将文件中的值插入配置单元上的现有 table

Question

我是 hadoop 生态系统的新手。我正在尝试使用以下查询从 CSV 文件创建配置单元 table。

CREATE EXTERNAL TABLE IF NOT EXISTS proxy_data(
  date_time TIMESTAMP,time_taken INT, c_ip STRING,
  sc_status INT, s_action STRING, sc_bytes INT,
  cs_bytes INT, cs_method STRING, cs_uri STRING,
  cs_host STRING, uri_port INT, uri_path STRING,
  uri_query STRING, username STRING, auth STRING,
  supplier_name STRING, content_type STRING, referer STRING,
  user_agent STRING, filter_result STRING, categories STRING,
  x_virus_id STRING, proxy_ip STRING
)
COMMENT 'Proxy logs' 
LOCATION '/user/admin'
tblproperties ("skip.header.line.count"="1");

此查询实际上创建了一个 table proxy_data 并填充了位于指定位置的 csv 文件中存在的值。

现在，我想将另一组 CSV 的值附加到相同的 table（它应该跳过 csv 文件中存在的标题）。我检查了各种解决方案，但没有什么能满足我的需要。

Answer 1

你能试试这个吗:

hive>  LOAD DATA LOCAL INPATH '/home/yourcsvfile.csv' INTO TABLE proxy_data;

Answer 2

您可以将属性添加到 table 中，这将跳过 csv 的第一行。 "skip.header.line.count"="1"

在你的情况下，

Alter Table proxy_data SET TBLPROPERTIES ("skip.header.line.count"="1").

Answer 3

您可以采用这种方法：

使用此属性创建暂存 table（临时 table）- skip.header.line.count=1
创建一个具有相同架构的主 table（无需在此 table 中使用 skip.header.line.count 子句）。
每次有新文件时，将覆盖加载到暂存区 table

然后，加载 append staging table 的数据到主 table.

create table <my_table_stg>(col1 data_type1, col2, data_type2...)
row format delimited fields terminated by ','
tblproperties ("skip.header.line.count"="1");

create table <my_table>(col1 data_type1, col2, data_type2...);

load data inpath '/file/location/my_file.csv' overwrite into table <my_table_stg>;

insert into table <my_table> select * from <my_table_stg>;

P.S：您的 table 语法没有 row format delimited 子句。请务必按照上图添加

将文件中的值插入配置单元上的现有 table

Insert values from file to an existing table on hive

hadoop

hive

pyhive