序曲
我使用的是带有动态分区的外部配置单元表。
SET hive.exec.dynamic.partition = true
SET hive.exec.dynamic.partition.mode = nonstrict
这张table看起来像这样:
CREATE EXTERNAL TABLE `some_test`(
`id` bigint,
`timestamp` int,
`some_other_values` bigint)
PARTITIONED BY (
`year` int,
`month` int,
`day` int,
`hour` int)
ROW FORMAT SERDE
'org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe'
STORED AS INPUTFORMAT
'org.apache.hadoop.hive.ql.io.parquet.MapredParquetInputFormat'
OUTPUTFORMAT
'org.apache.hadoop.hive.ql.io.parquet.MapredParquetOutputFormat'
LOCATION
'hdfs://nameservice1/user/Sh4pe/hive-test'
现在,我通过一个 INSERT INTO ... SELECT ...
这样查询:
INSERT INTO `dnies_click_log`
PARTITION(year, month, day, hour)
SELECT * FROM `other_db`.`other_table`
WHERE year=2016 and month=4 and day=1 and hour=0
LIMIT 1;
insert起作用了,我实际上在表中生成了一个条目,当然还有hdfs中的一个文件。
我的问题
但我对hdfs中目录的存储方式不太满意:
Sh4pe:/home/Sh4pe$ hdfs dfs -ls /user/Sh4pe/hive-test/
Found 1 items
drwxr-xr-x - hdfs dnies 0 2016-04-05 14:33 /user/Sh4pe/hive-test/some_test/year=2016
困扰我的是 year=2016
部分。我想要一个 2016
相反。类似地,嵌套文件夹被称为 month=4
. 我想要一个 04
(尾随零)而不是。我还希望嵌套的day和hour目录也只能用数字命名。
是否可以更改动态分区存储在hdfs上的格式?
2条答案
按热度按时间h7wcgrx31#
无法为动态创建的分区自定义目录名。命名模式是在函数org.apache.hadoop.hive.common.fileutils.makepartname()中硬编码的。https://github.com/apache/hive/blob/c08490b74a15ce57a140c7826ad4c666f8be719e/common/src/java/org/apache/hadoop/hive/common/fileutils.java
jq6vz3qz2#
可能值得一看这些链接:
https://cwiki.apache.org/confluence/display/hive/hcatalog+dynamicpartitions#hcatalogdynamicpartitions-HiveDynamic分区
和
https://issues.apache.org/jira/browse/hive-6109
看起来他们从Hive0.13.0开始就开始迎合定制名字了。例如