如何解决使用 gcloud dataproc 创建 hive 表不适用于 unicode 分隔符
我需要在一个 unicode 分隔文件(unicode 字符 - ."\uFFFD",替换字符)上创建一个 hive 表
为此,我们将 hive 作业提交到集群。 使用 ROW FORMAT Delimited 尝试使用 Lazy simple serde -
gcloud dataproc 作业提交 hive --cluster --region --execute "创建外部表 hiveuni_test_01(代码 字符串、电话号码字符串、查找名称字符串、给定名称 字符串,alt_finding_name 字符串,house_num 字符串,street_name 字符串、位置字符串、状态字符串、保留字符串、邮政编码 字符串,directive_text 字符串,special_listing_text 字符串,id 字符串、纬度字符串、经度字符串、rboc_sent_date 字符串) ROW 格式由 '\uFFFD' 行终止的分隔字段 '\n' 存储为文本文件位置 'gs://hive-idaas-dev-warehouse/datasets/unicode_file';"
但这并不能正确创建表格,整行只放在第一列。
我们使用云 SQL mysql 服务器作为 hive Metastore,检查 mysql 是否也有 utf8 编码。
尝试使用 multidelimitserde -
gcloud dataproc 作业提交 hive --cluster dev-sm-35cb3516-ed82-4ec2-bf0d-89bd7e0e60f0 --region us-central1 --jars gs://hive-idaas-dev-warehouse/hive-jar/hive-contrib-0.14.0.jar --execute "CREATE EXTERNAL TABLE hiveuni_test_05 (codes string,telephone_num string,finding_name string,given_name 字符串,alt_finding_name 字符串,house_num 字符串,street_name 字符串、位置字符串、状态字符串、保留字符串、邮政编码 字符串,directive_text 字符串,special_listing_text 字符串,id 字符串、纬度字符串、经度字符串、rboc_sent_date 字符串) ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.MultiDelimitSerDe' WITH SERDEPROPERTIES ('field.delim'='\uFFFD') 存储为输入格式 'org.apache.hadoop.mapred.TextInputFormat' 输出格式 'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat' 位置 'gs://hive-idaas-dev-warehouse/datasets/unicode_file';"
这给出了一个例外 - java.lang.ClassNotFoundException: Class org.apache.hadoop.hive.serde2.MultiDelimitSerDe not found
我在集群启动期间放置了一个初始化脚本,该脚本会将包含类 hive-contrib-0.14.0.jar
的 org.apache.hadoop.hive.serde2.MultiDelimitSerDe
放置在 /usr/lib/hadoop/lib/
中。通过对集群执行 ssh,我看到 jar 被放置在文件夹中。
有没有办法在创建表时通过 hive 客户端读取 unicode 字符,或者为什么即使将 jar 放入 hadoop lib 目录后我仍然收到错误 classNotFound?
解决方法
hive-contrib-0.14.0
没有 org.apache.hadoop.hive.serde2.MultiDelimitSerDe
。相反,完全限定的类名是 org.apache.hadoop.hive.contrib.serde2.MultiDelimitSerDe
。注意那里额外的 contrib
。
因此,请更改您的查询以使用正确的完全限定类名,看看它是否能解决问题。您可能不必显式添加 hive-contrib jar。它应该已经在 /usr/lib/hive/lib
下。
HIVE-20020 和 HIVE-20619 是在 Hive 4.0 上完成的,由于您使用的是 Dataproc,它不应该适用,因为 Dataproc 还没有 Hive 4.0。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。