Hive外表批量添加分区

我不是女神ヾ 2022-01-11 03:13 441阅读 0赞

# 简介 #

我们有一批日志数据存储在hdfs上，按天创建目录，如2018-07-31的日志hdfs路径为：/data/logs/gateway/20180731。  
现在要用hive分析数据，同时要保证这些数据目录不能改变，就需要hive用外表的方式与这些数据进行关联

# 创建外表 #

CREATE EXTERNAL TABLE `gateway_analysis`(
      `s_t` bigint, 
      `u_i` string
    )
    PARTITIONED BY ( `dt` string)
    ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe' ;

# 添加数据 #

示例：

ALTER TABLE eqxdb.gateway_analysis ADD PARTITION (dt='20180422') LOCATION '/data/logs/gateway/20180422';

但是，看下文件列表

$ hadoop fs -ls /data/logs/gateway
    Found 108 items
    drwxr-xr-x   - hdfs supergroup          0 2018-04-13 18:50 /data/logs/gateway/20180413
    drwxr-xr-x   - hdfs supergroup          0 2018-04-17 00:00 /data/logs/gateway/20180416
    drwxr-xr-x   - hdfs supergroup          0 2018-04-18 00:00 /data/logs/gateway/20180417
    drwxr-xr-x   - hdfs supergroup          0 2018-04-19 00:00 /data/logs/gateway/20180418
    ...

一共108个待添加的目录，这样一个个添加太累人，有没有批量添加的方法呢？

Hive有个MSCK命令，可以扫描数据分区目录，修复元信息，目录与元信息不一致时，能自动更新。

但是，数据目录必须是Hive习惯路径格式：

/data/logs/gateway/dt=20180731

同时，建表时指定LOCATION为分区目录的父目录：

CREATE EXTERNAL TABLE `gateway_analysis`(
      `s_t` bigint, 
      `u_i` string
    )
    PARTITIONED BY ( `dt` string)
    ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe' 
    LOCATION '/data/logs/gateway/';

这时，用命令

MSCK REPAIR TABLE gateway_analysis;

即可自动把所有的数据按dt分区，添加到gateway\_analysis中。

由于我们的目录格式不符合，只能用ADD PARTITION的方式了。

为减少工作量，写了个shell脚本，自动添加/data/logs/gateway目录下所有的分区目录到gateway\_analysis表中：

for path in `hdfs dfs -ls /data/logs/gateway | awk '{print $8}'`
    do
        hive --database dbname -e "alter table gateway_analysis add PARTITION(dt='${path:0-8:8}') location '$path'"
    done

原文：https://blog.csdn.net/weixin\_33919941/article/details/88144880