建了一个表:
CREATE TABLE tweet_table(
tweet STRING
)
ROW FORMAT
DELIMITED
FIELDS TERMINATED BY '\n'
LINES TERMINATED BY '\n'
我插入一些数据:
LOAD DATA LOCAL INPATH 'data.txt' INTO TABLE tweet_table
data.txt:
data1
data2
data3data4
data5
select * from tweet_table
命令返回:
data1
data2
data3data4
data5
但是select tweet from tweet_table
给我:
java.lang.RuntimeException: java.lang.ArrayIndexOutOfBoundsException: 0
at org.apache.hadoop.hive.ql.exec.Utilities.getMapRedWork(Utilities.java:230)
at org.apache.hadoop.hive.ql.io.HiveInputFormat.init(HiveInputFormat.java:255)
at org.apache.hadoop.hive.ql.io.HiveInputFormat.pushProjectionsAndFilters(HiveInputFormat.java:381)
at org.apache.hadoop.hive.ql.io.HiveInputFormat.pushProjectionsAndFilters(HiveInputFormat.java:374)
at org.apache.hadoop.hive.ql.io.CombineHiveInputFormat.getRecordReader(CombineHiveInputFormat.java:540)
at org.apache.hadoop.mapred.MapTask.runOldMapper(MapTask.java:338)
at org.apache.hadoop.mapred.MapTask.run(MapTask.java:307)
at org.apache.hadoop.mapred.Child.main(Child.java:170)
Caused by: java.lang.ArrayIndexOutOfBoundsException: 0
at java.beans.XMLDecoder.readObject(XMLDecoder.java:250)
at org.apache.hadoop.hive.ql.exec.Utilities.deserializeMapRedWork(Utilities.java:542)
at org.apache.hadoop.hive.ql.exec.Utilities.getMapRedWork(Utilities.java:222)
... 7 more
FAILED: Execution Error, return code 2 from org.apache.hadoop.hive.ql.exec.MapRedTask
MapReduce Jobs Launched:
Job 0: Map: 1 HDFS Read: 0 HDFS Write: 0 FAIL
Total MapReduce CPU Time Spent: 0 msec
如果数据存储在正确的表中,而不是存储在tweet
字段中,为什么?
在针对Apache Hive 1.2.1进行测试后,似乎该行为不再以完全相同的方式再现。 但是,很可能原始问题与在CREATE TABLE
语句中使用字段终止符和行终止符使用相同的字符( '\\n'
)有关。
CREATE TABLE tweet_table(
tweet STRING
)
ROW FORMAT
DELIMITED
FIELDS TERMINATED BY '\n'
LINES TERMINATED BY '\n'
这不能产生可预测的结果,因为您已经说过'\\n'
可以表示字段的结尾或整行的结尾。
这是我针对Apache Hive 1.2.1进行测试时发生的情况。 data.txt的内容是3行数据,每行包含2列,其字段由制表符( '\\t'
)分隔,行由'\\n'
分隔。
key1 value1
key2 value2
key3 value3
让我们将字段终止符和行终止符都设置为'\\n'
。
hive> CREATE TABLE data_table(
> key STRING,
> value STRING
> )
> ROW FORMAT
> DELIMITED
> FIELDS TERMINATED BY '\n'
> LINES TERMINATED BY '\n';
OK
Time taken: 2.322 seconds
hive> LOAD DATA LOCAL INPATH 'data.txt' INTO TABLE data_table;
Loading data to table default.data_table
Table default.data_table stats: [numFiles=1, totalSize=36]
OK
Time taken: 2.273 seconds
hive> SELECT * FROM data_table;
OK
key1 value1 NULL
key2 value2 NULL
key3 value3 NULL
Time taken: 1.387 seconds, Fetched: 3 row(s)
hive> SELECT key FROM data_table;
OK
key1 value1
key2 value2
key3 value3
Time taken: 1.254 seconds, Fetched: 3 row(s)
hive> SELECT value FROM data_table;
OK
NULL
NULL
NULL
Time taken: 1.384 seconds, Fetched: 3 row(s)
我们可以看到它在表定义中将每个"key\\tvalue"
解释为key
,并假定没有为value
指定任何内容。 这是一种有效的解释,因为表定义指出字段将由'\\n'
分隔,并且在键和值之后都没有输入'\\n'
。
现在,让我们重复一次相同的测试,将字段终止符设置为'\\t'
并将行终止符设置为'\\n'
。
hive> CREATE TABLE data_table(
> key STRING,
> value STRING
> )
> ROW FORMAT
> DELIMITED
> FIELDS TERMINATED BY '\t'
> LINES TERMINATED BY '\n';
OK
Time taken: 2.247 seconds
hive> LOAD DATA LOCAL INPATH 'data.txt' INTO TABLE data_table;
Loading data to table default.data_table
Table default.data_table stats: [numFiles=1, totalSize=36]
OK
Time taken: 2.244 seconds
hive> SELECT * FROM data_table;
OK
key1 value1
key2 value2
key3 value3
Time taken: 1.308 seconds, Fetched: 3 row(s)
hive> SELECT key FROM data_table;
OK
key1
key2
key3
Time taken: 1.376 seconds, Fetched: 3 row(s)
hive> SELECT value FROM data_table;
OK
value1
value2
value3
Time taken: 1.281 seconds, Fetched: 3 row(s)
这次我们看到了预期的结果。
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.