2

我有一个文件test_file_1.txt包含：

20140101,value1
20140102,value2

和文件test_file_2.txt包含：

20140103,value3
20140104,value4

在 HCatalog 中有一个表：

create table stage.partition_pk (value string)
Partitioned by(date string)
stored as orc;

这两个脚本运行良好：

脚本 1：

LoadFile = LOAD 'test_file_2.txt' using PigStorage(',') AS (date : chararray, wartosc : chararray);
store LoadFile into 'stage.partition_pk' using org.apache.hcatalog.pig.HCatStorer();

脚本 2：

LoadFile = LOAD 'test_file_2.txt' using PigStorage(',') 
AS (date : chararray, wartosc : chararray);
store LoadFile into 'stage.partition_pk' using org.apache.hcatalog.pig.HCatStorer();

表partition_pk包含四个分区 - 一切都符合预期。

但是可以说，还有另一个文件包含应该插入到现有分区之一中的数据。Pig 无法写入包含数据的分区（或者我错过了什么？）您如何管理加载到现有分区（在非空的非分区表上）？您是否读取分区，将其与新数据合并，删除分区（如何？）并将其作为新分区插入？

4

2 回答 2

2

来自 HCatalog 的站点https://cwiki.apache.org/confluence/display/Hive/HCatalog+UsingHCat，它说：“一旦创建分区，就不能在其中添加、删除或更新记录。 ”。因此，根据 HCatalog 的性质，您不能将数据添加到已包含数据的现有分区中。

他们正在处理这方面的错误。Hive 0.13 中修复了一些错误：

https://issues.apache.org/jira/browse/HIVE-6405（仍未解决）-用于跟踪其他错误的错误 https://issues.apache.org/jira/browse/HIVE-6406（已解决0.13) - 可变https://issues.apache.org/jira/browse/HIVE-6476的单独表属性 （仍未解决） - 特定于动态分区 https://issues.apache.org/jira/browse/HIVE- 6475（在 0.13 中解决）-特定于静态分区 https://issues.apache.org/jira/browse/HIVE-6465（仍未解决）-向 HCatalog 添加 DDL 支持基本上，如果您不想这样做使用动态分区，那么 0.13 可能对你有用。您只需要记住设置适当的属性

我发现对我有用的是创建另一个分区键，我称之为 build_num。然后我通过命令行传递这个参数的值并在 store 语句中设置它。像这样：

创建表stage.partition_pk（值字符串）分区（日期字符串，build_num字符串）存储为orc；

使用 org.apache.hcatalog.pig.HCatStorer('build_num=${build_num}'; 将 LoadFile 存储到“partition_pk”中

只是不要在查询中包含 build_num 分区。我通常在运行作业时将 build_num 设置为时间戳；

于 2014-05-28T23:20:47.127 回答
1

尝试使用多个分区：

create table stage.partition_pk (value string) Partitioned by(date string, counter string) stored as orc;

存储看起来像这样：

LoadFile = LOAD 'test_file_2.txt' using PigStorage(',') AS (date : chararray, wartosc : chararray);
store LoadFile into 'stage.partition_pk' using org.apache.hcatalog.pig.HCatStorer('date=20161120, counter=0');

因此，现在您可以通过增加计数器再次将数据存储到相同的日期分区中。

于 2016-11-21T14:05:09.077 回答