hadoop - 如何将配置单元分区读入 Apache Crunch 管道？

Question

我能够将 hdfs 中的文本文件读入 apache crunch 管道。但现在我需要读取配置单元分区。问题是根据我们的设计，我不应该直接访问该文件。因此，现在我需要某种方式来使用 HCatalog 之类的方式访问分区。

Answer 1

您可以使用 org.apache.hadoop.hive.metastore API 或 HCat API。这是一个使用 hive.metastore 的简单示例。除非您想加入 mapper/reducer 中的某个 Hive 分区，否则您必须在开始您的 Pipeline 之前或之前拨打电话。

HiveMetaStoreClient hmsc = new HiveMetaStoreClient(hiveConf)
HiveMetaStoreClient hiveClient = getHiveMetastoreConnection();
List<Partition> partitions = hiveClient.listPartittions("default", "my_hive_table", 1000)
for(Partition partition: partitions) {
   System.out.println("HDFS data location of the partition: " + partition.getSd().getLocation())
}

您唯一需要的另一件事是导出 hive conf 目录：

export HIVE_CONF_DIR=/home/mmichalski/hive/conf