是否可以在同一个 HDFS 目录结构中表示多个配置单元表?换句话说,有没有办法让多个配置单元表指向相同/重叠的 HDFS 路径?
这是我的情况:
我有一个名为“mytable”的表,位于 hdfs:/tables/mytable
CREATE EXTERNAL TABLE mytable
(
id int,
...
[a whole bunch of columns]
...
PARTITIONED BY (logname STRING)
STORED AS [I-do-not-know-what-just-yet]
LOCATION 'hdfs:/tables/mytable';
因此,HDFS 将如下所示:
hdfs:/tables/mytable/logname=tarzan/....
hdfs:/tables/mytable/logname=jane/....
hdfs:/tables/mytable/logname=whoa/....
是否有可能在 hdfs:/tables/mytable/logname=tarzan 中有一个名为“tarzan”的配置单元表?与 hive 表“jane”相同,位于 hdfs:/tables/mytable/logname=jane 等。
tarzan、jane、whoa 等子表共享一些列(timestamp、ip_address、country、user_id 和其他一些),但也会有很多它们没有共同的列。
有没有办法将这些数据存储在 HDFS 中一次,然后将其用于我上面描述的多个表?此外,有没有一种方法可以有效地存储数据,因为许多表都有不常见的列?在这种情况下,像 RCFILE 或 PARQUET 这样的文件格式可以工作吗?
非常感谢任何人可以提供的任何提示或帮助,
最佳答案
是的,我们可以有多个具有相同底层 HDFS 目录的 Hive 表。
例子:
创建表
emp
并将数据文件file3
加载到其中。create table emp (id int, name string, salary int) row format delimited fields terminated by ',' -- default location would be used load data local inpath '/home/parv/testfiles/file3' into table emp;
创建另一个表
镜像
。当您从mirror
表中选择数据时,它与emp
表(file3 的内容)相同。create table mirror (id int, name string, salary int) row format delimited fields terminated by ',' location 'hdfs:///user/hive/warehouse/parv.db/base';
将数据加载到
镜像
表中。当您从mirror
表或emp
表中选择数据时,它会返回相同的结果(file3 和 file4 的内容)。load data local inpath '/home/parv/testfiles/file4' into table mirror;
结论:
- 相同的数据文件在表
emp
和mirror
之间共享。 - 但是,奇怪的是,HDFS 文件系统只显示
emp
表的数据目录,而不显示mirror
表的数据目录。但是,这两个表都存在于配置单元中,因此可以查询。
关于hadoop - 是否可以在同一个 HDFS 目录结构中表示多个配置单元表?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/21143812/