将 RDD 加载到 hive

Posted 2023-04-15

【中文标题】将 RDD 加载到 hive

【英文标题】：Load an RDD into hive

【发布时间】：2017-01-09 11:47:03

【问题描述】：

我想在 spark 版本 1.6.x 中使用 pyspark 将 RDD (k=table_name, v=content) 加载到分区 hive 表（年、月、日）中

尝试使用此 SQL 查询的逻辑的整个过程：

ALTER TABLE db_schema.%FILENAME_WITHOUT_EXTENSION% DROP IF EXISTS PARTITION (year=%YEAR%, month=%MONTH%, day=%DAY%);LOAD DATA INTO TABLE db_schema.%FILENAME_WITHOUT_EXTENSION% PARTITION (year=%YEAR%, month=%MONTH%, day=%DAY%);

有人可以给点建议吗？

【参考方案1】：

spark = SparkSession.builder.enableHiveSupport().getOrCreate()
df = spark.sparkContext.parallelize([(1, 'cat', '2016-12-20'), (2, 'dog', '2016-12-21')])
df = spark.createDataFrame(df, schema=['id', 'val', 'dt'])
df.write.saveAsTable(name='default.test', format='orc', mode='overwrite', partitionBy='dt')

使用 enableHiveSupport() 和 df.write.saveAsTable()