使用直线从配置单元服务器 2 导出 ORC 文件时的列名

Question

我遇到一个问题，从配置单元服务器 2 导出结果到 ORC 文件显示某种默认列名（例如 _col0、_col1、_col2）而不是在配置单元中创建的原始列名。我们使用了来自 HDP-2.6.3.0.

的几乎所有默认组件

我也想知道是否与以下问题相关：

https://issues.apache.org/jira/browse/HIVE-4243

以下是我们正在采取的步骤：

正在连接：

export SPARK_HOME=/usr/hdp/current/spark2-client
beeline
!connect jdbc:hive2://HOST1:2181,HOST2:2181,HOST2:2181/;serviceDiscoveryMode=zooKeeper;zooKeeperNamespace=hiveserver2

正在创建测试 table 并插入示例值：

create table test(str string);
insert into test values ('1');
insert into test values ('2');
insert into test values ('3');

运行测试查询：

select * from test;
+-----------+--+
| test.str  |
+-----------+--+
| 1         |
| 2         |
| 3         |
+-----------+--+

导出为 ORC：

insert overwrite directory 'hdfs://HOST1:8020/tmp/test' stored as orc select * from test;

获取结果：

hdfs dfs -get /tmp/test/000000_0 test.orc

查看结果：

java -jar orc-tools-1.4.1-uber.jar data test.orc
Processing data file test.orc [length: 228]
{"_col0":"1"}
{"_col0":"2"}
{"_col0":"3"}

java -jar orc-tools-1.4.1-uber.jar meta test.orc
Processing data file test.orc [length: 228]
Structure for test.orc
File Version: 0.12 with HIVE_13083
Rows: 2
Compression: SNAPPY
Compression size: 262144
Type: struct<_col0:string>

Stripe Statistics:
  Stripe 1:
    Column 0: count: 2 hasNull: false
    Column 1: count: 2 hasNull: false min: 1 max: 3 sum: 2

File Statistics:
  Column 0: count: 2 hasNull: false
  Column 1: count: 2 hasNull: false min: 1 max: 3 sum: 2

Stripes:
  Stripe: offset: 3 data: 11 rows: 2 tail: 60 index: 39
    Stream: column 0 section ROW_INDEX start: 3 length 11
    Stream: column 1 section ROW_INDEX start: 14 length 28
    Stream: column 1 section DATA start: 42 length 5
    Stream: column 1 section LENGTH start: 47 length 6
    Encoding column 0: DIRECT
    Encoding column 1: DIRECT_V2

File length: 228 bytes
Padding length: 0 bytes
Padding ratio: 0%

查看结果，我可以看到 _col0 作为列名，同时期待原始 str.

关于我遗漏的任何想法？

更新

我注意到来自 beeline 的连接将配置到 1.x，而不是 2.x通缉。我更改了与 Hive Server 2 Interactive URL:

的连接

Connected to: Apache Hive (version 2.1.0.2.6.3.0-235)
Driver: Hive JDBC (version 1.21.2.2.6.3.0-235)
Transaction isolation: TRANSACTION_REPEATABLE_READ

然后用同一个样本再次尝试。它甚至可以正确地打印出架构：

INFO  : Returning Hive schema: Schema(fieldSchemas:[FieldSchema(name:test.str, type:string, comment:null)], properties:null)

但仍然没有成功将其写入 ORC 文件。

Answer 1

您必须在 hive script 或 hive-shell 中设置它，否则将其放在主目录或任何其他配置单元用户属性文件中的 .hiverc 文件中。

set hive.cli.print.header=true;

Answer 2

解决方案

您需要在 Ambari 中启用 Hive LLAP（交互式 SQL），然后更改您正在使用的连接字符串。比如我的连接变成了jdbc:hive2://.../;serviceDiscoveryMode=zooKeeper;zooKeeperNamespace=hiveserver2-hive2

请注意 URL 末尾的附加“-hive2”。这是来自 hortonworks 的 tutorial vid。

"Proof"

连接到更新的 Hive 端点后，我运行

create table t_orc(customer string, age int) stored as orc;
insert into t_orc values('bob', 12),('kate', 15);

然后

~$ hdfs dfs -copyToLocal /apps/hive/warehouse/t_orc/000000_0 ~/tmp/orc/hive2.orc 
~$ orc-metadata tmp/orc/hive2.orc 
{ "name": "tmp/orc/hive2.orc",
  "type": "struct<customer:string,age:int>",
  "rows": 2,
  "stripe count": 1,
  "format": "0.12", "writer version": "HIVE-13083",
  "compression": "zlib", "compression block": 262144,
  "file length": 305,
  "content": 139, "stripe stats": 46, "footer": 96, "postscript": 23,
  "row index stride": 10000,
  "user metadata": {
  },
  "stripes": [
    { "stripe": 0, "rows": 2,
      "offset": 3, "length": 136,
      "index": 67, "data": 23, "footer": 46
    }
  ]
}

其中 orc-metadata 是 ORC 仓库在 github 上分发的工具。

使用直线从配置单元服务器 2 导出 ORC 文件时的列名

Column names when exporting ORC files from hive server 2 using beeline

hive

orc

beeline

解决方案

"Proof"