我有三个.csv
文件,每个文件都在不同的 hdfs 目录中。我现在想用这三个文件中的数据制作一个 Hive 内部表。我想要第一个文件的四列,第二个文件的三列和第三个文件的两列。第一个文件与第二个文件共享一个唯一的 id 列,第三个文件与第三个文件共享另一个唯一的 id 列。两个唯一 ID 都存在于第二个文件中;使用这些 id 我想左外连接来制作表格。
文件 1:'/directory_1/sub_directory_1/table1_data_on_01_01_2014.csv'
文件 2:'/directory_2/sub_directory_2/table2_data_on_01_01_2014.csv'
文件 3:'/directory_3/sub_directory_3/table3_data_on_01_01_2014.csv'
文件1的内容:
unique_id_1,age,department,reason_of_visit,--more columns--,,,
id_11,entry_12,entry_13,entry_14,--more entries--
id_12,entry_22,entry_23,entry_24,--more entries--
id_13,entry_32,entry_33,entry_34,--more entries--
文件2的内容:
unique_id_1,date_of_transaction,transaction_fee,unique_id_2--more columns--,,,
id_11,entry_121,entry_131,id_21,--more entries--
id_12,entry_221,entry_231,id_22,--more entries--
id_13,entry_321,entry_331,id_23,--more entries--
文件 3 的内容:
unique_id_2,diagnosis,gender --more columns--,,,
id_21,entry_141,entry_151,--more entries--
id_22,entry_241,entry_151,--more entries--
id_23,entry_341,entry_151,--more entries--
我现在想制作一个像这样的内部表:
unique_id_1 age department reason_of_visit date_of_transaction unique_id_2 transaction_fee diagnosis gender
id_11 entry_12 entry_13 entry_14 entry_121 entry_131 id_21 entry_141 entry_151
id_12 entry_22 entry_23 entry_24 entry_221 entry_231 id_22 entry_241 entry_251
id_13 entry_32 entry_33 entry_34 entry_321 entry_331 id_23 entry_341 entry_251
我如何做到这一点?