Spark 分区：创建 RDD 分区，但不创建 Hive 分区-Java 学习之路

这是对在 Hive 中将 Spark 数据框另存为动态分区表的跟进。我试图在答案中使用建议，但无法使其在 Spark 1.6.1 中起作用

我正在尝试从 DataFrame 以编程方式创建分区。以下是相关代码(改编自 Spark 测试)：

hc.setConf("hive.metastore.warehouse.dir", "tmp/tests")
//    hc.setConf("hive.exec.dynamic.partition", "true")
//    hc.setConf("hive.exec.dynamic.partition.mode", "nonstrict")
hc.sql("create database if not exists tmp")
hc.sql("drop table if exists tmp.partitiontest1")

Seq(2012 -> "a").toDF("year", "val")
  .write
  .partitionBy("year")
  .mode(SaveMode.Append)
  .saveAsTable("tmp.partitiontest1")
hc.sql("show partitions tmp.partitiontest1").show

完整档案在这里：https://gist.github.com/SashaOv/7c65f03a51c7e8f9c9e018cd42aa4c4a

在文件系统上可以很好地创建分区文件，但是 Hive 抱怨该表未分区：

======================
HIVE FAILURE OUTPUT
======================
SET hive.support.sql11.reserved.keywords=false
SET hive.metastore.warehouse.dir=tmp/tests
OK
OK
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. Table tmp.partitiontest1 is not a partitioned table
======================

看起来根本原因是org.apache.spark.sql.hive.HiveMetastoreCatalog.newSparkSQLSpecificMetastoreTable总是创建具有空分区的表。

对此前进的任何帮助表示赞赏。

**编辑：**还创建了SPARK-14927

1 回答

我找到了一种解决方法：如果您 pre-create 表，则 saveAsTable()不会弄乱它。因此，以下工作原理：

hc.setConf("hive.metastore.warehouse.dir", "tmp/tests")
//    hc.setConf("hive.exec.dynamic.partition", "true")
//    hc.setConf("hive.exec.dynamic.partition.mode", "nonstrict")
hc.sql("create database if not exists tmp")
hc.sql("drop table if exists tmp.partitiontest1")

// Added line:
hc.sql("create table tmp.partitiontest1(val string) partitioned by (year int)")   

Seq(2012 -> "a").toDF("year", "val")
  .write
  .partitionBy("year")
  .mode(SaveMode.Append)
  .saveAsTable("tmp.partitiontest1")
hc.sql("show partitions tmp.partitiontest1").show

此解决方法在 1.6.1 中有效，但在 1.5.1 中无效

回复于 2024-04-19T08:31:53+08:00

Spark 分区：创建 RDD 分区，但不创建 Hive 分区

1 回答

相关问题