HiveContext 未读取 Orcfile 的模式

Question

当我运行以下内容时：

val df1 = sqlContext.read.format("orc").load(myPath)
df1.columns.map(m => println(m))

这些列打印为“_col0”、“_col1”、“_col2”等。而不是它们的真实名称，例如 'empno'、'name'、'deptno'。

当我在 Hive 中 'describe mytable' 时，它会正确打印列名，但是当我运行 'orcfiledump' 时，它也会显示 _col0、_col1、_col2。我是否必须指定 'schema on read' 或其他内容？如果是，我该怎么做 Spark/Scala?

hive --orcfiledump /apps/hive/warehouse/mydb.db/mytable1
.....
fieldNames: "_col0"
fieldNames: "_col1"
fieldNames: "_col2"

注意：我创建的 table 如下：

create table mydb.mytable1 (empno int, name VARCHAR(20), deptno int) stored as orc;

注意：这不是这个问题的重复 (Hadoop ORC file - How it works - How to fetch metadata)，因为答案告诉我使用 'Hive' 并且我已经在使用 HiveContext，如下所示：

val sqlContext = new org.apache.spark.sql.hive.HiveContext(sc)

顺便说一下，我使用的是我自己的配置单元-site.xml，其中包含以下内容：

<configuration>
    <property>
      <name>hive.metastore.uris</name>
      <value>thrift://sandbox.hortonworks.com:9083</value>
    </property>
</configuration>

Answer 1

我知道问题出在哪里了。这就是我创建测试数据的方式。我的印象是，如果我运行以下命令：

create table mydb.mytable1 (empno int, name VARCHAR(20), deptno int) stored as orc;

INSERT INTO mydb.mytable1(empno, name, deptno) VALUES (1, 'EMP1', 100);
INSERT INTO mydb.mytable1(empno, name, deptno) VALUES (2, 'EMP2', 50);
INSERT INTO mydb.mytable1(empno, name, deptno) VALUES (3, 'EMP3', 200);

数据将以 ORC 格式创建于：/apps/hive/warehouse/mydb.db/mytable1

事实并非如此。即使我指出 'stored as orc' INSERT 语句也没有保存列信息。不确定这是否是预期的行为。无论如何，现在一切正常。对造成的混乱表示歉意，但希望这对以后的人有所帮助 -:)

Answer 2

@DilTeam 这就是问题所在，当您使用 Hive（版本 1.x）写入数据时，它不会存储 orc 格式文件的列元数据（parquet 等不同），此问题已在新 Hive 中修复（ 2.x) 将列信息存储在元数据中，允许 spark 从文件本身读取元数据。这是另一个选项，用于加载在 spark 中使用 Hive1 编写的 tables：

val table = spark.table(<db.tablename>)

这里的 spark 是默认的 sparkSession，它从 hive metastore 中获取 table 的信息。

还有一个选项带有更多代码块和附加信息：

在获取的 RDD 上创建具有定义模式的数据框，这将使您可以灵活地更改数据类型，您可以阅读此 link

https://spark.apache.org/docs/2.2.0/sql-programming-guide.html#programmatically-specifying-the-schema

希望对您有所帮助

HiveContext 未读取 Orcfile 的模式

HiveContext is not reading schema of an Orcfile

hive

scala

apache-spark

orc

hortonworks-sandbox