使用 spark 中的模式创建外部配置单元 table

Question

我正在使用 spark 1.6，我的目标是创建外部配置单元 table，就像我在配置单元脚本中所做的那样。为此，我首先读入分区的 avro 文件并获取该文件的架构。现在我停在这里，我不知道如何将此模式应用于我的创建 table。我使用斯卡拉。需要帮助的人。

Answer 1

我没有找到自动推断外部表架构的方法。所以我为字符串类型创建了案例。您可以为您的数据类型添加大小写。但我不确定你有多少列。抱歉，这可能不是一个干净的方法。

import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.sql.{Row, SaveMode};
import org.apache.spark.sql.types.{StructType,StructField,StringType};

val hiveContext = new org.apache.spark.sql.hive.HiveContext(sc)
val results = hiveContext.read.format("com.databricks.spark.avro").load("people.avro")


val schema = results.schema.map( x => x.name.concat(" ").concat( x.dataType.toString() match { case "StringType" => "STRING"} ) ).mkString(",")

val hive_sql = "CREATE EXTERNAL TABLE people_and_age (" + schema + ")                  ROW FORMAT DELIMITED                 FIELDS TERMINATED BY ','                LOCATION '/user/ravi/people_age'"

hiveContext.sql(hive_sql)
results.saveAsTable("people_age",SaveMode.Overwrite)
hiveContext.sql("select * from people_age").show()

Answer 2

试试下面的代码。

val htctx= new HiveContext(sc)
htctx.sql(create extetnal table tablename schema partitioned by attribute row format serde serde.jar field terminated by value location path)

Answer 3

最后，我用老办法自己做了。借助以下代码：

val rawSchema = sqlContext.read.avro("Path").schema
val schemaString = rawSchema.fields.map(field => field.name.replaceAll("""^_""", "").concat(" ").concat(field.dataType.typeName match {
        case "integer" => "int"
        case smt => smt
      })).mkString(",\n")

      val ddl =
      s"""
         |Create external table $tablename ($schemaString) \n
         |partitioned by (y int, m int, d int, hh int, mm int) \n
         |Stored As Avro \n
         |-- inputformat 'org.apache.hadoop.hive.ql.io.avro.AvroContainerInputFormat' \n
         | -- outputformat 'org.apache.hadoop.hive.ql.io.avro.AvroContainerOutputFormat' \n
         | Location 'hdfs://$path'
       """.stripMargin

注意任何列名都不能以 _ 开头，并且 hive 无法解析 integer。我想说这种方式不灵活但有效。如果有人有更好的想法，请评论。

使用 spark 中的模式创建外部配置单元 table

create hive external table with schema in spark

hive

apache-spark

apache-spark-sql

spark-avro