有没有可能将配置单元表格式转换为orc并使其成为嵌套格式

ecbunoof  于 2021-06-25  发布在  Hive
关注(0)|答案(2)|浏览(357)

我有一套Hive表,不是在兽人的格式,也没有扣。我想把它们的格式改成兽人的,也要把它们扣起来。在网上找不到具体的答案。任何回答或指导都将不胜感激。配置单元版本是2.3.5
或者是否有可能在spark(pyspark或scala)中完成?
最简单的解决方案是创建一个新表,该表采用orc格式,然后从旧表插入。寻找就地解决方案。

zpgglvta

zpgglvta1#

创建bucketed表并使用insert overwrite将数据加载到其中:

CREATE TABLE table_bucketed(col1 string, col2 string)
CLUSTERED BY(col1) INTO 10 BUCKETS
STORED AS ORC;

INSERT OVERWRITE TABLE table_bucketed
select ...
  from table_not_bucketed

另请参见分类的带扣表。

ehxuflar

ehxuflar2#

配置单元:使用暂存表读取未绑定的数据(假设 TEXTFILE 格式)使用以下命令:

CREATE TABLE staging_table(
    col1 colType, 
    col2 colType, ...
    coln colType
)
STORED AS 
    TEXTFILE
LOCATION 
    '/path/of/input/data';

CREATE TABLE target_table(
    col1 colType, 
    col2 colType, ...
    coln colType
)
CLUSTERED BY(col1) INTO 10 BUCKETS
STORED AS ORC;

INSERT OVERWRITE TABLE table_bucketed
SELECT 
    col1, col2, ..., coln
FROM 
    staging_table;

同样的方法也可以在 **Spark**DataFrame APIs (假设 CSV 格式)如下:

df = spark.read.format("csv")
          .option("inferSchema", "true")
          .option("header", "true")
          .option("delimiter", ",")
          .option("path", "/path/of/input/data/")
          .load()

df.write.format("orc")
        .option("path", "/path/of/output/data/")
        .save()

相关问题